基于ICA新算法的图像盲分离

摘要

信源数未知和动态变化时的盲信源分离（Ｂｓｓ）是一个重要的热门研究课题。

近年来已提出了许多分离算法，其中有些算法如自然梯度、相对梯度等算法特别

有效，但大多数算法都要求信源数己知并且固定，也就是说在信源数未知或动态变化的情况下，这些方法也不是每次都能得到良好的分离结果。为此，本文提出

了一类未知信源数的确定、信源数动态变化的检测和信源的在线盲分离的算法。

本文的主要工作有：

·利用神经网络输出分量之间的相关系数，检测出冗余的输出信号，并

通过改变动态神经网络（ＤＮＮ）的结构，删去冗余的输出信号。ＤＮＮ的结构随信

源个数的变化而变化，并采用自然梯度算法实现了未知信源数的确定、信源数动态变化的检测和信源的在线盲分离。

·基于独立分量分析（ＩＣＡ）的盲信源分离技术以及小波包分解技术，

提出了根据能量特征向量确定信源数的方法。在信源数未知或动态变化的情况

下，首先采用自然梯度的ＩＣＡ算法在线分离出各输出分量，然后根据输出分量

的小波包分解，得到各输出分量的能量特征向量，在线计算各能量特征向量之间的距离，可以检测出相干的输出信号分量，通过删除这些冗余的输出信号，可以确定出未知的信源数，并适合于信源数动态变化的情况。

