圆度测量误差分离技术解决ICA的不确定性问题

独立分量分析方法(Independent Component Analysis，简称ICA)在国内尚属一门新型的方法。在介绍ICA的无噪声模型、原理、预处理、非高斯性量度以及ICA快速定点算法的基础上，重点讨论了ICA的不确定性在圆度误差分离中的处理方法。仿真结果表明，基于独立分量分析的圆度误差分离技术比传统的频域法和时域法均简单、实用、高效。同时，由ICA分离出的信号的不确定性问题得到了很好的解决。     

三点法圆度误差分离及演化形式与精度分析

论述了圆度误差分离的三点法及演化形式-二点法和四点法的基本原理，通过分析它们各自的特点和测量精度指出权函数的取值是影响测量精度的关键因素，应通过合理选择测量系统参数以避免谐波抑制的发生，而且应针对具体情况选择适当的圆度误差分离方法。     

精确的时域三点法圆度误差分离技术

三点法圆度误差分离技术（ＥＳＴ）是成熟的圆度形状和回转误差的分离方法，然而在具体实施操作中，必须进行正反两次的快速傅里叶变换（ＦＦＴ和ＩＦＦＴ）。本文介绍一种新的方法；该方法同样基于误差分离技术的通则，但仅需在时域上直接对实测数据按简便代数式进行推即可进行分离虎，避免了ＦＦＴ和ＩＦＦＴ操作，因而更为方便，实时性也更强。     

角位移和线位移圆度误差分离技术的比对分析

分析了采用角位移三点法和线位移三点法测量工件圆度误差时，两种方法权函数的频域特性：谐波抑制特性、测量系统权函数总体特点性对噪声的敏感特性。结果表明，角位移三点法存在0阶、1阶谐波抑制，且该测量系统的权函数有高通特性，这些特性不利于提高属于低频信号范围的圆度误差的测量精度，但有助于抑制测量噪声对圆度误差分离精度的影响。     

三点法轴径圆度误差精度分析

论述了三点圆度误差机理，给出了测圆方程、形状误差系列方程及推导过程。并对测量系统中能影响测量误差精度的因素进行了分析，叙述了每种影响测量误差精度因素的产生来源，并对如何消除这些因素给出了解决方法。     

圆度测量的误差分离及数据处理

详细推导出三测头误差分离原理用于测量工件圆度误差的数学公式；论述用滑动平均法和数字滤波法对采样数据作处理，可有效地抑制干扰信号，提高信噪比；通过对比实验证明上述方法对提高测量精度有明显效果。     

圆度误差的动态测量及误差分离技术

讨论了基于相关性理论动态测量圆度误差的方法,可实现圆度误差的在线测量,为研制新型测量仪器提供了理论依据,同时采用误差分离技术提高了测量精度.     

圆度误差检测的实时控制方法

介绍了求解圆度误差的三点误差分离原理及其方程的推导和一种在Windows系统下的进行数据采集、数据分析的方法。并把这种方法与三点圆度误差分离原理相结合，运用于实际圆度误差检测系统中，解决了在DOS系统下进行圆度误差检测可视化性不好和操作不便的不足．     

两步法圆度误差分离的原理及参数选择

讨论了圆度仪中用两步法分离被测工件圆度误差与圆度仪主轴误差的原理，分析了误差分离中产生失真的原因，并提出了适当选择参数以克服失真的两种方法，所提出的方法已在圆度仪数据处理系统中采用，并取得了很好的效果．     

独立分量分析及其在诱发电位提取中的应用

独立分量分析能够在各信号频率混迭的情况下,从它们的线性混合信号中有效分离出原始信号,这为微弱电生理信号的提取提供了途径,受到生物信号处理研究人员的关注.作者研究分析了独立分量分析模型和一种基于负熵判据的定点快速ICA算法的实现,并将该算法运用于仿真诱发电位的提取中,从观测信号(混合信号)中有效地提取出视觉诱发电位.     

