独立分量分析FastICA和Informax算法比较研究
独立分量分析(简称ICA)是近年来伴随着盲信号分离问题发展起来的一种统计信号处理技术，该方法的基本思路是以非高斯信号为研究对象，在独立性假设的前提下，对多路观测信号进行盲源分离。在满足一定的条件下，能够从多路观测信号中，较好地分离出隐含的独立源信号。独立分量分析(ICA)作为一种有效的非高斯数据处理方法，能够有效降噪并把信号中的有用信息挖掘出来,为故障诊断提供更丰富的诊断信息。本文详细介绍了独立分量分析中最为广泛应用的两种主流算法：FastICA算法和Infomax算法，对其分离性能进行了仿真比较，讨论了影响二者分离性能的内在原因。实验证明FastICA算法在收敛速度，分离精度和稳定性上明显优于Informax。
故障诊断 盲源分离 独立分量分析 Informax算法 FastICA算法
王琦 柳亦兵
华北电力大学控制科学与工程学院自动化系,北京,102206 华北电力大学能源与动力工程学院,北京,102206
国内会议
北京
中文
1-5
2007-12-24（万方平台首次上网日期，不代表论文的发表时间）