基于独立分量分析的诱发电位信号提取方法

诱发电位(EP)信号在检测神经系统状态时有重要意义.但EP信号总是淹没在自发脑电波(EEG)信号中,因此,为利用EP信号诊断神经系统的损伤和病变,需要从二者的混合信号中提取出EP信号.独立分量分析(ICA)是一种新近发展起来的信号分离方法.本文把ICA方法应用于EP信号的提取,并与传统的滤波方法进行了比较.计算机模拟表明,采用ICA方法进行噪声分离的结果明显优于信号滤波方法.     

基于Jade的EP信号少次提取方法

给出了一种基于Jade的EP信号少次提取方法,实验表明,这种方法能够有效地提取出混合在噪声中的2个周期的EP信号,并与Fast ICA算法在数据分析,相关系数矩阵分析,算法执行时间分析这3个方面做了比较.通过数据和实验发现,Jade算法能有效的少次提取EP信号,且提取效果好于FastICA算法.     

基于EEMD-JADE的单通道EP信号少次提取方法

生物医学工程中诊断神经系统损伤及病变的重要手段之一是检测与分析诱发电位(Evoked Potential,EP)信号.现有的方法可以在混合信号中分离出经过成多次刺激的EP信号,但丢失了其瞬时特性,因此EP信号的少次提取是当前生物医学信号研究中的一个重点问题.给出了一种基于EEMD-JADE单通道盲源分离算法,只利用2个周期的EP与EEG信号随机混合成的单通道观测信号中分离EP信号,仿真实验证明了EEMD-JADE算法的有效性.并与EEMD-PCA-ICA方法比较,结果表明EEMD-JADE算法从2个周期的单通道观测信号中分离EP信号时性能优于后者.     

基于EEMD-JADE的单通道EP信号少次提取方法

生物医学工程中诊断神经系统损伤及病变的重要手段之一是检测与分析诱发电位(Evoked Potential,EP)信号.现有的方法可以在混合信号中分离出经过成多次刺激的EP信号,但丢失了其瞬时特性,因此EP信号的少次提取是当前生物医学信号研究中的一个重点问题.给出了一种基于EEMD-JADE单通道盲源分离算法,只利用2个周期的EP与EEG信号随机混合成的单通道观测信号中分离EP信号,仿真实验证明了EEMD-JADE算法的有效性.并与EEMD-PCA-ICA方法比较,结果表明EEMD-JADE算法从2个周期的单通道观测信号中分离EP信号时性能优于后者.     

快速ICA算法在ERP信号处理中的应用

介绍了独立分量分析(ICA)的基本原理．针对事件相关电位(ERP)的信号特点及对快速处理的要求，引入一种快速定点ICA算法，并编写了相应的程序．利用该程序，进行了ERP实测数据的处理实验．实验显示，快速ICA算法能有效地分离和消除噪声干扰。并能改善和增强单次ERP的信号特征．文中还就实验结果和独立分量分析在ERP处理中的应用进行了讨论。     

船舶管路泄漏时信号组成分析及预处理研究

对船舶液体管路泄漏时的信号组成方式在理论上进行了探讨,包括高斯白噪声、脉冲噪声、压力脉动、风、浪、碰撞等带来的压力波动等.介绍了信号的处理方式,包括用中位数滤波法去除信号中的高斯白噪声和脉冲噪声以及用时间序列转折突变点的方法,寻找突变点将方波噪声从负压波信号中进行分离.并用这些方法对模拟的信号进行处理,得到了负压波检测方法所需的有用信号.     

雾天微弱激光回波信号增强与处理研究

研究了雾天多脉冲信号累积增强原理和方法,并利用多脉冲累积增强原理对激光回波信号进行处理。为了提取微弱激光回波信号的特征,研究了匹配滤波处理算法,并分别就原始回波信号和多脉冲累积增强信号进行了匹配滤波处理,大大提高了信号的信噪比。实验结果表明：4个独立激光回波信号进行累积处理的结果使得回波信号的信噪比增强了2倍;多脉冲累积可以有效地提高回波信号的信噪比,而匹配滤波在提高信号信噪比的同时抑制了噪声。     

