獨立分量分析及其在信號處理中的作用研究

范程龍，孫 燚

（1.鄭州大學 國際學院，河南 鄭州 450001；2.鄭州大學 信息工程學院，河南 鄭州 450001）

現階段隨著信息技術高速發展，在一定程度上帶動了多種全新技術的產生與運用，新技術的產生無疑會推動各種行業的發展與進步。信息技術在不斷發展中，其信號處理問題是核心重點，不同信息技術的發展，突顯信號處理中存在的問題[1]。獨立分量分析（Independent Component Analysis，ICA）是一種全新信號處理技術，能夠從較多復雜信號中分離出相對獨立的信號源，由于獨立分量分析是以高階統計為基礎，因此采用此種方式分析信號，能夠保證不同信號之間的相互獨立性，因而應用較為廣泛[2]。獨立分量分析在一定程度上還能夠改善傳統信號處理的不足，充分發揮其優勢，推動各項工作的開展，因此成為現階段研究熱點。

1 獨立分量分析概念闡述

獨立分量分析是一種近年來發展較快的新型信號處理技術，獨立分量分析能夠從大量源信號的線性混合信號中，將源信號分離出來，并且源信號具有一定獨立性，獨立分量分析是由盲信源問題不斷發展與演變而來，因此又被稱為盲分離。在較為復雜的背景中接收到的信號往往是由不同信號源產生的混合信號，例如話筒能夠同時收錄多個說話聲音，傳統信號處理方法為濾波與累加平均法，這兩種方法在處理信號的同時，其信號細節受到一定破壞，而采用獨立分量分析法，不僅能夠有效消除噪聲，還能夠保證信號不受破壞，并且去噪聲效果較好。

獨立分量分析主要計算原理為在獨立性的度量準則之上，繼而開展相關函數的構建與分析，函數構建后，便將分離出的相關分量在最大程度內與不同信號源相接近，但在進行函數計算過程中，由于計算方式不同，因此需要對目標選擇與目標函數兩個方面進行優化，整個優化過程主要分為3種，第一種是在非高斯性基礎上開展的獨立判斷模式，第二種基于信息論基礎上開展的獨立性評判模式，最后一種為存在于高階性基礎上開展的統計模式。獨立分量分析運用范圍十分廣泛，不僅能夠運用在通信與信號處理、語音信號處理、醫學信號處理中，還能夠運用在數據挖掘等多個領域中[3]。

2 獨立分量分析主要方法

2.1 含噪聲的獨立分量分析

理想中的信號源是不存在噪聲的，但在實際情況下，信號是由若干個具有噪聲的信號混合組成，因此現階段的研究熱點為如何使用獨立分量分析方法分離具有噪聲的信號。在處理具有噪聲信號的過程中，經常使用的方式為采用貝葉斯方式，采用具有非線性的獨立分量分析中的神經網絡去除信號中的噪聲。依據不同信號與不同噪聲以及表現狀態，可以采用小波門去燥方式，先將信號中的噪聲去除，繼而使用獨立分量分析方式對多種信號進行分離，從而有效提升信號分離結果中的峰值信號比率。

2.2 欠定的獨立分量分析

在進行實際信號分離過程中，由于源信號的個數無法統計，是一個未知數，并且通過傳感器的個數往往比實際源信號數量少，在此過程中就會產生一定盲源分離問題。針對解決盲源問題，傳統的獨立定量分析方法并不能有效解決此問題，因此需要采用全新獨立分量分析方式解決這一問題。由于信號具有一定稀疏性與獨立性，因而從某種方面來看，具有一定近似等價性，因而便產生了稀疏分量分析方式，現階段稀疏分量分析主要用于解決信號盲源分離問題，且具有良好效果。

2.3 核獨立分量分析

核獨立分量分析是一種借助對比函數并獨立完成信號分析的算法，這種方式主要利用非線性函數，并將輸入數據隱射在高維特征空間中，繼而通過特征空間中顯示的數據進行獨立分量分析處理。此種分析方式能夠有效運用核技巧理論，（指在一定或者特定的空間中，充分利用核知識，從而計算內積的具體數值，）此種計算方式能夠適用多種源信號的分布方式，計算結果具有一定精密性。而快速獨立分量分析方式是在獨立成分分析基礎上進行改進的一種計算方式，改進后的計算方式執行效果與適用性都得到了大大提升[4]。

