期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于FastICA的工频干扰消除算法 被引量：1

Power interference eliminating algorithm based on FastICA
在线阅读 下载PDF
导出
摘要 阐述了独立成分分析(Independent Components Analysis,ICA)的基本原理,将快速ICA(FastICA)算法应用于消除地震信号中的工频干扰,对输出信号的相关系数绝对值进行对比.结果表明:与传统的工频干扰消除技术相比,FastICA算法可以更加有效地消除微信号中的工频干扰. The fundamentals of independent component analysis （ICA） is elaborated. The FastICA algorithm is applied to eliminating the power interference of seismic signal, the absolute values of correlation coefficient of the output signals are compared. The simulation results show that compared with the traditional power interference eliminating techniques, the FastICA algorithm can be more effective in removing the power interference of micro-signals.
作者 张君生 刘瑞安 王磊
机构地区 天津师范大学物理与电子信息学院
出处 《天津师范大学学报（自然科学版）》 CAS 2013年第2期38-42,共5页 Journal of Tianjin Normal University：Natural Science Edition
基金 天津市自然科学基金资助项目(13JCYBJC15800) 机载高清图像无线传输系统横向课题资助项目(53H11053)
关键词 独立成分分析 快速ICA(Fast ICA) 地震信号 工频干扰 相关系数绝对值 ICA FastICA seismic signal power interference absolute values of correlation
分类号 TN911.4 [电子电信—通信与信息系统]
  • 相关文献

参考文献15

  • 1NADAL J, PARGA N. Nonlinear neurons in low-noise limit: A factorial code maximizes information transfer[J]. Network, 1994, 5 (3) : 565-581.
  • 2BELL A, SEJNOWSKI T. An information maximization approach to blind separation and blind de-convolution[J]. Neural Computation, 1995, 7(6): 1129-1159.
  • 3HYVARINEN A, OJA E. Independent component analysis: Algorithms and applications [J]. Neural Networks, 2000,13 ( 4/5 ): 411- 430.
  • 4HYVARINEN A, PAJUNEN P. Nonlinear independent component analysis: Existence and uniqueness results[J]. Neural Networks, 1999, 12(3) : 429-439.
  • 5JUTYEN C, ZADEH M, HOSSEINI S. Three easy ways for separating nonlinear mixtures[J]. Signal Processing, 2004, 84 (2) : 217- 229.
  • 6LIU W, RAJAPAKSE J. Approach and applications of constrained ICA[J]. Trans Neural Networks, 2005, 16( 1 ) : 203-212.
  • 7PLUMBLEY M. Algorithms for nonnegative component independent analysis[J]. Trans Neural Networks, 2003, 14(3) : 534-543.
  • 8王世海,陈向东,毕雪,杨家德,卢文韬.多分辨率子带分解的独立分量分析算法在红外图像去噪上的应用[J].电子技术应用,2007,33(6):66-68. 被引量：1
  • 9LEE T, LEWICKI M, GIROLAMI M, et al. Blind source separation of more sources than mixtures using over-complete representations[J]. Signal Processing Letters, 1999, 4(5): 205-208.
  • 10白琳,陈豪.一种奇异混合阵的盲信号提取算法[J].空间电子技术,2012,9(1):6-10. 被引量：1

二级参考文献34

  • 1黄启宏,刘钊.基于独立分量分析的图像边缘特征提取[J].红外,2006,27(5):13-16. 被引量：3
  • 2高鹰,谢胜利.一种线性混合信号盲提取算法[J].电子与信息学报,2006,28(6):999-1003. 被引量：12
  • 3高鹰,姚振坚,李朝晖,谢胜利.应用信号变化度的线性混合信号盲分离算法[J].计算机工程与应用,2006,42(18):76-78. 被引量：1
  • 4杨福生.独立分量分析及其在生物医学工程中的应用.99'中国生物医学电子学学术年会论文集[M].南京:-,.34-37.
  • 5吴小培 冯焕清 等.独立分量分析在脑电信号预处理中的应用[J].北京生物医学工程,2000,19(3):201-205.
  • 6[1]Jutten C and Herault J. Blind separation of sources, Part I: an adaptive algorithm based on neuromimetic architecture [J]. Signal Processing,1991,24(1):1-10
  • 7[2]Jutten C and Herault J. Blind separation of sources, Part II: problems statement [J]. Signal Processing, 1991,24(1):11-20
  • 8[3]Jutten C and Herault J. Blind separation of sources, Part III: Stability analysis [J]. Signal Processing, 1991,24(1):21-29
  • 9[4]Bell A J and Sejnowski T J. An information-maximization approach to blind separation and blind deconvolution [J]. Neural Computation, 1995,7(4):1129-1159
  • 10[5]Cichocki A, Shun-ichi Amari and Thawonmas R. Blind singnal extraction using self-adaptive nonlinear Hebbian learning rule [A]. Proc. the 1996 International Symposium on Linear Theory and Its Application [C], Kochi, Japan,1996,337-380

共引文献136

同被引文献17

引证文献1

天津师范大学学报（自然科学版）
2013年 第2期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部