Mean mutual information ratio: a new method for ranking components of ICA

This paper aims to develop a more robust measure of independency called mean mutual information ratio and propose a new way for ranking components with this measure. In order to evaluate the advantage of mean mutual information ratio, independent component analysis has been performed on task-related and resting-state functional magnetic resonance imaging data. And then, mean mutual information ratio was compared to kurtosis in ranking components. The result demonstrated that mean mutual information ratio gives more accurate and robust measure of independency.     

基于排序互信息的无监督特征选择

根据排序问题的单调先验知识,无监督学习问题中的观测属性之间也具备单调关系;否则该属性与排序无关,为冗余属性.基于排序互信息反应的两属性之间的单调关系,提出用每个属性与其他属性之间的平均互信息,来衡量每个属性与排序学习的相关程度,具有最高的平均互信息即为排序最相关的属性.     

一种新的基于互信息的图像配准方法

针对目前基于互信息图像配准方法中存在的不足,提出结合图像二维信息(如轮廓和边缘)与互信息的图像配准算法.它首先利用小波多尺度积提取两幅图像的特征点及其角度信息,再根据得到的特征点和角度信息,定义了特征点对互信息匹配准则,得到相应的匹配点对.最后进行了仿真实验,并将结果与由相关度、对齐度准则得到的结果进行比较,所提出的算法匹配误差最小.结果表明该算法具有匹配精确、鲁棒性好和效率高等优点.     

物理层抽象中平均互信息的精确计算方法

提出一种比特平均互信息(mean mutual information per bit,MMIB)物理层抽象技术平均互信息计算方法.该方法通过数学推导得到16QAM调制符号上各比特的对数似然比(1og-likelihood ratio,LLR)的概率分布,并得到平均互信息计算解析表达式.仿真结果表明,提出的计算方法计算...     

物理层抽象中平均互信息的精确计算方法

提出一种比特平均互信息(mean mutual information per bit,MMIB)物理层抽象技术平均互信息计算方法。该方法通过数学推导得到16QAM调制符号上各比特的对数似然比(log-likelihood ratio,LLR)的概率分布,并得到平均互信息计算解析表达式。仿真结果表明,提出的计算方法计算精度要明显好于现有方法,特别是在信噪比较低时,其相对误差仅为现有算法的1/5左右,能明显改善MMIB估计性能。     

互信息和核熵成分分析的油中溶解气体浓度建模

针对变压器油中溶解气体浓度的预测问题,提出了一种基于互信息和核熵成分分析(KECA)的油中溶解气体浓度预测建模方法。首先,用标准互信息变量选择方法确定模型的输入变量并对选取的输入变量进行相重构;然后,利用Renyi熵信息测度确定KECA核参数并采用KECA对相空间进行特征提取;最后,以核熵成分作为机器学习极限学习机(ELM)的输入,建立变压器油中溶解气体浓度的预测模型。实验结果表明,与灰色模型、支持向量机、BP神经网络建模方法相比,本文提出的方法能够充分利用油中溶解气体浓度信息,因而具有较优的预测精度和泛化能力。     

一种基于ICA的机械缺陷超声信号提取方法

针对强噪声背景下缺陷超声回波信号检测的问题,利用了基于独立分量分析的方法进行缺陷信号的提取。该方法首先对观测信号进行JADE分解,得出多导独立分量,再根据赫斯特指数,分离缺陷信号和噪声信号。通过对仿真和实测缺陷超声信号的去噪实验研究,结果表明,与小波去噪方法相比,ICA去噪方法能够得到很好的信噪比,有利于强噪声背景下缺陷的去噪处理及微弱信号的提取。     

一种基于非参数似然比准则的ICA盲检测算法

为抑制CDMA系统中的多址干扰,提出一种基于非参数似然比准则的ICA盲检测算法.该算法直接由观测信号样本出发,使用核函数估计分离信号的概率密度函数,并结合梯度下降法和似然比准则进行目标用户的信号检测.计算机仿真及与其他算法的比较表明,该算法抑制多址干扰的能力介于FastICA检测和最小均方误差(MMSE)检测之间.     