3 獨立分量分析的運用與發展趨勢

3.1 獨立分量分析的實際運用

3.1.1 語音信號處理應用

將獨立分量分析方式運用在語音信號處理中，其運用方式十分廣泛。這種運用方式在發展之初，其主要作用為將語音信號中的噪聲充分降低，并且使用此種方式還能夠將麥克風中產生的其他噪聲與語音信息等進行分離，避免這些噪聲對語言產生影響。此外，將獨立分量分析運用在現場錄制中，或者運用在信號處理與收集中，同樣具有較大優勢。獨立分量分析對信號中的噪聲處理技術十分完善，并且在處理噪聲過程中，不會對信號質量造成影響，因此在語音信號處理中運用十分廣泛。但隨著科學技術不斷成熟，此種技術也得到了一定發展與提升，將其運用在語音信號處理中，不僅僅能夠處理噪聲問題，還能夠針對一部分非高斯信號具有顯著的魯棒性，同時還具有一定線性復雜性[5]。

3.1.2 圖形信號處理運用

將獨立分量分析運用在圖像信號處理中，能夠滿足圖像處理的各種要求，并且針對部分較為復雜的圖像信號以及處理需求，都能夠在最大限度上滿足其需求，因此將獨立分量分析運用在圖形信號處理中，具有一定高效性。在實際運用，此種方式能夠運用在多個領域中，例如在人臉識別的圖形信號處理中，需要根據一定社會管理的具體需求開展，這種技術在研究過程中，主要是采用成分分析等技術，但這種技術方式效果并不理想。在利用獨立分量分析技術后，能夠充分運用其假設性手段與統計量等相關技術，便能夠對信號數據信息進行處理，獲取信號相關特征，并對人臉圖形進行識別與分析，繼而對空間特征等信息實現判斷與處理，采用這種方式能夠有效推動人臉識別技術的開展與使用。獨立分量分析技術的使用，能夠在最大程度上推動人臉識別技術的運用與發展，并且能夠提升人臉識別技術的精準度。在圖像信息處理中運用獨立分量技術，此種方式能夠運用在刑警破案等方面，應用范圍十分廣泛[6]。

3.1.3 醫學信號處理

將獨立分量分析技術運用在醫學信號處理中，能夠將多種不同且獨立的信號進行處理，例如電腦信號經常會被部分自發信號所掩蓋，此外，電腦信號還受到心電與眼睛眨動等因素影響，這部分因素會產生一定干擾作用，導致信號接收不全面。此外，針對部分較為復雜、多變的生物學相關信號，為增強其信號有效性，需要使用盲分離手段，采用這種方式能夠在最大程度上保證醫生診斷的準確性與有效性，從而推動治療開展。因此可以認為將獨立分量分析方法運用在醫學信號處理中，其效果較好[7-9]。

3.2 發展趨勢

從目前發展來看，獨立分量分析方法已經被大范圍地應用在醫學當中，主要用于對圖像處理與機械故障的判斷。且有多名研究人員，將獨立分量分析法與小波分析法以及神經網絡及其他信號分析法相結合，并充分應用在醫學圖像處理中，取得了較好的實驗效果，類似于這種將不同類型的分析方法相結合的方法，已經成為獨立分量分析法未來的發展方向。但是從目前來看，由于獨立分量分析法受到各種因素的影響，因此具有一定的局限性。應對其進一步研究，將該方法應用在更多領域中。

4 結語

獨立定量分析是一種較為先進的信號處理技術，該技術具有較大優勢，能夠改善傳統信號處理方法存在的弊端，并且此種技術能夠運用在諸多領域中，推動各行業發展。因此需要不斷加強對獨立定量分析的深入研究，不斷發掘其優勢，使其充分發揮價值，從而推動社會發展。