一种参考独立成分分析算法在弱信号提取中的应用

作     者：顾玲玲 刘国庆 GU Ling-ling;LIU Guo-qing

作者机构：南京工业大学电子与信息工程学院南京211816 南京工业大学理学院南京211816 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2016年第43卷第6期

页      面：122-126页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：江苏省自然科学基金(BK2011238) 南京气象雷达开放实验室研究基金(BJG201103)资助 

主　　题：弱信号提取 FastICA算法 中心极限定理 参考独立成分分析 加权范数最小化 

摘      要：独立成分分析(Independent Component Analysis,ICA)是解决盲源分离问题十分有效的方法。特别是FastICA算法,它以中心极限定理为出发点,采用定点迭代的优化算法,收敛快速、稳健。但是在提取弱信号时,由于中心极限定理不再严格成立,FastICA算法也不再适用。因此从理论和实验两个方面着手验证了这个观点,并针对弱信号提取问题提出新的解决思路:在FastICA算法的基础上,引入源信号的部分先验信息作为约束,即参考独立成分分析(Independent Component Analysis with Reference,ICA-R)。若已知源信号的部分功率谱,结合加权范数最小化信号外推算法的思想,建立接近性度量,以约束的形式融入FastICA算法中,从而分离出要求的弱信号。实验结果表明,不管是对模拟信号还是真实的脑电信号,该算法都是有效的。