Dependence of mutual information of big protein sequence

The mutual information function is used to describe the auto-correlation of amino acids in protein. We find two interesting phenomenon: (1) for any given big protein, the mutual information function l(k) is almost a const, where k is the length of gap. (2) for any two sequence similar proteins, the mutual information are nearly the same. As a consequent, we may use mutual information of protein as a character for sequences comparison. Foundation item: Supported by the National Natural Science Foundation of China (30170214) Biography: Shi Feng ( 1966-), male, Ph. D, Associate professor, research direction: bioinformatics.     

基于最大区域互信息量的生物细胞图像分割

针对基于互信息量的阈值分割算法没有考虑像素的空间结构信息以及分割后图像与原图像之间关系的问题,提出了一种基于最大区域互信息量的图像分割算法.以区域互信息量作为目标函数,综合考虑图像各像素的邻域数据以及图像内在空间信息,利用粒子群算法找出图像分割的最佳阈值,克服了基于最大互信息量分割方法的不足.     

动态心电的交互信息及分析技术研究

研究发现,动态心电图RR间期序列的交互信息,与随机运动和周期运动的交互信息明显不同,处于两者之间.1 d中不同时段,患单支冠脉病变、多支冠脉病变和糖尿病病人RR间期交互信息的特征与正常健康人存在差异.同样的情况下,病状越严重,相应RR间期的交互信息越大.     

A method for blind separation of components information from mixed pixel

In the field of remote sensing, it is important to separate the component information from mixed pixel. If the physical process of remote sensing can be expressed by a set of linear equations, the remote sensing information matrix is equal to the weight matrix multiplied by the component information matrix. Generally speaking, the precondition of retrieval of component information matrix is that the weight matrix is known. However, the blind signal separation (BSS) method can separate the matrix unconditionally, whose basic principle is that the additive information needing separation can be achieved from the statistical characteristics contained in a mass of samples in the remotely sensed information matrix. Therefore, the values of the component information matrix and the weight matrix can be estimated. The wave shape of components can be retrieved by BSS, but the amplitude cannot. In this paper, the plant-soil mixed pixels were chosen as the studying targets in this paper to quantitatively separate the component information and solve the uncertainty of BSS. Simulation and field test verify the reliability of the method. Results show that the BSS can be one of the effective methods of mixed pixel separation, and the foreground of application is very promising.     

人脸识别中基于互信息的特征优选

人脸识别领域中常用Gabor小波系数表示人脸特征.然而,提取的人脸Gabor特征是高维数据,不可避免存在冗余和随机噪声的干扰.为了有效利用Gabor特征进行人脸识别,提出一种新的Gabor特征选取方法.首先计算训练集上的任两张人脸图像的Gabor特征差,生成类内空阃和类外空间.用单个Gabor特征训练筒单两值分类器,以其在类内空间和类外空间的分类错误率作为判据评价该Gabor特征的分类能力.在选取分类错误低的特征的同时还要再评估候选特征与已选特征间的互信息,这样优选出具有无冗余、低误差率的特征.最后对这些优选的Gabor特征进行主成分分析和线性判别分析完成人脸识别.在CAS-PEAL大型人脸数据库上的实验结果表明,所提出的方法不但可大大降低Gabor特征的维数,而且还有效提高了识别精度.     

基于EEMD和ICA的语音去噪方法

语音去噪技术是语音识别系统走向实用化的一个关键性难题.针对语音信号为非平稳信号的特点,提出了一种基于EEMD和ICA相结合的语音去噪方法,首先利用集合经验模态分解(EEMD)算法将含噪语音信号分解为若干个独立的固有模态函数(IMF),消除了经验模态分解(EMD)算法处理语音信号时产生的模态混迭现象;然后将固有模态函数通过改进的独立分量分析(ICA)算法分离出若干个有效的语音信号分量;最后对其进行语音重构,从而达到消除噪声干扰的目的.实验结果表明,该方法在输入信噪比为-10dB的汽车噪声条件下,可以将语音信号的信噪比提高到2.741 2 dB.     

