基于独立成分分析的工频干扰消除算法的研究

《基于独立成分分析的工频干扰消除算法的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于独立成分分析的工频干扰算法研究基于独立成分分析的工频干扰算法研究2010年6月8日基于独立成分分析的工频干扰算法研究毕业设计中文摘要基于独立成分分析的工频干扰算法研究摘要：独立成分分析（ICA）是一种基于高阶统计量的信号分析方法，作为进行盲源分离的一种新工具越来越受到广泛关注。本文首先研究了独立成分分析方法的基本概念，基本模型和一种快速的定点迭代算法，并通过仿真分析了采用FastICA方法进行盲源分离的一些性质。最后通过分析地震信号与工频干扰信号的特点，将工频干扰消除的问题转化为盲源分离的问题之后用FastICA方法处理，并与传统陷波滤波法作比较。结果表明基于ICA

2、的工频干扰方法比常规方法更加有效，在工频干扰消除的领域内有着良好的应用前景。关键词：独立分量分析工频干扰定点迭代算法盲源分离III基于独立成分分析的工频干扰算法研究毕业设计外文摘要TitlePowerinterferenceAlgorithmbasedonindependentcomponentanalysisAbstractIndependentcomponentanalysis(ICA)isbasedonhigherorderstatisticssignalanalysismethodsforblindsourceseparationasanewtoolformor

3、eandmoreattention.Itisgiventhatanindependentcomponentanalysisbasicconcepts,thebasicmodelandafastfixed-pointiterativealgorithm,andthenanalyzedbysimulationICAforblindsourceseparationcharacteristics.Finally,analysisofseismicsignalsandpowerinterferencecharacteristics,theissueoffrequencyinter

4、ferencecancellationintoablindsourceseparationproblembefollowedbytheICAapproachandthetraditionalnotchfilteringmethodforcomparison.ItisshowedintheresultthatICAismorethantheconventionalmethodeffectiveinterferencecancellationinfrequencyinareaswithgoodprospect.Keywords:Independentcomponentana

5、lysis(ICA)powerinterferenceafixed-pointiterativealgorithmblindsourceseparation(BSS)III基于独立成分分析的工频干扰算法研究目次1引言11．1ICA算法的研究现状11．2ICA算法的应用现状41．3工频干扰消除问题的研究现状41．4本课题的研究意义52ICA基本理论82．1“鸡尾酒会”问题和盲源分离82．2ICA基本模型定义102．3ICA的不确定性113FastICA的相关算法123．1随机梯度算法123．2FastICA算法（定点迭代算法）133．3仿真及分析144工频干扰消除方法及仿

6、真174．1陷波滤波法174．2ICA在工频干扰消除中的应用194．3总结比较21结论22参考文献24III基于独立成分分析的工频干扰算法研究1引言因为市电的供电电压为50赫兹的工作频率，它常以电磁波的辐射形式，来对人类的日常生活造成较严重的干扰影响，我们把这种干扰称之为工频干扰。工频干扰的消除是微弱信号采集中的一项重要技术。含工频干扰的信号可表示为，其中是实测的信号，是不含噪声的目标信号，是50/60Hz工频干扰。通常设计50/60Hz数字陷波滤波器来消除工频干扰，但不易获得好的滤波效果，独立分量分析(IndependentComponentAnalysis(ICA)

7、)是近期发展起来的一种非常有效的盲源分离技术(BlindSourceSeparation(BSS))[1]。ICA处理的对象是一组相互统计独立的信源经线性组合而产生的混合信号,最终从混合信号中提取出各独立的信号分量。就工频干扰这一问题,目标信号和工频干扰信号分别由不同的信源产生,因此彼此相互独立.由统计原理,相互独立的随机量必然不相关,但反过来却不一定成立。ICA方法在统计独立意义下对混合信号进行分离，以达到消除噪声的目的，这显然比基于不相关性度量的传统自适应滤波方法效果会更好。ICA在生物医学信号处理、混合语音信号分离、图象消噪等方面已