提出一种聚类优化的快速独立成分分析(FastICA)解混算法,解决了FastICA在光谱信息解混过程中,对解混矩阵初始值敏感导致解混信息不稳定的问题。利用模糊C均值聚类对单一颜料光谱信息进行光谱特征降维,选择最具代表性的聚类结果作为解混矩阵初始值,通过FastICA牛顿迭代公式计算聚类优化后的解混矩阵,避免随机选取初始值对混合颜料光谱信息解混的影响。实验结果表明,与其他算法相比,解混结果平均误差值降低了0.57,平均适应度系数达到了99.67%,光谱角度匹配距离降低了0.53,所提算法增加了FastICA算法解混结果的稳定性,提高了混合颜料光谱信息解混精度。

在10-4 lx环境下, 由多像素光子计数探测器利用光子计数原理点阵扫描得到光子计数图像。为了呈现更多细节, 获得更高清晰度的图像, 首先采用Bayes-Shink阈值及改进的新符号函数对光子计数图像进行处理, 然后在图像重构阶段将低频系数置零, 以处理后的高频系数进行图像重构, 并将其设置为虚拟通道, 使观测信号的个数与信号源个数相同, 从而满足快速独立成分分析无噪分离模型, 最后实现光子计数图像和噪声的盲源分离。实验结果表明, 该算法与小波软、硬阈值算法和符号函数算法相比, 图像的峰值信噪比分别提高了16.39%、10.18%、5.20%。同时, 滤除噪声后的图像较好地保护了边缘细节, 视觉效果良好。

在战场等复杂环境得到的混合气体的红外光谱主次吸收峰交错重叠, 因此对其定性识别的特征提取方法就显得尤为重要。采集到的各种化学战剂和有机气体的红外光谱数据都是高维度数据, 首先采用中心化后降维进行特征提取来尽可能多地捕获到它所包含的本质信息, 由于混合气体的红外光谱是非线性、非高斯性信号, 把非高斯性作为独立性度量将各成分作为独立分量分离出来, 为了满足实时需求, 在传统快速独立成分分析(FastICA)算法的基础上对其迭代过程进行优化, 并应用极限学习机(ELM)建立模型进行定量分析。实验结果表明: 改进算法的迭代次数较传统算法减少, 定量分析均方差E=2.392 6×10-4, 回归系数R=0.999, 说明该方法在不影响分离精度的前提下提高了混合物质中纯物质光谱分离出来的效率。

半导体激光云高仪后向散射信号较弱，同时受到了各种噪声的干扰，因此，如何采取有效措施去除回波信号中的噪声是半导体激光云高仪信号检测的首要任务和难点。根据独立成分分析(ICA)的冗余取消特性，提出利用快速独立成分分析算法对半导体激光云高仪后向散射信号进行去噪。针对快速独立成分分析去噪时需要多元信号的要求，取连续测量的多组回波信号作为观测变量，然后通过快速独立成分分析算法进行信噪分离，得到有效源观测信号，从而实现噪声的有效消除。实验结果表明，该方法能有效去除半导体激光云高仪回波信号中的噪声，在半导体激光云高仪回波信号处理上具有实用价值。

针对激光雷达回波信号所含噪声的特点, 对比分析了传统去噪算法的优缺点, 重点就小波自适应阈值去噪方法和独立成分分析去噪方法进行了系统研究。为了验证这两种方法在激光云高测量信号去噪上的有效性和优劣性, 对包含高斯白噪声的模拟仿真信号进行了消噪, 并对半导体激光云高仪实际探测得到的大气回波信号进行了消噪处理, 最后对去噪结果进行了对比分析。仿真结果和实验结果表明, 这两种消噪方法均能够有效降低激光雷达回波信号中所含噪声, 并且独立成分分析消噪效果明显优于小波自适应阈值方法。