噪声情况下采用稀疏非负矩阵分解与深度吸引子网络的人声分离算法

为实现噪声情况下的人声分离,提出了一种采用稀疏非负矩阵分解与深度吸引子网络的单通道人声分离算法。首先,通过训练得到人声与噪声的字典矩阵,将其作为先验信息从带噪混合语音中分离出人声与噪声的系数矩阵;然后,根据人声系数矩阵中不同的声源成分在嵌入空间中的相似性不同,使用深度吸引子网络将其分离为各声源语音的系数矩阵;最后,使用分离得到的各语音系数矩阵与人声的字典矩阵重构干净的分离语音。在不同噪声情况下的实验结果表明,本文算法能够在抑制背景噪声的同时提高分离语音的整体质量,优于结合声噪人声分离模型的对比算法。      

基于非负矩阵分解的次声信号分类方法*

在中国科学院声学所大气次声波观察网实地采集的,爆炸、地震、闪电、再入四类次声事件105组阵列数据集的基础上,提出应用非负矩阵分解的特征提取方法,对次声信号的计算机自动分类方法进行了研究。针对特征设计过程复杂的问题,本方法使用非负矩阵分解自动挖掘目标信号的隐含结构作为特征。将此特征作为支持向量机和卷积神经网络输入进行分类,以提高特征设计的效率与分类的识别准确率。研究结果指出,在测试集上的平均识别准确率达到了83.13%, 相对于传统方法,简化了特征设计过程,并取得更好的分类结果。     

L1/2稀疏约束卷积非负矩阵分解的单通道语音增强方法

为了刻画语音信号帧间相关性和使用更少的语音基表示语音特征,提出一种采用L_1/2稀疏约束的卷积非负矩阵分解方法进行单通道语音增强。首先,进行噪声学习得到噪声基;然后,以噪声基为先验信息结合L_1/2稀疏约束卷积非负矩阵分解方法学习含噪语音中的语音基成分;最后,利用学习到的语音基和系数重建出干净语音信号。在不同噪声环境下进行的实验结果表明,本文方法优于采用L₁稀疏约束的卷积非负矩阵方法及传统的统计语音增强方法。      

基于非负矩阵分解的重叠三维荧光光谱解析

重叠三维荧光光谱的解析是荧光光谱解析中的难点,非负矩阵分解(NMF)作为一种有效的盲分离方法,能够提取光谱的局部特征和内在联系,克服光谱严重重叠带来的干扰,在解析重叠光谱中具有不可比拟的优势。首先用模拟三维荧光光谱验证了NMF在三维荧光光谱解析中的有效性,然后将四种不同的NMF算法(乘性迭代算法、交替最小二乘算法、二阶方法、投影梯度算法)用于实测的酚类化合物(百里酚、间甲酚、苯酚)三维荧光光谱的解析中,并讨论了在酚类化合物分离应用中四种NMF算法的收敛速度和计算复杂度的差异。实验结果表明,四种方式的NMF标准偏差均在0.06%以下,其中交替最小二乘算法在收敛行为和鲁棒性上最为优越。     

基于约束非负矩阵分解的高光谱解混

为了得到改进的优化解,提出一种基于丰度和端元约束下非负矩阵分解的解混方法.首先,基于丰度矩阵稀疏性特点,将重加权稀疏正则化引入到非负矩阵分解模型中,其中权重根据丰度矩阵自适应更新.其次,根据同一地物在相邻像素中分布的相似性先验,进一步将全变差正则化引入到非负矩阵分解模型中,以改进其丰度平滑性.最后,通过一个马尔可夫随机...     

基于稀疏非负矩阵分解和支持向量机的海洋溢油近红外光谱鉴别分析

提出一种海洋溢油近红外光谱特征提取与种类鉴别新方法.海面溢油种类鉴别对现场应急处置方案的制定和可疑溢油源的追踪具有重要意义.采用傅里叶变换近红外光谱仪测定汽油、柴油、煤油三类模拟海洋溢油样本的近红外光谱,基于稀疏非负矩阵分解算法对光谱进行特征提取,采用五重交义检验,对210个样本进行训练,建立基于支持向量机的溢油光谱定...     

