一种基于新代价函数的盲源信号分离算法

选择两个函数的线性组合作为代价函数,基于组合的任意性,保证了加性噪声盲源信号分离的有效性,提高了信号处理的通用性.根据分离矩阵的Frobenius范数的收敛理论,在上述改进措施基础上,得出了改进的迭代规则,对混合源信号进行估计.经过仿真实验,结果显示信号分离效果较好.     

基于盲源分离的CDMA系统上行链路多用户检测

在分析码分多址(CDMA)系统信号模型的基础上,提出了一种基于盲源分离的多用户检测算法,该算法充分利用了各用户信息之间的独立性.仿真结果表明,当信噪比一定时,该算法的误符号率是传统最小均方差(MMSE)算法的50%左右. 当干扰用户与期望用户的功率比（干信比）为40?dB时,本算法的误符号率比MMSE检测算法要低2个数量级,而且干信比越高,抗远近效应性能改善的程度就越大.     

基于混合特征提取和WNN的齿轮箱故障诊断

提出了一种基于混合特征提取和小波神经网络(WNN)的齿轮箱故障诊断方法,运用时域分析法、小波分解和小波包分解相结合的方法对齿轮箱振动信号进行故障特征提取,将所提取的特征值作为WNN分类器的特征输入参数,采用反向传播(BP)算法对WNN结构中的平移参数、尺度参数、连接权值和阈值进行调整和优化.在实验中采用不同裂纹尺寸的齿轮来模拟三种故障模式,通过对三种故障齿轮进行诊断和分类,能证明本文所提议的故障诊断方法是有效且可靠的.     

基于盲源分离技术的运动单位动作电位检测

采用独立分量分析(ICA)技术和二阶非平稳源分离(SEONS)算法来研究肌肉轻度收缩情况下的表面肌电信号(SEMG)的运动单位动作电位(MUAP)检测问题,通过仿真实验来探讨两种算法对SEMG信号的分离性能,并将算法应用于肌肉轻度收缩时(10%MVC)的真实SEMG信号分解研究.仿真SEMG信号分解实验结果表明,两种算法对MUAP检测效果均较为满意,且随着噪声的增加有所变差,肌肉轻度收缩时(10%MVC)真实SEMG信号分解实验也论证了两种算法实际应用的可行性.盲源分离(BSS)技术为研究隐含在肌电信号中的运动单位募集和发放等信息提供了有效途径,较符合SEMG信号特性,因而可应用于SEMG信号分解及运动单位动作电位(MUAP)检测等相关领域的研究.     

某型装备齿轮箱故障诊断研究

针对某型装备齿轮箱故障在复杂环境下,故障特征难提取的特点,对信号进行盲分量分离,将信号分为周期信号、随机非平稳信号和随机平稳信号.改进了Antoni的基于短时傅立叶变换的盲分离算法.通过自适应谱线增强器分离周期信号以及随机信号,仿真及试验结果表明,该方法可以有效提取齿轮箱信号的故障成分,具有广阔的应用前景.     

单通道盲源分离的研究现状与展望

针对盲信号处理中一种极端的病态混叠情况,单通道盲源分离是一个近年受到广泛关注的重要研究方向,并且具有广泛的应用前景.首先阐述了单通道盲源分离的数学模型、可分离性分析和分离效果评价标准,然后在深入研究单通道盲源分离发展的基础上分类讨论和评估了一些现有的单通道盲源分离方法,在介绍各方法的基本原理、特征及应用的同时,指出当前单通道盲源分离技术所面临的问题与挑战.最后结合当前的研究状况对单通道盲源分离未来的发展及研究方向进行了分析.     

盲系统辨识与故障诊断

盲系统辩识是一种仅由系统的输出中提取系统的未知信息的一种新的基本信号处理方法。论述了盲系统辨识的基本思想及其算法，将盲系统辩识思想引入到旋转机械状态监测与故障诊断中，提出了基于盲系统辩识的机械故障诊断的方法，并以转子裂纹为例，研究了基于时序模型盲辨识的不同的裂纹位置、深度的转子裂纹参数化双谱特征，得到了一些有价值的结论，为转子裂纹的诊断提供了一种新的方法。实验结果表明，该方法是有效的，基于时序模型盲辨识的参数化双谱分析具有对故障的灵敏性及能显示检测信号的一次、二次谐波等主谐波以及描述检测信号中二次相位耦合等非线性现象。     

用MATLAB模拟盲源分离在结构损伤诊断中的应用

介绍了盲源分离的原理以及在大型结构损伤诊断之中的应用,在此基础上着重分析了其中运用很广泛的fast-ICA算法,涉及到了此算法的实现过程以及原理。并通过MTALAB对fast-ICA算法进行了仿真来证明其可行性和有效性,为以后应用于大型结构损伤诊断做好准备。     

基于盲源分离的语音降噪研究

盲源分离是近年来发展起来的一种新的信号分离技术,具有很好的应用前景.针对卷积混合模型,采用短时傅里叶变换将时域信号转化为频域,然后采用瞬时混合模型中的联合近似特征矩阵对角化算法,对频域带噪语音进行分离.从而实现语音降噪的目的,并解决了频域中存在的信号尺度和排序不确定性问题.通过在matlab上的仿真实验充分证明了该方法在语音降噪中的可行性.     

