独立分量分析及其在信号处理中的作用研究

2018-12-21范程龙

无线互联科技 2018年17期

范程龙，孙燚

（1.郑州大学国际学院，河南郑州 450001；2.郑州大学信息工程学院，河南郑州 450001）

现阶段随着信息技术高速发展，在一定程度上带动了多种全新技术的产生与运用，新技术的产生无疑会推动各种行业的发展与进步。信息技术在不断发展中，其信号处理问题是核心重点，不同信息技术的发展，突显信号处理中存在的问题[1]。独立分量分析（Independent Component Analysis，ICA）是一种全新信号处理技术，能够从较多复杂信号中分离出相对独立的信号源，由于独立分量分析是以高阶统计为基础，因此采用此种方式分析信号，能够保证不同信号之间的相互独立性，因而应用较为广泛[2]。独立分量分析在一定程度上还能够改善传统信号处理的不足，充分发挥其优势，推动各项工作的开展，因此成为现阶段研究热点。

1 独立分量分析概念阐述

独立分量分析是一种近年来发展较快的新型信号处理技术，独立分量分析能够从大量源信号的线性混合信号中，将源信号分离出来，并且源信号具有一定独立性，独立分量分析是由盲信源问题不断发展与演变而来，因此又被称为盲分离。在较为复杂的背景中接收到的信号往往是由不同信号源产生的混合信号，例如话筒能够同时收录多个说话声音，传统信号处理方法为滤波与累加平均法，这两种方法在处理信号的同时，其信号细节受到一定破坏，而采用独立分量分析法，不仅能够有效消除噪声，还能够保证信号不受破坏，并且去噪声效果较好。

独立分量分析主要计算原理为在独立性的度量准则之上，继而开展相关函数的构建与分析，函数构建后，便将分离出的相关分量在最大程度内与不同信号源相接近，但在进行函数计算过程中，由于计算方式不同，因此需要对目标选择与目标函数两个方面进行优化，整个优化过程主要分为3种，第一种是在非高斯性基础上开展的独立判断模式，第二种基于信息论基础上开展的独立性评判模式，最后一种为存在于高阶性基础上开展的统计模式。独立分量分析运用范围十分广泛，不仅能够运用在通信与信号处理、语音信号处理、医学信号处理中，还能够运用在数据挖掘等多个领域中[3]。

2 独立分量分析主要方法

2.1 含噪声的独立分量分析

理想中的信号源是不存在噪声的，但在实际情况下，信号是由若干个具有噪声的信号混合组成，因此现阶段的研究热点为如何使用独立分量分析方法分离具有噪声的信号。在处理具有噪声信号的过程中，经常使用的方式为采用贝叶斯方式，采用具有非线性的独立分量分析中的神经网络去除信号中的噪声。依据不同信号与不同噪声以及表现状态，可以采用小波门去燥方式，先将信号中的噪声去除，继而使用独立分量分析方式对多种信号进行分离，从而有效提升信号分离结果中的峰值信号比率。

2.2 欠定的独立分量分析

在进行实际信号分离过程中，由于源信号的个数无法统计，是一个未知数，并且通过传感器的个数往往比实际源信号数量少，在此过程中就会产生一定盲源分离问题。针对解决盲源问题，传统的独立定量分析方法并不能有效解决此问题，因此需要采用全新独立分量分析方式解决这一问题。由于信号具有一定稀疏性与独立性，因而从某种方面来看，具有一定近似等价性，因而便产生了稀疏分量分析方式，现阶段稀疏分量分析主要用于解决信号盲源分离问题，且具有良好效果。

2.3 核独立分量分析

核独立分量分析是一种借助对比函数并独立完成信号分析的算法，这种方式主要利用非线性函数，并将输入数据隐射在高维特征空间中，继而通过特征空间中显示的数据进行独立分量分析处理。此种分析方式能够有效运用核技巧理论，（指在一定或者特定的空间中，充分利用核知识，从而计算内积的具体数值，）此种计算方式能够适用多种源信号的分布方式，计算结果具有一定精密性。而快速独立分量分析方式是在独立成分分析基础上进行改进的一种计算方式，改进后的计算方式执行效果与适用性都得到了大大提升[4]。

3 独立分量分析的运用与发展趋势

3.1 独立分量分析的实际运用

3.1.1 语音信号处理应用

将独立分量分析方式运用在语音信号处理中，其运用方式十分广泛。这种运用方式在发展之初，其主要作用为将语音信号中的噪声充分降低，并且使用此种方式还能够将麦克风中产生的其他噪声与语音信息等进行分离，避免这些噪声对语言产生影响。此外，将独立分量分析运用在现场录制中，或者运用在信号处理与收集中，同样具有较大优势。独立分量分析对信号中的噪声处理技术十分完善，并且在处理噪声过程中，不会对信号质量造成影响，因此在语音信号处理中运用十分广泛。但随着科学技术不断成熟，此种技术也得到了一定发展与提升，将其运用在语音信号处理中，不仅仅能够处理噪声问题，还能够针对一部分非高斯信号具有显著的鲁棒性，同时还具有一定线性复杂性[5]。

3.1.2 图形信号处理运用

将独立分量分析运用在图像信号处理中，能够满足图像处理的各种要求，并且针对部分较为复杂的图像信号以及处理需求，都能够在最大限度上满足其需求，因此将独立分量分析运用在图形信号处理中，具有一定高效性。在实际运用，此种方式能够运用在多个领域中，例如在人脸识别的图形信号处理中，需要根据一定社会管理的具体需求开展，这种技术在研究过程中，主要是采用成分分析等技术，但这种技术方式效果并不理想。在利用独立分量分析技术后，能够充分运用其假设性手段与统计量等相关技术，便能够对信号数据信息进行处理，获取信号相关特征，并对人脸图形进行识别与分析，继而对空间特征等信息实现判断与处理，采用这种方式能够有效推动人脸识别技术的开展与使用。独立分量分析技术的使用，能够在最大程度上推动人脸识别技术的运用与发展，并且能够提升人脸识别技术的精准度。在图像信息处理中运用独立分量技术，此种方式能够运用在刑警破案等方面，应用范围十分广泛[6]。

3.1.3 医学信号处理

将独立分量分析技术运用在医学信号处理中，能够将多种不同且独立的信号进行处理，例如电脑信号经常会被部分自发信号所掩盖，此外，电脑信号还受到心电与眼睛眨动等因素影响，这部分因素会产生一定干扰作用，导致信号接收不全面。此外，针对部分较为复杂、多变的生物学相关信号，为增强其信号有效性，需要使用盲分离手段，采用这种方式能够在最大程度上保证医生诊断的准确性与有效性，从而推动治疗开展。因此可以认为将独立分量分析方法运用在医学信号处理中，其效果较好[7-9]。

3.2 发展趋势

从目前发展来看，独立分量分析方法已经被大范围地应用在医学当中，主要用于对图像处理与机械故障的判断。且有多名研究人员，将独立分量分析法与小波分析法以及神经网络及其他信号分析法相结合，并充分应用在医学图像处理中，取得了较好的实验效果，类似于这种将不同类型的分析方法相结合的方法，已经成为独立分量分析法未来的发展方向。但是从目前来看，由于独立分量分析法受到各种因素的影响，因此具有一定的局限性。应对其进一步研究，将该方法应用在更多领域中。