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
为了解决语音信号参考独立分量分析(ICA with Reference,ICA-R)算法中参考信号选取难的问题.依据语音信号传播机理和Bessel函数展开系数对语音信号的表征能力,提出了基于Bessel函数展开的语音信号建模方法,利用Bessel函数展开系数作为...为了解决语音信号参考独立分量分析(ICA with Reference,ICA-R)算法中参考信号选取难的问题.依据语音信号传播机理和Bessel函数展开系数对语音信号的表征能力,提出了基于Bessel函数展开的语音信号建模方法,利用Bessel函数展开系数作为变换系数,用少量的系数构建ICA-R中的参考信号来实现对期望语音信号的提取,并将该方法运用到语音信号隐藏技术中.仿真实验结果表明该方法能够较好地从混合语音信号中提取期望语音信号,并能有效地实现语音信号的隐藏与恢复.展开更多
针对跳频通信系统抗干扰问题,利用跳频信号和干扰信号的统计独立性,提出一种跳频信号的半盲提取抗干扰方法。该方法采用参考独立分量分析算法(independent component analysis with reference,ICA-R),利用协作通信双方已知的跳频图案的...针对跳频通信系统抗干扰问题,利用跳频信号和干扰信号的统计独立性,提出一种跳频信号的半盲提取抗干扰方法。该方法采用参考独立分量分析算法(independent component analysis with reference,ICA-R),利用协作通信双方已知的跳频图案的先验信息,约束算法收敛方向,提取出跳频信号。仿真结果表明,所提方法能够有效提取出跳频信号,提高通信系统的抗干扰能力。该算法合并了信号分离和提取过程,避免FastICA抗干扰方法所需的信号识别和提取的后续处理,降低了系统的复杂度。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.
文摘为了解决语音信号参考独立分量分析(ICA with Reference,ICA-R)算法中参考信号选取难的问题.依据语音信号传播机理和Bessel函数展开系数对语音信号的表征能力,提出了基于Bessel函数展开的语音信号建模方法,利用Bessel函数展开系数作为变换系数,用少量的系数构建ICA-R中的参考信号来实现对期望语音信号的提取,并将该方法运用到语音信号隐藏技术中.仿真实验结果表明该方法能够较好地从混合语音信号中提取期望语音信号,并能有效地实现语音信号的隐藏与恢复.
文摘针对跳频通信系统抗干扰问题,利用跳频信号和干扰信号的统计独立性,提出一种跳频信号的半盲提取抗干扰方法。该方法采用参考独立分量分析算法(independent component analysis with reference,ICA-R),利用协作通信双方已知的跳频图案的先验信息,约束算法收敛方向,提取出跳频信号。仿真结果表明,所提方法能够有效提取出跳频信号,提高通信系统的抗干扰能力。该算法合并了信号分离和提取过程,避免FastICA抗干扰方法所需的信号识别和提取的后续处理,降低了系统的复杂度。
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。