一种稀疏约束的图正则化非负矩阵光谱解混方法

由于受到高光谱遥感图像传感器平台的限制,图像的空间分辨率受到一定影响,这导致高光谱遥感图像的像元通常是多种地物的混合, 也叫做混合像元。混合像元的存在制约了高光谱遥感图像的准确分析和应用领域。采用高光谱解混技术可将混合像元分解为纯净的物质光谱（Endmember, 端元）和每种物质光谱所对应的混合比例（Abundance, 丰度）,为获取更多更精细的光谱提供了可能。这对高精度的地物分类识别、目标检测和定量遥感分析等研究领域具有重要的意义。因此,解混技术成为高光谱遥感图像领域的一个研究热点。基于线性光谱混合模型(linear spectral mixing model, LMM),提出了一种端元丰度联合稀疏约束的图正则化非负矩阵分解（endmember and abundance sparse constrained graph regularized nonnegative matrix factorization, EAGLNMF）算法。该算法通过研究基于非负矩阵分解(nonnegative matrix factorization, NMF)的方法,结合图正则化理论来考虑高光谱数据内部的几何结构,将端元光谱稀疏约束和丰度稀疏约束应用于其中,从而能够对高光谱数据的内部流形结构进行更为有效的表达。首先,构造了EAGLNMF算法的损失函数,采用VCA-FCLS方法进行初始化,然后,设定相关参数,包括图正则化权重矩阵参数、端元光谱稀疏约束因子和丰度矩阵稀疏约束因子,最后,通过推导得到了端元矩阵与丰度矩阵的迭代公式,并且设置了迭代停止条件。该方法不受图像中是否有纯像元的限制。实际上,在现行高光谱遥感传感器平台情况下,高光谱遥感图像中几乎不存在纯像元,因此,EAGLNMF方法为高光谱遥感图像的实际应用提供了一种思路。采用合成的高光谱数据,构造了4个实验来分析该方法的可行性和有效性,实验将该算法与VCA-FCLS,标准NMF及GLNMF等经典的解混算法进行比较,通过光谱角距离(spectral angle distance, SAD)和丰度角距离(abundance angle distance, AAD)这两个度量标准来进行比较。实验1是总体分析实验。在固定的信噪比和固定端元数目的情况下,用以上三种经典方法与EAGLNMF同时进行解混。实验2是SNR影响分析实验。在固定端元数目和不同信噪比的情况下,用这四种方法进行解混。实验3端元数目分析实验。在固定信噪比和不同端元数目的情况下,用四种方法进行解混,并且将结果进行对比。实验结果发现提出的EAGLNMF方法在提取端元精度和估计丰度精度上都更为准确。同时,实验4是稀疏因子分析实验。对端元稀疏约束和丰度稀疏约束之间的影响因子进行分析,实验结果表明引入的端元稀疏约束对于解混结果也具有较好的影响,并且端元稀疏约束和丰度稀疏约束之间的影响因子也对解混结果具有一定影响。最后,将该算法应用于AVIRIS所采集的真实高光谱图像数据,将其解混结果与美国地质勘探局光谱库中光谱进行匹配对比,其提取的平均端元精度相比于其他三种方法要稍好。     

基于非负矩阵分解和广义判别分析的掌纹识别

非负矩阵分解(NMF)具有非负性和局部性的特点,是一种新型的特征提取方法.由于NMF是非监督学习算法,运用NMF提取掌纹特征时没有考虑训练样本的类别信息,因而分类效果不够理想.为了在提取掌纹特征的同时融人类别信息,提出运用非负矩阵分解和广义判别分析(GDA)相结合的方法进行掌纹识别.为了降低计算的复杂性,在特征提取之前,应用小波变换对掌纹图像进行三级分解,提取低频子图像.在低频子图像上应用NMF+GDA提取掌纹特征,计算特征向量间的余弦距离进行掌纹匹配.运用PolyU掌纹图像库进行测试.结果表明,与主元分析(PCA)、独立元分析(ICA)和NMF相比,算法的等误率(EER)最低为0.16%,特征提取和匹配总时间为0.812 s,满足实时系统的要求.     