基于独立分量分析的失匹配负波快速提取

失匹配负波(MM N)是一种由刺激变化所诱发的听觉诱发电位成分,其过低的信噪比造成检测和提取比较困难。提出利用独立分量分析(ICA)方法对多导听觉诱发电位信号进行多次分解,根据MM N产生的生理机制及其信号特征,设计合理的独立分量选取原则,提取MM N。该方法通过仿真实验验证,能有效提高信噪比。在真实数据的处理中,仅用传统方法20%左右的实验时间,实现MM N成分波的提取。这将促进MM N在认知神经科学及临床上的应用。     

应用独立分量分析的胎儿心电信号提取

针对独立分量分析(independent component analysis,ICA)的基本生成模型,在采用负熵的快速定点ICA算法的基础上,应用渐近正交化的FastlCA算法,对3导从孕妇腹部测得的含有孕妇及其胎儿心电分量的观测信号进行了有效的分离,提取出胎儿心电分量;通过调用Matlab小波消噪程序,对分离所得的胎儿心电分量用db2小波对其做8层分解,获取默认软闽值,消噪处理.结果表明,渐近正交化的FastICA算法收敛速度快,只经过7、3、2次的迭代,便将3个源分量分离出来;结合小波阈值消噪,将分离后胎儿心电中的干扰进一步去除.     

基于ICA过程监控方法的研究

针对目前实际工业生产中变量不能严格服从高斯分布,且变量之间存有严重相关性的特点,进行了基于独立成分分析的过程监控方法研究。该方法不仅去除了变量之间的相关性,而且充分利用过程信息的高阶统计特性,建立过程信息的独立元模型。利用独立元模型对仿真实时数据进行故障检测研究,最后对离散系统多变量过程模型进行了仿真验证,仿真结果表明:该方法能快速准确的检测到运行中发生的异常,验证了该方法的有效性以及与PCA方法相比所存在的优越性。     

基于独立成分分析和小波变换处理两相流信号

为克服噪声信号给速度测量带来的影响,提供了一种基于独立成分分析(ICA)和小波变换处理两相流信号的方法。首先介绍独立成分分析(ICA)的基本原理及其实现方法,并利用此方法对两相流信号进行处理;根据傅立叶变换确定信号的频谱;然后介绍小波变换和空间滤波的基本原理,并利用小波变换确定信号的带宽;并根据带宽求出固体速度。最后给出仿真实验结果。结果表明:这种方法可以满足固体速度测量的需要。     

基于ICA子空间的目标运动变化检测方法

针对实时场景下复杂背景动态变化的特点,在子空间图像差分模型的基础上,提出了一种基于ICA子空间的目标运动变化检测方法,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对图像配准精度要求很高的问题．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．     

基于独立分量分析的缺陷信号除噪

独立分量分析ICA是一项新兴的阵列信号处理方法,在简要介绍ICA概念和定点算法的基础上,将ICA的定点算法应用到缺陷信号除噪中。仿真试验结果表明,ICA的定点算法除噪效果优于传统的数字滤波器,它在缺陷信号除噪中具有较大的应用潜能。     

基于独立分量分析与二值掩膜的语音分离

针对欠定混合语音信号模型,提出一种基于独立分量分析和二值掩膜相结合的语音分离新算法.首先,由并列放置的两个全指向性麦克风采集混合声音信号,通过一阶差分麦克风阵列技术使得两路混合信号满足瞬时混合模型;然后,应用两输入两输出独立分量分析方法对两路信号进行分离并估计分离信号的二值掩膜,循环迭代进而提取目标语音信号;最后,合并同源语音信号,增强各独立声源.仿真结果表明:该方法不仅适用于瞬时混合模型,对卷积混合模型同样有效;在瞬时混合条件下信噪比增益平均达到12.41dB,在卷积混合条件下信噪比增益平均为5.28dB.试验结果表明:算法在半消音室环境下能准确分离来自不同方位的三个声源,提取的目标语音都具有较高的清晰度与可懂性.     

基于独立分量分析(ICA)的通信信号盲侦察技术

在通信对抗中,由于电磁环境的复杂性和通信信号调制方式的多样性,我们事前无法确知接收信号的任何信息,给通信侦察带来了极大的困难.为解决复杂多信号环境下的通信侦察难题,作者提出了一种采用独立分量分析（ICA）技术,对原始信号进行盲分离,然后分别对分离的各个信号进行后续处理的盲侦察技术.在介绍ICA技术的基础上,采用基于自然梯度的ICA算法(EASI算法)对分离效果进行了仿真.仿真结果表明,采用该方法在无需任何先验知识的情况下（如载频、信号带宽、调制样式）,可以很好地分离出原始发射信号,为后续信号处理（如分析识别、解调等）奠定了基础.