分形滤波及其在铁路信号中的应用

电气化铁路的发展使列车接收到的铁路信号质量有所下降,为了在强干扰的环境中可靠地解调出有用的铁路信号,必须采用有效的滤波技术来抑制这些干扰。基于分形维数概念,提出了一种新的模糊控制滤波方法,该滤波方法可以根据信号的特征动态地调整模糊控制参数的取值,对铁路移频信号仿真结果表明,滤波效果良好,对于复杂信号的滤波应用前景广阔。     

零相位数字滤波器在非平稳信号处理中的应用

研究零相位数字滤波器在进行非平稳信号滤波时的特点．选用一种典型带通零相位数字滤波器,以非平稳调幅信号作为滤波器输入,进行仿真分析．将零相位数字滤波器与小波包分解重构和经验模态分解方法的滤波能力进行了比较．探讨了零相位数字滤波器在处理非平稳调幅信号时存在的过渡过程,及对滤波结果幅值和频率的影响．论述了滤波误差与滤波器参数、输入信号特性和信噪比等因素的关系．提出了分段零相位滤波器方法,改善了滤波器性能．最后,以一个实测的振荡信号对上述分析进行了验证．为在非平稳信号处理中,正确使用零相位数字滤波器提供了参考．     

PAMF处理的抗混响应用仿真研究

由于混响干扰的强空时非均匀性和水声目标回波的低多普勒特性,导致传统的空时自适应处理（STAP）难以在抗混响信号处理中发挥理想性能。文中引入一种参数自适应匹配滤波（PAM F）空时处理方法至水声信号处理中,仿真研究表明,这种处理器在小样本数、低多普勒条件下依然具有良好而稳定的检测性能,特别适合于解决混响背景下的信号检测问题。从匹配滤波的角度对STAP最优处理器进行一种新的解读,描述了PAMF处理器的原理、结构以及设计方法,并利用专用混响数值仿真软件产生的仿真实验数据,对PAMF和STAP最优处理在不同样本数下的检测效果进行比对研究,从混响自由度构成和处理器内部机构出发对PAM F优越性形成原因进行了合理解释。     

ICA based speckle filtering for target extraction in SAR images using adaptive space separation

A novel approach based on independent component analysis (ICA) for speckle filtering and target extraction of synthetic aperture radar (SAR) images is proposed using adaptive space separation with weighted information entropy (WIE) incorporated. First the basis and the independent components are respectively obtained by ICA technique, and WIE of the image is computed; then based on the threshold computed from function T-WIE (threshold versus weighted-information-entropy), independent components are adaptively separated and the bases are classified accordingly. Thus, the image space is separated into two subspaces: "clean" and "noise". Then, a proposed nonlinear operator ABO is applied on each component of the 'clean' subspace for further optimization. Finally, recovery image is obtained reconstructing this subspace and target is easily extracted with binarisation. Note that here T-WIE is an interpolated function based on several representative target SAR images using proposed space separation algorithm.     

独立分量分析在柴油机缸盖振动信号分离中的应用

采用独立分量分析的方法进行了柴油机缸盖振动信号分离的研究.建立了基于Fixed-pointICA算法的4135船用柴油机缸盖振动信号分析模型,分析了这些振动信号的性质.针对实际应用,对采集到的2路混合信号进行分离,得到了各独立分量的时域和频域分布.分离结果表明独立分量分析是一种行之有效的信号处理的新方法.     

基于SVD的柴油机振动信号盲分离预处理

在利用独立分量分析对缸盖振动信号进行盲分离时,原始采样信号不满足独立分量分析的基本假设,而且缸盖振动信号信噪比较低,影响分离的速度和精度.采用小波阈值降噪的方法进行了降噪处理,提高了信噪比.采用奇异值分解的方法估计了缸盖振动的独立源数,并对缸盖振动信号进行了白化处理,为独立分量分析的应用建立了基础.     