Application of particle swarm optimization blind source separation technology in fault diagnosis of gearbox

Blind source separation (BBS) technology was applied to vibration signal processing of gearbox for separating different fault vibration sources and enhancing fault information. An improved BSS algorithm based on particle swarm optimization (PSO) was proposed. It can change the traditional fault-enhancing thought based on de-noising. And it can also solve the practical difficult problem of fault location and low fault diagnosis rate in early stage. It was applied to the vibration signal of gearbox under three working states. The result proves that the BSS greatly enhances fault information and supplies technological method for diagnosis of weak fault.     

调制故障源信号盲分离的经验模态分解法

针对非线性、非稳态、含噪原始信号混合且混合信号数目小于源信号数目的旋转机械调制故障源信号盲分离问题，提出了一种基于经验模态分解(EMD)和主成分分析(PCA)相结合的方法.对混合信号进行经验模态分解提取嵌入在信号中的所有振荡模式，应用主成分分析方法对所提取的模式进行共性分析，得到模式中的主要成分.利用该方法对仿真数据和两通道滚动轴承加速度振动数据进行了分析，结果表明，该方法能够有效突出旋转机械的故障特征频率成分，避免了误诊断，且适用范围优于独立分量分析方法.     

基于VMD-PARAFAC的轴承故障欠定盲源分离

针对传统的轴承故障欠定盲源分离方法需要施加约束的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)和平行因子(parallel factor,PARAFAC)分析的欠定盲源分离方法.利用VMD算法将振动信号分解为多个带限本征模态函数(band-limited intrinsic mode functions,BLIM Fs),将这些BLIM Fs构造成三阶张量作为PARAFAC模型的输入,利用三线性交替最小二乘算法对模型分解,从而在宽松条件下实现复合故障信号的分离.仿真和实验结果表明,提出的方法是有效的,与传统的故障盲源分离方法比较,提出的方法在多故障盲源分离中更具有适应性和实用性.     

基于源数估计的无约束欠定盲源分离算法

信源数目的估计是欠定盲源分离的前提条件,为了提高混合信号分离的准确性,提出一种Hough加窗法。利用Hough变换的思想将观测信号转变为角度变量,对变换域中的角度直方图进行加窗获得变换量的聚类区域,其峰值数即为信号源的数目。在此基础上,通过寻找变换量与混合矩阵列向量的关系可得到混合矩阵的估计值。提出一种无约束分离算法,由内点法从散点图分布中选取合适的初始迭代值,通过梯度下降法实现信号的分离。仿真实验结果表明,Hough加窗法具有较高的估计精度、较强的抗噪声性以及较低的稀疏敏感性,无约束分离算法具有较好的分离效果。     

利用奇异值分解的鲁棒盲信源分离

利用Amari等提出的估计函数分析了在最小化非线性主分量标准的意义上分离矩阵的最优解,将其描述为归一化的输入与非线性输出的互相关,提出了一种采用奇异值分解的鲁棒盲信源分离方法．该方法将分离矩阵的估计解释为一种非线性的能量迭代问题．在求解过程中对能量项进行了奇异值分解,从而避免了归一化矩阵的求逆以及计算平方根问题,减小了运算量．由于使用了能量项的正定逆平方根来归一化分离矩阵,因此提高了算法的鲁棒性,并且在每一步迭代中都能使分离矩阵保持正交．实验仿真验证了算法的性能．     

基于融合模型的齿轮传动故障诊断研究

针对齿轮故障诊断系统的特点,提出基于多尺度小波能量谱、扩展邻域粗糙集和多分类支持向量机融合的故障诊断方法.首先使用多尺度小波变换有效提取变工况条件下的故障特征;然后以广义欧式距离为基础构建扩展邻域粗糙集模型,在不需先验知识和理论公式的前提下,完成噪声剔除、各能量带重要度权重分配;最后利用支持向量机在小样本、非线性空间中...     

Single channel blind source separation based on ICA feature extraction

A new technique is proposed to solve the blind source separation (BSS) given only a single channel observation. The basis functions and the density of the coefficients of source signals learned by ICA are used as the prior knowledge. Based on the learned prior information the learning rules of single channel BSS are presented by maximizing the joint log likelihood of the mixed sources to obtain source signals from single observation, in which the posterior density of the given measurements is maximized. The experimental results exhibit a successful separation performance for mixtures of speech and music signals.     

基于非负矩阵分解的欠定卷积盲源分离方法

针对音频信号欠定卷积混合模型的盲源分离求解问题,提出一种基于非负矩阵分解(NMF)的盲源分离方法.该方法以板仓-斋藤(Itakura-Saito)散度和的最大值为目标函数,利用高斯分量表示源信号的短时傅里叶变换(STFT),使用乘积更新算法估计频域内的源信号,以提高其估计的准确度.仿真结果验证了该方法的有效性.     

基于蓝牙通讯技术的远程监测和故障诊断系统

将蓝牙通讯技术运用到工程机械的故障诊断系统中,解决了数据采集和传输困难的问题,实现了无线远程实时检测,并完成了无线通讯和网络通讯的无缝连接,为远程故障诊断提供了通讯保障。实验结果显示该系统稳定、可靠,是较为理想的监测和诊断保障系统。