·计算机仿真结果验证了论文提出算法的有效性。

关键词：盲信源分离独立分量分析自然梯度算法相关系数小波包动态

神经网络Ａｂｓｔｒａｃｔ

Ｔｈｅｂｌｉｎｄｓｏｕｒｃｅｓｅｐａｒａｒｏｎ（Ｂｓｓ）ｗｈｅｎｔｈｅＳＯＵｒＣｅｎｕｍｂｅｒｉｓｕｎｋｎｏｗｎａｎｄ

ｃｈａｎｇｅｓｄｙｎａｍｉｃａｌｌｙｉｓａｌｌｉｍｐｏｒｔａｎｔａｎｄｏｐｅｎｐｒｏｂｌｅｍ，Ｉｎｒｅｃｅｎｔｙｅａｒｓ，ｍａｎｙｓｅｐａｒａｔｉｎｇａｌｇｏｒｉｔｈｍｓｈａｖｅｂｅｅｎｄｅｖｅｌｏｐｅｄ，ｉｎｗｈｉｃｈｓｏｍｅａｌｇｏｒｉｔｈｍｓｓｕｃｈａｓｔｈｅｎａｔｕｒａｌｇｒａｄｉｅｎｔａｌｇｏｒｉｔｈｍａｎｄｒｅｌａｔｉｖｅｇｒａｄｉｅｎｔａｌｇｏｒｉｔｈｍｗｏｒｋｅｆｆｅｃｔｉｖｅＨｏｗｅｖｅｒ，ｍｅｓｔｏｆａｌｇｏｒｉｔｈｍｓｒｅｑｕｉｒｅｔｈａｔｔｈｅｎｕｍｂｅｒｏｆｓｏｕｒｃｅｓｉｓａｓｓｕｍｅｄｔｏｂｅｋｎｏｗｎａｐｒｉｏｒｉａｎｄｕｎｃｈａｎｇｅｄ＋Ｉｎｏｔｈｅｒｗｏｒｄ，ｔｈｏｓｅａｌｇｏｒｉｔｈｍｓｃａｎｒｉｏｔａｌｗａｙｓｏｂｔａｉｎｇｏｏｄｓｅｐａｒａｔｉｏｎｒｅｓｕｌｔｓ，ｗｈｅｎｔｈｅｓｏｕｒｃｅｎｕｍｂｅｒｉｓｕｎｋｎｏｗｎａｎｄｃｈａｎｇｅｓｄｙｎａｍｉｃａｌｌｙ．Ａｎｅｗａｌｇｏｒｉｔｈｍｉｓｉｎｔｒｏｄｕｃｅｄｉｎｔｈｉｓｐａｐｅｒ，ｗｈｉｃｈｉｓａｐｐｌｉｅｄ船ｔｈｅｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｕｎｋｎｏｗｎｎｕｍｂｅｒｏｆｓｏｕｒｃｅｓａｎｄｔｈｅｄｅｔｅｃｔｉｏｎｏｆｔｈｅｓｏｕｒｃｅｎｕｍｂｅｒｄｙｎａｍｉｃａｌｌｙ，ａｓｗｄ！ａｓｔｈｅｏｎ－ｔｉｎｅｂｌｉｎｄｓｅｐａｒａｔｉｏｎｏｆ§ｏＴａｒｃｅ￥．Ｔｈｅｋｅｙｐｏｉｎｔｓｏｆｔｈｅｐａｐｅｒａｌｅａｓｆｏｌｌｏｗｓ：·ＢａｓｅｄｏｎｔｈｅｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｍａｍｏｎｇｔｈｅｅｌｅｍｅｎｔｓＯｆｏｕｔｐｔＲｖｅｃｔｏｒｏｆｎｅｕｒａｌｎｅｔｗｏｒｋ，ｔｈｅｒｅｄｕｎｄａｎｔｓｉｇｎａｉｉｎｏｕｔｐｕｔｃｏｍｐｏｎｅｎｔｓｃａｎｂｅｄｅｔｅｃｔｅｄ，ａｎｄｄｅｌｅｔｅｄｂｙｃｈａｎｇｉｎｇｔｈｅｓｔｒｕｃｔｕｒｅｏｆｄｙｎａｍｉｃｎｅｕｒａｌｎｅｔｗｏｒｋ（ＤＮＮ），ＴｈｅＤＮＮｕｓｉｎｇａａｔｕ罐ｇｒａｄｉｅｎｔａｌｇｏｒｉｔｈｍｃａｎｂｅｃｈａｎｇｅ４ｉｔｓｓｔｒｕｃｔｕｒｅｓｗｈｅｎｔｈｅｓｏｕｒｃｏｎｕｍｂｅｒｃａｒｔｉｓｃｈａｎｇｅｄｗｉｔｈＤＮＮ，ｔｈｅｕｎｋｎｏｗｎｓｏｕｒｃｅｎｕｍｂｅｒｃａｎｂｅｄｅｔｅｒｍｉｎｅｄ，ｔｈｅｃｈａｎｇｉｎｇｓｏｕｒｃｅｎｕｍｂｅｒｃａｌｌｂｅｄｅｔｅｃｔｅｄ，ａｎｄｔｈｅｍｉｘｅｄｓｏｕｒｃｅＣａｌｌｂｅｓｅｐａｒａｔｅｄｏｎ－ｌｉｎｅ．·Ｂａｓｅｄ０ｎｔｈｅｂｌｉｎｄｓｏｕｒｃｅｓｅｐａｒａｔｉｏｎｗｉｔｈｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＩＣＡ）ａｎｄｗａｖｄｅｔｐａｃｋｅｔｄｅｃｏｍｐｏｓｉｔｉｏｎ，鑫ｎｅｗａｌｇｏｒｉｔｈｍｆｏｒｔｈｅｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｔｈｅＳＯＵＳｅｎｕｍｂｅｒｉｓｐｒｅｓｅｎｔｅｄｕｓｉｎｇｔｈｅｅｎｅｒｇｙｃｈａｒａｃｔｅｒｉｓｔｉｃ

龙源期刊网

基于FastICA的盲源分离算法研究

作者：谢志明 吴德华

来源：《数字技术与应用》2013年第06期

摘要：FICA是一种非常有效的盲信号分离算法，该算法比批处理甚至自适应处理具有更快的收敛速度。本文介绍了一种以四阶累计量为判据的固定点算法。运用matlab仿真，对四路不相关的源信号进行分离，仿真结果表明，该算法能有效的分离出四路源信号，获得了比较好的效果。

关键词：盲分离 独立分量分析 四阶累计量

中图分类号：TN911 文献标识码：A 文章编号：1007-9416（2013）06-0140-02

1 引言

独立分量分析（independent component analysis，ICA）是近年来发展起来的一种新的信号处理技术。基本的ICA是指从多个源信号的线性混合信号中分离出源信号的技术。除了已知源信号是统计独立外，无其他先验知识，ICA是伴随着盲信源问题而发展起来的，故又称盲分离。