基于互信息的文本自动摘要

现有的文本自动摘要技术大多是运用向量空间模型将文本作为一个整体进行处理,忽略了段落及段落之间的关联程度,导致提取的摘要不能够全面反映所包含的主题,针对这一问题,文章提出了基于互信息的文本自动摘要方法。该方法利用互信息对文本中词语、句子及段落之间的关联程度进行计算,依据关联程度将整个文本划分成包含不同主题的较小单元,并针对每一单元运用优化的句子权重计算方法进行主题句提取,然后利用主题句生成文本摘要。实验验证了方法的有效性,在自动摘要提取方面取得了良好效果。     

2021年 第27卷 第2期 电子期刊

随着人工智能物联网(artificial intelligence & internet of things, AIoT)的发展, 硬件技术的飞速进步, 更多的智能音箱进入人们的生活, 人机交互方式也从早期的遥控变成了人声控制. 但设备中麦克风采集到的语音信号往往含有大量噪声和干扰人声, 为此需对麦克风采集到的语音进行语音分离处理. 常用的技术有频域独立成分分析(independent component analysis, ICA), 但是频域ICA存在次序不确定性问题, 即将分离出的源1分量分类到源2通道, 将分离出的源2分量分类到源1通道, 从而导致分离性能大大降低. 为此, 提出一种基于语音能量比来解决频域ICA中次序不确定性问题的算法, 有效地提高了分离性能. 在SiSEC(Signal Separation Evaluation Campaign)、ChiME(Challenge for Computational Hearing in Multisoure Environments)数据集上对分离性能进行实验, 所得结果比已有算法均有提升, 且针对强混响环境下的混合信号依然保持良好的分离性能.     

基于互信息的主成分分析结合支持向量回归的滚动轴承剩余寿命预测研究

滚动轴承作为旋转机械设备中的关键部件,影响着设备的可靠性运行。为了智能开展设备维护工作,提高设备的运转效率,提出一种基于互信息（mutual information,MI）的主成分分析（principal component analysis,PCA）（MI-PCA）结合支持向量回归（support vector regression,SVR）的滚动轴承剩余寿命预测方法。首先利用小波包降噪算法剔除原始振动信号中的异常数据点和噪声,并基于降噪数据提取其时域、频域和时频域特征;然后结合特征与剩余寿命的互信息值进行特征筛选,再通过PCA降维算法获得可表征轴承退化状态的敏感特征,用于SVR的输入;最后构建并训练SVR剩余寿命预测模型,并将其应用于滚动轴承全寿命试验数据。试验结果表明与基于MI和基于PCA的SVR回归预测模型（MI-SVR模型、PCA-SVR模型）相比,基于MI-PCA的SVR模型具有更高的预测精度（预测精度可达97%）,能够实现滚动轴承剩余寿命的精准预测,为开展及时有效的设备维护工作提供了决策依据。     

基于粒子群优化的独立分量分析算法研究

在分析独立分量分析算法的基础上,给出了一种基于粒子群优化的独立分量分析算法。该算法以互信息量最小化为目标函数,通过对粒子群位置矢量和速度矢量更新的改进,得到全局最优值,从而得到分离矩阵。仿真实验表明,基于粒子群优化的独立分量分析算法是一种非常有效的盲源分离算法。     

干扰条件下基于互信息量准则的弹载雷达波形优化

弹载雷达发射波形设计在导弹制导系统中有着重要作用。为解决复杂电磁环境下,弹载雷达受到噪声、杂波和干扰影响导致目标探测性能降低的问题,基于互信息量（mutual information,MI）准则提出了一种新的同时存在噪声、杂波和电子干扰影响时的发射波形优化算法,通过拉格朗日乘子法得到最大化目标响应与雷达回波间互信息量的最优波形表达式,并利用一阶泰勒级数近似简化该表达式。仿真实验对比了不同杂波和压制干扰、不同发射能量约束下优化前后所获互信息量;结果表明,当平均功率限制为100 W时,相比于原始波形,采用优化信号情况下所获互信息量翻倍。优化发射波形能够通过优化信号的频域能量分布,主动避开干扰和杂波影响大的频率,使接收回波包含更多目标信息。     

采用交互信息量评价遥感图像融合结果的方法

提出了采用交互信息量的评价准则来评价遥感图像的融合效果的方法，该方法通过衡量融合图像与源图像的互信息来评价融合效果，具有简单、准确、抗干扰性好的特点。通过将它与采用熵和联合熵的评价方法相比较，实验结果表明交互信息量是一种很好的评价方法．