基于非负矩阵分解的多聚焦图像融合研究

在标准非负矩阵分解约束条件的基础上,提出了一种添加了清晰度约束的新的目标函数和迭代算法．即改进的非负矩阵分解算法,并将其应用于多聚焦图像融合中。非负矩阵分解过程中,适当地选取特征空间的维数能够获得原始数据的局部特征。若以待融合图像为原始数据,选取特征空间的维数为1,则利用改进的非负矩阵分解方法进行图像融合所得到的特征基图像就是对原始图像的融合,该融合网像包含了原始图像的整体特征。实验结果表明,该方法融合效果优于小波变换方法和拉普拉斯塔型方法。     

基于张量非负稀疏分解的偏振图像插值算法

分焦平面偏振成像系统具有结构紧凑、体积小和实时性高等优点,而且一次成像可以获得多个偏振方向的光强响应,已是目前偏振成像的研究热点之一,但该系统的分焦平面结构会降低图像的空间分辨率.为了重构全分辨率的偏振图像以及减弱瞬时视场误差的影响,偏振图像的插值必不可少.为了保护偏振图像的张量结构,提出一种基于张量非负稀疏分解的偏振...     

Sparse non-negative matrix factorizations for ultrasound factor analysis

Factor analysis is a powerful tool used for the analysis of dynamic studies. One of the major drawbacks of Factor Analysis of Dynamic Structures (FADS) is that the solution is not mathematically unique when only non-negativity constraints are used to determine factors and factor coefficients. In this paper, we introduce a novel method to correct FADS solutions by constructing and minimizing a new objective function. The method is improved from non-negative matrix factorizations (NMFs) algorithm by adding a sparse constraint that penalizes multiple components in the images of the factor coefficients. The technique is tested on computer simulations, and a patient ultrasound liver study. The results show that the method works well in comparison to the truth in computer simulations and to region of interest (ROI) measurements in the experimental studies.     

稀疏信道条件下正交多载波扩频水声通信无导频信道估计算法

提出了一种无导频信道估计算法,该算法首先利用水声信道的稀疏特性对扩频信号进行识别,再利用扩频信号识别结果对水声信道响应进行判决反馈估计,从而实现对稀疏水声信道响应的可靠重建。仿真和湖上试验结果证实:无导频信道估计算法可以在不降低通信质量的前提下,实现对水声通信信号的稳健均衡,提升水声通信速率。     

用于单载波频域均衡水声通信的可分近似稀疏信道估计

针对单载波频域均衡水声通信中信道估计易受噪声干扰的问题,提出了一种低复杂度的信道估计方法。考虑水声信道的时域稀疏特性,导出频域输入、输出信号与信道冲激响应的关系式,并引入稀疏正则项,构造稀疏信道估计的目标函数。然后利用可分近似对目标函数进行迭代优化,再经过稀疏化与去偏处理,得到信道传递函数的最终估计。最后,利用数值仿真和海试数据对所提出方法的性能和运算效率进行评估。较之传统信道估计方法,所提出的方法在估计精度和计算复杂度方面具有一定的优势。     

FCM-FastICA的点蚀声发射信号分离识别方法*

金属点蚀是一种破坏性和隐患较大的设备损伤形式。点蚀会产生声发射信号。点蚀过程中产生的多种声源类型会造成信号混叠,影响腐蚀进程的判断。针对点蚀信号混叠问题,提出一种模糊C均值聚类与快速独立分量分析算法相结合的点蚀信号分离识别方法。通过分析单、双点蚀声发射数据将点蚀分为钝化膜破裂阶段、点蚀诱导成核及发展阶段,由聚类确定信号类别并用快速独立分量分析分离混合信号,利用相关性函数验证分离效果。结果表明：单点蚀过程存在3类原信号,双点蚀过程存在7类信号,其中包含单个信号与混合信号;单个信号与原信号相关性极高,达到0.8以上,混合信号的分离分量与原信号相关性达到0.6以上,分离效果较好。该方法可对点蚀混合信号进行有效分离和识别,为腐蚀进程判断提供支持。     

一种适用于微弱信号提取的盲源分离算法

本文首次提出了适用于微弱信号提取的盲源分离算法,这种方法是在常用的自然梯度串行更新算法基础上采用了有监督的机制。通过观察两个信号互相关的程度自动判别激活函数的种类,实现了超高斯亚高斯强弱信号混合下的盲源分离。信号仿真表明,有监督的盲源分离技术收敛速度较快,精度较高。     

