改进FastICA盲源分离

分离误差降10%

针对无人机混合信号盲源分离任务，改进白化过程使分离更稳定，平均绝对误差从14.58%降至4.27%。

倪建功 · Zhigang, Zhou

Scientific Reports 2025

参数信息

平均绝对误差

4.27 %

识别准确率

96.30 %

误差降低幅度

10.31 %

识别准确率提升

3.01 %

技术优势

误差降七成

改进白化过程使分离更稳定，平均绝对误差从14.58%降至4.27%，下降10.31个百分点。

识别更精准

通过嵌入新型注意力模块、改进下采样和分类器，识别准确率达到96.30%，比基线模型高3.01%。

应用场景

• 无人机信号分离：高效分离多架无人机混合信号，避免相互干扰
• 无人机识别与监控：准确识别无人机型号，助力安防监控与反制
• 多源音频分类：从混合音频中分离并分类不同声源，如无人机蜂鸣声
• 机器人环境感知：帮助机器人对环境中无人机等声源进行感知与识别
• 信号盲分离：无需先验信息即可从观测信号中恢复原始源信号