在复杂的背景环境中所接收的信号往往是由不同信源产生的多路信号的混合信号。ICA方法是基于信源之间的相互统计独立性。与传统的滤波方法和累加平均方法相比，ICA在消除噪声的同时，对其它信号的细节几乎没有破坏，且去噪性能也往往要比传统的滤波方法好很多。而且，与基于特征分析，如奇异值分解（SVD）、主成分分析（PCA）等传统信号分离方法相比，ICA是基于高阶统计特性的分析方法。在很多应用中，对高阶统计特性的分析更符合实际。

1997年芬兰学者Aapo Hyvarinen等人首先提出基于四阶累积量的固定点算法。其后，在1999年又提出了进一步的改进—基于负熵的ICA固定点算法。在2001年的著作中他们又作了进一步简化。由于这一算法比批处理甚至自适应处理，具有更快的收敛速度，因此又被称为“快速ICA算法”（fast ICA，FICA）。

基于PCA—ICA的盲源分离算法研究

本栏目责任编辑谢媛媛一一开发研究与设,汁技术搿

基于PCA—ICA的盲源分离算法研究

马曾'.赵时 (11海军潜艇学院,辽宁青岛266071;2.东北大学信息学院,辽宁沈阳1It)004)

摘要:提出了一种以独,A-分量分析(independentcomponentanalysis,ICA)为核心,以

主元分析(principlecolnpol~ent analysis)进行白化处理的盲分离算法,给出了用盲信号分离技术来分离?62电信号

的方案,并对模拟信号进行了分离实验是

有效的且鲁棒效果良好

关键词:盲信号分离:独立分量分析;白化处理;核?,22函数

中图分类号:TP311文献标识码:A文章编号:1009—3044(2007)21—40791—03 ResearchofBlindSignalsSeparationAlgorithmBasedonPCA-ICA

MAZengl,ZHAOShi2

(1.NavySubnlarineAcademy,Qingdao266071,China;2,NortheasternUniversityCollege

of

InfonnationScienceandEngineering,Shenyang110004,China)

Abstract:Hiepaperp1'()posesanlethodthatallindependentcomponentanalysis(ICA)ascor

eandalbinismproeessingbased

()llpl'inc:ipleeolnpollelltanalysis(PCA)Fileplanofseparatingele(tr0cardj0gral11signals

withblindsignalsseparationteehnology

~A-asgi,'enandseparatedsilllnlantsignalThisalgorithmiseffecti~eandgoodrobusnless

基于ICA的雷达信号欠定盲分离算法

陈晓军;成昊;唐斌

【期刊名称】《电子与信息学报》

【年(卷),期】2010(032)004

【摘 要】该文针对源信号时域和频域不充分稀疏的情况,提出了欠定盲源分离中估计混合矩阵的一种新方法.该方法对等间隔分段的观测信号应用独立分量分析(ICA)的盲分离算法获得多个子混合矩阵,然后对其分选剔除了不属于原混合矩阵的元素,最后利用C均值聚类的学习算法获得对混合矩阵的精确估计,解决了源信号在时域和频域不充分稀疏的情况下准确估计混合矩阵的问题.在估计出混合矩阵的基础上,利用基于稀疏分解的统计量算法分离出源信号.由仿真结果,以及与传统的K均值聚类,时域检索平均算法对比的实验结果说明了该文算法的有效性和鲁棒性.

【总页数】6页(P919-924)

【作 者】陈晓军;成昊;唐斌

【作者单位】电子科技大学电子工程学院,成都,610054;电子科技大学电子工程学院,成都,610054;电子科技大学电子工程学院,成都,610054

【正文语种】中 文

【中图分类】TN957.51

【相关文献】

1.基于ICA的相位编码信号欠定盲分离算法 [J], 熊英;陈晓军;唐斌

2.基于累积张量分解的雷达信号欠定盲分离算法 [J], 艾小凡;罗勇江;赵国庆 3.基于MS-ROMP信号重构算法的欠定盲分离 [J], 季策; 张晓梦

4.一种基于SCA的欠定变速跳频信号盲分离算法 [J], 王淼;蔡晓霞;雷迎科

5.基于改进时频检测的欠定变速跳频信号盲分离算法 [J], 王淼;蔡晓霞;雷迎科

因版权原因，仅展示原文概要，查看原文内容请购买