Optimization of acoustic parameters for ultrasonic separation of emulsions with different physical properties

Ultrasound is an emerging and promising method for demulsification, which is highly affected by acoustic parameters and emulsion properties. Herein, a series of microscopic and dehydration experiments are carried out to investigate the parameter optimization of ultrasonic separation. The results show that the optimal acoustic parameters highly depend on the emulsion properties. For low frequency ultrasonic standing waves (USWs), mechanical vibrations not only facilitate droplet collision and coalescence, but also disperse the surfactant absorbed on the interface to decrease the interfacial strength. Therefore, low frequency ultrasound is suitable for separating emulsions with high viscosity and high interfacial strength. Increasing the energy density to produce moderate cavitation can increase demulsification efficiency. However, excessive cavitation results in secondary emulsification. In high frequency USWs, the droplets migrate directionally and form bandings, thereby promoting droplet coalescence. Therefore, high frequency ultrasound is favorable for separating emulsions with low dispersed phase content and small droplet size. Increasing the energy density can accelerate the aggregation of droplets, however, excessive energy density causes acoustic streaming that disturbs the aggregated droplets, resulting in reduced demulsification efficiency. This work presents rules for acoustic parameter optimization, further advancing industrial applications of ultrasonic separation.     

相干噪声快速去除算法及其在声源定位中的应用

针对相干噪声干扰声源辨识问题,将强跟踪滤波器理论与阵列-信号采集模型相结合,发展了一种快速估计相位变化的算法。算法引入多重次优渐消因子,能够进一步提取相位残差中的有用信息,使输出残差序列处处正交,且该因子能根据噪声相位差变化自动调节。通过仿真对连续相位突变进行跟踪表明,在参数失配条件下该算法实现了相位差的准确估计,且其性能在宽频范围具有稳定性。通过音箱实验给出了宽频范围内的成像结果,与已有算法对比表明,该算法不仅能够实时消除噪声干扰并可将收敛速度提高一倍以上。本研究实现了对随机变化相位的准确估计,提升了传声器阵列在相干噪声干扰下的声源实时定位能力。     

一种基于人工蜂群算法的混沌信号盲分离方法

混沌信号所固有的非周期、宽带频谱和对初值极度敏感等特性使得对这类信号进行盲分离极为困难. 针对这一问题, 提出一种新的盲分离方法, 该方法通过相空间重构来构造代价函数, 将混沌信号的盲分离转化为一个无约束优化问题, 并利用人工蜂群算法进行求解. 不同于现有的独立成分分析方法仅使用混合信号的统计特性来解决分离问题, 该方法能充分利用混合信号内在的动态特性, 因而在处理混沌信号这种确定性信号时能获得更好的分离效果. 此外, 正交矩阵的参数化表示有效地降低了盲分离问题的复杂性, 使优化过程能快速收敛. 实验结果表明, 该方法具有较快的收敛速度和较高的数值精度, 在分离混沌信号时其整体性能优于现有的几种盲分离方法. 同时, 在分离混沌-高斯混合信号的实验中该方法也展现出优异良好的性能, 这表明该文的方法有应用潜力.     

基于压缩感知的欠定源信号恢复算法比较

构建了基于压缩感知的欠定盲源分离源信号恢复模型,比较研究了基于互补匹配追踪算法(CMP)、基于L1范数的互补匹配追踪算法(L1CMP)和基于修正牛顿的径向基函数算法(NRASR)实现欠定源信号恢复的应用效果。结果表明：源信号时域充分稀疏情况下,CMP,L1CMP和NRASR的恢复效果接近,但L1CMP算法计算复杂度最低;变换域充分稀疏情况下,CMP和L1CMP恢复效果接近,NRASR恢复效果较差;时域非充分稀疏情况下,CMP效果较差,L1CMP和NRASR效果接近。综合考虑,L1CMP算法效果最佳;在观测信号数和源数较少的情况下,算法在时域恢复信号精度会下降;稀疏表示法结合压缩感知重构能够提高源信号恢复的效果。