State inspection for transmission lines based on independent component analysis

Monitoring transmission towers is of great importance to prevent severe thefts on them and ensure the reliability and safety of the power grid operation. Independent component analysis (ICA) is a method for finding underlying factors or components from multivariate statistical data based on dimension reduction methods, and it is applicable to extract the non-stationary signals. FastICA based on negentropy is presented to effectively extract and separate the vibration signals caused by human activity in this paper. A new method combined empirical mode decomposition (EMD) technique with the adaptive threshold method is applied to extract the vibration pulses, and suppress the interference signals. The practical tests demonstrate that the method proposed in the paper is effective in separating and extracting the vibration signals.     

基于Rao-Blackwellised粒子滤波的岩石声发射信号去噪

针对声发射数据采集过程易受随机噪声干扰,提出了Rao—Blackwellised粒子滤波的信号降噪方法。在地震波模型的基础上,建立了声发射信号的状态空间模型。由于两者在某些方面有相通性,从而把降噪问题转为在状态空间模型下的滤波问题。首先,通过对构造信号的仿真实验,验证Rao—Black—wellised粒子滤波能够用于信号滤波;其次,利用Rao—Blackwellised粒子滤波,对石灰岩声发射信号进行降噪处理,并取得较好的滤波效果,从而为处理声发射数据提供一条新途径。     

脑梗塞患者血浆β-内啡肽及血清MDA、SOD的变化

目的　探讨 β-内啡肽在缺血性脑损伤中的作用机制。方法　应用放射免疫分析法对 46例急性脑梗塞患者血浆β-内啡肽 (β- EP)及血清丙二醛 (MDA)、超氧化物歧化酶 (SOD)含量进行测定。结果　梗塞急性期 β- EP及 MDA、SOD含量均显著升高 (P <0 .0 1 ) ,病情越重 ,含量越高 ;而且血浆β- EP与 MDA含量呈显著正相关 (P <0 .0 1 ) ,β- EP与 SOD含量 ,在轻型病人相关性不明显 ,在中型和重型病人呈显著正相关 (P <0 .0 1 ,P <0 .0 5)。结论　内源性阿片肽和自由基在缺血性脑损伤中具有重要的作用 ,且内源性阿片肽与自由基的产生有一定的相关关系     

计算机电磁信息泄漏文字再现

设计了针对计算机电磁信息泄漏的接收和再现系统.用宽带天线截获电磁信息泄漏信号后,经带通滤波和放大,再用锁相环电路捕获帧同步与行同步信号.同步信号经模数转换后,得到视频数字信号的输出.然后,用平均滤波法对数字视频信号降噪.最后,用匹配滤波器获得再现的文字.测试结果表明,用平均滤波的方法使同步信号的信噪比提高了18.7 dB,可在12 m范围内获取奔腾486主机及阴极射线管显示器泄漏的文字信息.     

基于多阈值处理的信号多尺度估计算法

给出了一种基于多阈值处理的信号多尺度估计算法。首先对原始测量进行了多尺度小波分解,得出各尺度上的平滑信号和细节信号。对各尺度上的细节信号再作进一步的小波分解,对分解出的次平滑信号和次细节信号进行不同的阈值处理,然后重构,作为相应尺度上的细节信号。最后对最粗尺度上的平滑信号作卡尔曼滤波,再依次与各尺度上的细节信号进行重构,最后得到原始尺度上的信号估计值。     

Nonlinear Statistical Process Monitoring Based on Control Charts with Memory Effect and Kernel Independent Component Analysis

A novel nonlinear combination process monitoring method was proposed based on techniques with memory effect (multivariate exponentially weighted moving average (MEWMA)) and kernel independent component analysis (KICA). The method was developed for dealing with nonlinear issues and detecting small or moderate drifts in one or more process variables with autocorrelation. MEWMA charts use additional information from the past history of the process for keeping the memory effect of the process behavior trend. KICA is a recently developed statistical technique for revealing hidden, nonlinear statistically independent factors that underlie sets of measurements and it is a two-phase algorithm: whitened kernel principal component analysis (KPCA) plus independent component analysis (ICA). The application to the fluid catalytic cracking unit (FCCU) simulated process indicates that the proposed combined method based on MEWMA and KICA can effectively capture the nonlinear relationship and detect small drifts in process variables. Its performance significantly outperforms monitoring method based on ICA, MEWMA-ICA and KICA, especially for long-term performance deterioration.