论文部分内容阅读
近年来，我国地震活动频繁，强烈的震动造成了建筑物倒塌、地面受损、山体滑坡等灾害。地震突发，有些人未能逃脱被压埋在废墟中，甚至有些被压埋人员不能被及时发现错过最佳救援机会，造成二次伤亡。在震后废墟复杂环境中，如何快速高效地识别生命体特征信号，对被困人员实施精准救援尤为重要。盲源分离技术已广泛应用于生物医学、信号处理、机械故障诊断等领域，包括脑电图信号分离、语音信号分离、齿轮故障诊断等的研究，在源信号和信号混合方式都未知的情况下，可以通过观测信号的统计特征，识别分离所需要的源信号。
本文将盲源分离技术应用于震后废墟生命信号识别中，采用独立分量分析(Independent Component Analysis，ICA)算法以及快速独立分量分析(Fast Independent Component Analysis，FastICA)算法，处理复杂废墟环境中多源混合信号，识别分离生命特征信号。算法的优劣可从算法的收敛速度和稳定性两个方面进行评价，不同的算法直接决定了分离效果。
采用盲源分离方法中的ICA算法和FastICA算法，研究含噪正弦信号、方波信号、锯齿信号、随机信号的信号分离效果，并在Matlab中实验验证算法的有效性。以信噪比和运行时间两个性能评价指标，对比ICA和FastICA两种算法信号分离效果的优劣。实验结果表明，ICA算法的信噪比平均值为2.4052dB，运行一次所用时间平均值为5.4049s，FastICA算法的信噪比平均值为6.2838dB，运行一次所用时间平均值为0.0223s，FastICA算法对信号分离效果更优。为进一步验证FastICA算法在震后废墟生命信号识别中的可行性，采集人声嘈杂环境、大型机械设备作业等环境中的生命特征信号，采用FastICA算法对不同环境信号进行识别实验与分析，使用评价指标分析分离效果，实验结果表明，FastICA算法的相关系数最小为0.9974，运行一次最长时间为0.1125s，验证在震后废墟救援复杂环境中，采用FastICA算法识别分离生命特征信号的可行性。
本文将盲源分离技术应用于震后废墟生命信号识别中，采用独立分量分析(Independent Component Analysis，ICA)算法以及快速独立分量分析(Fast Independent Component Analysis，FastICA)算法，处理复杂废墟环境中多源混合信号，识别分离生命特征信号。算法的优劣可从算法的收敛速度和稳定性两个方面进行评价，不同的算法直接决定了分离效果。
采用盲源分离方法中的ICA算法和FastICA算法，研究含噪正弦信号、方波信号、锯齿信号、随机信号的信号分离效果，并在Matlab中实验验证算法的有效性。以信噪比和运行时间两个性能评价指标，对比ICA和FastICA两种算法信号分离效果的优劣。实验结果表明，ICA算法的信噪比平均值为2.4052dB，运行一次所用时间平均值为5.4049s，FastICA算法的信噪比平均值为6.2838dB，运行一次所用时间平均值为0.0223s，FastICA算法对信号分离效果更优。为进一步验证FastICA算法在震后废墟生命信号识别中的可行性，采集人声嘈杂环境、大型机械设备作业等环境中的生命特征信号，采用FastICA算法对不同环境信号进行识别实验与分析，使用评价指标分析分离效果，实验结果表明，FastICA算法的相关系数最小为0.9974，运行一次最长时间为0.1125s，验证在震后废墟救援复杂环境中，采用FastICA算法识别分离生命特征信号的可行性。