期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
基于负熵准则的FastICA盲多用户检测的研究 被引量:2
1
作者 杨家轩 贾传荧 +1 位作者 史国友 冯锡炜 《电子与信息学报》 EI CSCD 北大核心 2009年第9期2274-2277,共4页
该文给出了一种基于负熵准则的FastICA盲多用户检测方法。修改了FastICA算法中的非2次函数,引入4次幂函数,把基于负熵的非高斯性测度转化为信号峰度的形式,这样降低了计算量。同时,算法充分考虑了各个用户信号的统计独立性,在下行链路... 该文给出了一种基于负熵准则的FastICA盲多用户检测方法。修改了FastICA算法中的非2次函数,引入4次幂函数,把基于负熵的非高斯性测度转化为信号峰度的形式,这样降低了计算量。同时,算法充分考虑了各个用户信号的统计独立性,在下行链路干扰用户的扩频码未知情况下,把目标用户的扩频码作为训练序列,并用于初始化FastICA算法的分离向量,使用随机梯度法进行优化计算,能够获得优异的符号估计性能。对算法的计算复杂度的分析可以看出,计算量随着接收数据长度和用户数的增加而增加。通过与传统匹配滤波器,MMSE检测算法比较,表明在同步CDMA信道中,MAI较低时算法检测性能与MMSE检测器的性能接近,随着MAI增加,算法的性能明显优于MMSE算法。 展开更多
关键词 盲多用户检测 独立分量分析 CDMA系统 峰度
在线阅读 下载PDF
基于子带ICA的时频图像处理方法研究及其在故障诊断中的应用 被引量:1
2
作者 陈建国 王奉涛 +2 位作者 朱泓 张志新 李宏坤 《振动与冲击》 EI CSCD 北大核心 2010年第2期189-192,共4页
提出了一种改进独立分量分析(ICA)应用于时频图像的盲源分离问题。由于相似时频图像之间存在潜在的相关性,传统的ICA对于具有相关成分的时频图像盲源分离中效果比较差,利用互信息和峭度研究了图像子带之间的相关性和本身的非高斯性,选... 提出了一种改进独立分量分析(ICA)应用于时频图像的盲源分离问题。由于相似时频图像之间存在潜在的相关性,传统的ICA对于具有相关成分的时频图像盲源分离中效果比较差,利用互信息和峭度研究了图像子带之间的相关性和本身的非高斯性,选定特定的子带进行ICA分析。通过仿真时频图像的分离试验,说明此方法分离效果明显优于ICA分离效果,并将该方法应用于转子试验台的基座松动,不对中故障信号复合故障的时频图像中,成功获取了各自故障的时频图像,从而可以获得各自的故障特征信息。 展开更多
关键词 独立成分分析 子带分解 互信息 峭度
在线阅读 下载PDF
一种新的基于ICA的SAR图像干扰分离方法 被引量:1
3
作者 李江源 王建国 杨建宇 《电波科学学报》 EI CSCD 北大核心 2008年第3期491-495,共5页
干扰后的合成孔径雷达(SAR)图像可以看作是目标信号和干扰信号的混合信号源,信号空间和干扰信号空间认为是统计独立的,因此图像域上的干扰抑制问题可以转化为一种信号分离问题。借助于独立分量分析(ICA)方法,提出高阶统计量-峭度值作为... 干扰后的合成孔径雷达(SAR)图像可以看作是目标信号和干扰信号的混合信号源,信号空间和干扰信号空间认为是统计独立的,因此图像域上的干扰抑制问题可以转化为一种信号分离问题。借助于独立分量分析(ICA)方法,提出高阶统计量-峭度值作为基图像分类标准,实现了干扰信号的有效抑制。理论分析和对高斯白噪声干扰的仿真实验验证了方法的有效性。 展开更多
关键词 合成孔径雷达 独立分量分析 峭度
在线阅读 下载PDF
基于峰态的独立分量分析原理的研究 被引量:3
4
作者 张旭秀 邱天爽 《电子与信息学报》 EI CSCD 北大核心 2005年第2期206-209,共4页
对基于峰态绝对值最大化的ICA原理进行了详细分析,给出了该原理几何解释和适用范围。通过对采用该原理进行ICA问题求解过程的分析,阐明了ICA问题解的不确定性的产生原因,指出并解释了求解过程中表现出的一种概率特性。所得结论对于其它... 对基于峰态绝对值最大化的ICA原理进行了详细分析,给出了该原理几何解释和适用范围。通过对采用该原理进行ICA问题求解过程的分析,阐明了ICA问题解的不确定性的产生原因,指出并解释了求解过程中表现出的一种概率特性。所得结论对于其它ICA方法也具有参考价值。 展开更多
关键词 独立分量 ica 峰态 几何解释
在线阅读 下载PDF
独立分量与因子旋转关系分析 被引量:2
5
作者 王刚 徐耀华 胡德文 《空军工程大学学报(自然科学版)》 CSCD 北大核心 2005年第5期36-40,共5页
