参考独立分量分析(Independent Component Analysis with Reference,ICA-R)通过引入参考信号而实现期望实值源信号的抽取。然而,目前尚无复数域ICA-R算法。该文在约束ICA框架下,利用期望源信号的幅值信息提出了一种定点复数ICA-R算法,...参考独立分量分析(Independent Component Analysis with Reference,ICA-R)通过引入参考信号而实现期望实值源信号的抽取。然而,目前尚无复数域ICA-R算法。该文在约束ICA框架下,利用期望源信号的幅值信息提出了一种定点复数ICA-R算法,用于抽取某个期望的复数源信号。首先,采用复数fastICA算法的差异函数和关于复数信号幅值信息的不等式约束建立了复数ICA-R模型,然后采用增广朗格朗日函数和K-T条件推导了复数ICA-R定点算法。计算机仿真和性能分析结果表明,由于利用了幅值信息,复数ICA-R的估计性能优于传统的复数fastICA算法。展开更多
参考独立分量分析(independent component analysis with reference,ICA-R)通过引入参考信号而实现期望实值源信号的抽取,具有消除传统ICA输出顺序不确定性和显著降低运算量等优点.为此将ICA-R的优势拓展到期望复值源信号抽取.首先,将N...参考独立分量分析(independent component analysis with reference,ICA-R)通过引入参考信号而实现期望实值源信号的抽取,具有消除传统ICA输出顺序不确定性和显著降低运算量等优点.为此将ICA-R的优势拓展到期望复值源信号抽取.首先,将N维复值ICA问题转化为由其实部和虚部组成的2N维实值ICA问题;然后,利用期望源信号的实部参考信号或虚部参考信号进行ICA-R;最后,根据转换混合矩阵的结构特点,消除ICA-R抽取信号实部与虚部间的幅值不确定性,进而得到无附加相移的期望复值信号.计算机仿真和性能分析结果表明了所提方法的有效性.展开更多
针对实时场景下复杂背景动态变化的特点,在ICA(独立分量分析)模型的基础上,本文将带参考信号的独立分量分析(Independent Component Analysis with Reference,ICA-R)方法引入到目标跟踪环节,该算法能够检测出两帧图像之间目标运动变化...针对实时场景下复杂背景动态变化的特点,在ICA(独立分量分析)模型的基础上,本文将带参考信号的独立分量分析(Independent Component Analysis with Reference,ICA-R)方法引入到目标跟踪环节,该算法能够检测出两帧图像之间目标运动变化而不是背景变化部分,克服了目前大多数基于简单差分模型的变化检测算法计算量大,抗噪声、抗抖动性能弱的问题.实验结果表明,这种方法能够准确地提取出实时场景中目标的运动变化区域,并具有很强的鲁棒性.展开更多
参考独立分量分析(ICA with Reference,ICA-R)充分利用先验知识或参考信号,取得了很好的分离效果,但其中的阈值参数很难选取,且计算量很大。理论分析和实验表明,若阈值选取不当,算法甚至不收敛。通过在FastICA算法的负熵对比度函数中引...参考独立分量分析(ICA with Reference,ICA-R)充分利用先验知识或参考信号,取得了很好的分离效果,但其中的阈值参数很难选取,且计算量很大。理论分析和实验表明,若阈值选取不当,算法甚至不收敛。通过在FastICA算法的负熵对比度函数中引入ICA-R算法中的接近性度量函数作为正则化项,得到一个简单的改进算法。针对合成数据和实际的ECG数据的仿真实验表明,算法收敛快、提取效果好,同时正则化参数取值非常灵活。展开更多
文摘参考独立分量分析(Independent Component Analysis with Reference,ICA-R)通过引入参考信号而实现期望实值源信号的抽取。然而,目前尚无复数域ICA-R算法。该文在约束ICA框架下,利用期望源信号的幅值信息提出了一种定点复数ICA-R算法,用于抽取某个期望的复数源信号。首先,采用复数fastICA算法的差异函数和关于复数信号幅值信息的不等式约束建立了复数ICA-R模型,然后采用增广朗格朗日函数和K-T条件推导了复数ICA-R定点算法。计算机仿真和性能分析结果表明,由于利用了幅值信息,复数ICA-R的估计性能优于传统的复数fastICA算法。
文摘参考独立分量分析(independent component analysis with reference,ICA-R)通过引入参考信号而实现期望实值源信号的抽取,具有消除传统ICA输出顺序不确定性和显著降低运算量等优点.为此将ICA-R的优势拓展到期望复值源信号抽取.首先,将N维复值ICA问题转化为由其实部和虚部组成的2N维实值ICA问题;然后,利用期望源信号的实部参考信号或虚部参考信号进行ICA-R;最后,根据转换混合矩阵的结构特点,消除ICA-R抽取信号实部与虚部间的幅值不确定性,进而得到无附加相移的期望复值信号.计算机仿真和性能分析结果表明了所提方法的有效性.
文摘针对实时场景下复杂背景动态变化的特点,在ICA(独立分量分析)模型的基础上,本文将带参考信号的独立分量分析(Independent Component Analysis with Reference,ICA-R)方法引入到目标跟踪环节,该算法能够检测出两帧图像之间目标运动变化而不是背景变化部分,克服了目前大多数基于简单差分模型的变化检测算法计算量大,抗噪声、抗抖动性能弱的问题.实验结果表明,这种方法能够准确地提取出实时场景中目标的运动变化区域,并具有很强的鲁棒性.
文摘参考独立分量分析(ICA with Reference,ICA-R)充分利用先验知识或参考信号,取得了很好的分离效果,但其中的阈值参数很难选取,且计算量很大。理论分析和实验表明,若阈值选取不当,算法甚至不收敛。通过在FastICA算法的负熵对比度函数中引入ICA-R算法中的接近性度量函数作为正则化项,得到一个简单的改进算法。针对合成数据和实际的ECG数据的仿真实验表明,算法收敛快、提取效果好,同时正则化参数取值非常灵活。
