ICA 及其用于故障诊断.docxVIP

ICA 及其用于故障诊断ICA基本知识ICA是从多维统计数据中找出隐含因子或分量的方法。最常用的例子是鸡尾酒会问题。假设可观测到的信号为 ，为观测变量，（这里有n个观测变量）。ICA的作用就是通过一定的变换方法把可观察信号分离成统计独立的非高斯的信号源的线性组合。其主要的变换过程是：假设不可测的原始信号（信号源）为，为原始信号的一个信号源，也即原始变量，同时要假定原始变量具有非高斯性和独立性。设，A为混合矩阵，未知；寻找解混矩阵W使得，即。若(可以说的更为宽泛些的话，WA=B，B为单位正交矩阵)，则，此时不可测的即可求出。注意，上式均未考虑随机噪声。ICA基本应用范围及局限基本ICA有如下前提假设：（a）各信号源均为0均值、实随机变量，各源信号之间统计独立。（b）源信号数与观察信号数相同，即，这时混合阵是一个确定且未知的维方阵。假设是满秩的，逆矩阵存在。（c）各个的pdf（概率分布函数）中最多只允许有一个具有高斯分布。（d）各观察器引入的噪声很小，可以忽略不计。FastICA算法在实际计算时，有多重算法。这里介绍FastICA算法。3.1 白化处理通常情况下，所获得的数据变量之间具有相关性，所以需要对所获得的数据进行初步的白化处理，以去除数据变量间的相关性，从而简化后续过程独立分量的提取过程，提高算法的收敛速度和收敛性。若一零均值的随机向量满足，其中：为单位矩阵，我们称这个向量为白