解析独立分量分析和因子分析的基本原理,指出独立分量分析的本质是因子旋转,从理论上证实了Varimax和Orthomax等因子旋转与基于峭度的独立分量估计目标函数条件等价。考虑多种类型源信号的情况,提出了基于Varimax的独立分量估计方法。... 解析独立分量分析和因子分析的基本原理,指出独立分量分析的本质是因子旋转,从理论上证实了Varimax和Orthomax等因子旋转与基于峭度的独立分量估计目标函数条件等价。考虑多种类型源信号的情况,提出了基于Varimax的独立分量估计方法。实验表明,在混合矩阵满足稀疏条件下该方法简单有效。 展开更多
关键词 独立分量分析 因子分析 因子旋转 峭度 旋转 目标函数 分量估计 估计方法 混合矩阵 源信号
在线阅读 下载PDF
基于独立分量分析的极化SAR图像非监督分类方法 被引量:3
6
作者 付毓生 谢艳 +1 位作者 皮亦鸣 侯印鸣 《电波科学学报》 EI CSCD 北大核心 2007年第2期255-260,共6页
提出了一种针对极化合成孔径雷达(SAR)图像的新的分类方法——基于独立分量分析(ICA)的非监督分类方法。该方法将ICA和基于模糊集理论的非监督分类方法结合起来。用ICA方法对原始极化SAR图像进行特征提取,并用模糊C均值(FCM)算法对提取... 提出了一种针对极化合成孔径雷达(SAR)图像的新的分类方法——基于独立分量分析(ICA)的非监督分类方法。该方法将ICA和基于模糊集理论的非监督分类方法结合起来。用ICA方法对原始极化SAR图像进行特征提取,并用模糊C均值(FCM)算法对提取出的独立分量图像进行分类。该算法可对极化SAR图像进行自动分类,并减少由相干斑噪声所引起的分类错误,且其收敛速度快、稳定性高。采用SIR-C/X-SAR数据的试验证明了该算法的有效性。 展开更多
关键词 雷达极化 合成孔径雷达 独立分量分析 主分量分析 峰起度 非监督分类 模糊C均值算法
在线阅读 下载PDF
基于统计区分度的SAR图像干扰评估方法 被引量:2
7
作者 李江源 王建国 《电子与信息学报》 EI CSCD 北大核心 2008年第12期2854-2857,共4页
针对干扰信号和目标回波信号在图像上的统计特性差异,该文提出了基于统计区分度的SAR干扰评估方法。借助于独立分量分析(ICA),把SAR图像域上的干扰抑制问题转化为一种盲源分离问题。分别对高斯噪声干扰和类杂波干扰SAR图像进行ICA处理,... 针对干扰信号和目标回波信号在图像上的统计特性差异,该文提出了基于统计区分度的SAR干扰评估方法。借助于独立分量分析(ICA),把SAR图像域上的干扰抑制问题转化为一种盲源分离问题。分别对高斯噪声干扰和类杂波干扰SAR图像进行ICA处理,并采用峭度准则进行干扰基图像分离。由于类杂波干扰信号具有和SAR回波信号类似的统计特征,相对于高斯噪声干扰的干扰抑制效果降低。理论分析和仿真验证了基于目标回波信号特征的类杂波干扰方法的有效性。 展开更多
关键词 合成孔径雷达 独立分量分析 峭度
在线阅读 下载PDF
基于小波变换的独立分量分析及其在图像分离中的应用 被引量:2
8
作者 陈艳 何英 朱小会 《现代电子技术》 2007年第24期131-134,共4页
提出了一种新的基于小波变换的独立分量分析方法,对混合图像进行分离。研究表明,当各个源信号的概率密度分布相同时,自然梯度算法的稳态误差与源信号峭度成反比。因此,对峭度更大的小波域高频子图像进行独立分量分析可以获得更高的分离... 提出了一种新的基于小波变换的独立分量分析方法,对混合图像进行分离。研究表明,当各个源信号的概率密度分布相同时,自然梯度算法的稳态误差与源信号峭度成反比。因此,对峭度更大的小波域高频子图像进行独立分量分析可以获得更高的分离精度。同时混合图像在小波变换的过程中,可以利用小波阈值对混合图像进行去噪,提高图像的信噪比。最后通过实验证明该方法是有效的。 展开更多
关键词 独立分量分析 小波变换 峭度 自然梯度算法
在线阅读 下载PDF
基于独立分量分析的多分辨率遥感图像融合算法 被引量:1
9
作者 孙俊平 刘扬 《雷达科学与技术》 2007年第2期109-114,共6页
研究了目前常用的遥感图像融合方法,提出了基于独立分量分析的多分辨率遥感图像融合方法,分析了用于独立分量分析的目标函数(如峭度、近似负熵和互信息),给出了独立分量分析的优化快速算法,并详细描述了提取源信息独立分量的具体步骤。... 研究了目前常用的遥感图像融合方法,提出了基于独立分量分析的多分辨率遥感图像融合方法,分析了用于独立分量分析的目标函数(如峭度、近似负熵和互信息),给出了独立分量分析的优化快速算法,并详细描述了提取源信息独立分量的具体步骤。最后,将独立分量分析法应用于高分辨率光学图像和低分辨率光学图像的融合,与采用主分量分析法融合的图像相比,图像质量得到很大的提高。 展开更多
关键词 独立分量分析 主分量分析 峭度 负熵 互信息 图像融合
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部