基于盲源分离的设备状态监测与故障诊断

介绍了盲源分离(blind source separation,BSS)的相关理论和基本算法,阐述了盲源分离在设备状态监测与故障诊断的研究现状,重点讨论了它在源信号分离、特征提取、状态识别、源数目估计等方面的应用,指出将盲源分离应用于设备状态监测与故障诊断中需要深入研究的问题。     

基于AR模型的变分贝叶斯独立分量分析算法研究

近年来,盲源分离算法由于其良好的去噪效果在信号处理领域得到了广泛应用,但传统独立分量分析方法存在着未考虑噪声干扰及未充分利用已知信息等弊端。提出基于GAR模型的变分贝叶斯独立分量分析算法,将源信号的时间结构与系统噪声进行融合研究,基于GAR模型近似建模语音信号的时间结构特征,应用变分贝叶斯学习方法分离带噪声的语音信号。通过与标准变分贝叶斯独立分量分析算法的仿真对比,证明改进后的算法有较好地实际分离效果,有效解决了ICA算法无法在噪声环境下直接进行盲源分离问题。算法可用于减轻铁路列车司机通信时的听觉疲劳。     

基于Gabor变换和EMD的轴承故障诊断

基于振动信号处理的轴承故障诊断方法应用非常广泛。由于在实际采集的振动信号中往往混合着干扰信号,因此提出了一种基于Gabor变换的盲源分离和基于经验模态分解(EMD)的Hilbert包络谱分析相结合的故障诊断方法。首先采用基于Gabor变换的盲源分离方法对振动信号进行盲源分离,然后利用EMD方法进行分解获得本征模式函数(IMF)分量,再通过局部细化Hilbert包络谱方法分析判断轴承故障的特征。研究结果表明,通过对轴承振动信号进行盲源分离和EMD分解,可以使信号的故障特征更加明显,从而提高故障诊断的准确性。     

基于GA和原子特性的信号稀疏分解

信号稀疏表示在信号处理的许多方面有着重要的应用,但是求得信号稀疏表示的稀疏分解计算量十分巨大,是阻碍其实时应用的主要因素。本文研究基于MatchingPursuit(MP)方法实现的信号稀疏分解算法,采用遗传算法(GA)快速寻找MP过程中每一步分解的最佳原子。根据稀疏分解中使用原子的特性,提出了对基于GA和MP的信号稀疏分解的一种优化方法。算法的有效性为实验结果所证实。     

基于EEMD和单通道盲源分离的齿轮箱复合故障诊断研究

针对齿轮箱复合故障诊断中,多级传动相互干扰,微弱的轴承故障会被强烈的齿轮故障和噪声湮没而难以提取的问题,提出了基于EEMD和单通道盲源分离的齿轮箱复合故障诊断方法。首先利用单个加速度传感器采集齿轮箱振动信号,对采集的信号进行EEMD分解,根据峭度准则和相关系数重构IMF分量;然后应用盲源分离方法对重构的IMF分量进行求解,对分离的信号进行包络解调分析,确定出齿轮故障通道,轴承故障通道和噪声通道;最后对齿轮故障通道进行傅里叶变换,轴承故障通道进行基于谱峭度的共振解调分析,提取出信号的特征频率,完成齿轮箱的复合故障诊断。通过实验验证了该方法的有效性和可行性。     

基于压缩感知的稀疏度自适应图像修复

压缩感知理论利用信号的稀疏特性,能够以较少的采样数据恢复出完整的信号。本文基于压缩感知理论,提出一种稀疏度自适应图像修复算法。有别于传统的图像修复方法,本文首先根据大量样本数据进行K-奇异值分解(K-SVD)字典训练,用训练得到的超完备字典取代正交基函数;然后根据图像的退化模型对感知矩阵加以约束;最后针对二维破损图像稀疏度未知问题,在重构阶段提出了一种稀疏度自适应正则化正交匹配追踪算法(SA-ROMP)实现破损图像修复。本文引入的超完备字典能够自适应地根据训练样本进行特征提取,具有更强的稀疏表示能力。重构阶段的SA-ROMP算法在迭代过程中利用logistic回归函数获取阈值,再通过阈值对残差与感知矩阵的相关系数进行判定,能够自适应选择原子候选集的个数。图像修复实验结果验证了本文算法的可行性,并且修复效果明显优于其他同类算法。     

基于四阶累积量自适应时延估计的改进

时间延迟估计在雷达和声纳等方面有着广泛的应用。为了在空间相关或不相关的高斯背景噪声下获得比较精确的时延估计值,提出了一种基于四阶累积量、借助于ETDE(Explicit Time Delay Estimation,利用sinc函数采样FIR滤波器)算法的自适应时延估计算法。此方法可以抑制相关或不相关高斯噪声的影响,可以跟踪时延,从而保证时延的唯一性,进而得到信号准确的时延估计。该算法在较低信噪比下能得到非高斯信号较准确的时延估计。理论分析和仿真结果证明了算法的有效性。     

可变步长正交性约束的自然梯度盲信号分离算法

针对移频轨道电路移频键控信号FSK等的非平稳性,在正交性约束的自然梯度算法的基础上,提出1种利用估计函数的自适应可变步长自然梯度算法,主要原理是根据每次所取分离结果与优化值距离的远近对步长参数取值作在线自适应调整,将每次分离出的瞬时信号的相关性测度作为调整步长参数的依据,同时给出步长参数的上界以使算法稳定。用给出的可变步长算法对FSK信号中的干扰信号进行在线分离。仿真实验结果表明,用可变步长算法分离出的信号精度达到了要求,并且与固定步长算法相比具有更快的收敛速度。     

基于灰狼算法的轨道交通钢轨缺陷的稀疏全聚焦成像方法

[目的]采用超声相控阵技术可实现轨道交通钢轨缺陷的高精度成像检测,但广泛应用的全矩阵捕获全聚焦成像方法存在计算耗时长、实时性不高的缺点。为缩短成像计算时间,采用稀疏矩阵替代全矩阵进行超声成像,但传统智能优化算法在解决稀疏阵列设计问题时存在收敛慢、易陷入局部最优的问题。为提高收敛性能和全局搜索能力,提出基于灰狼算法的轨道交通钢轨缺陷的稀疏全聚焦成像方法。[方法]对优化算法下的稀疏阵列性能进行了分析;利用超声相控阵仪器在钢轨试样上采集超声信号,通过稀疏矩阵进行全聚焦成像,以分析成像质量和成像时间。[结果及结论]利用优化算法得到的稀疏阵列具有较高的旁瓣抑制力,PSL(峰值旁瓣水平)可达到-12.83 dB;当PSL阈值为-6 dB时,稀疏阵列主瓣宽度与全阵列2.8°的主瓣宽度相当;稀疏率为75%时,钢轨成像性能指标质量接近全阵列,成像时间缩短了56.35%。     

利用模拟退火实现基于MP的信号稀疏分解

信号的稀疏表示在信号处理的许多方面都有重要的应用,但稀疏分解计算量十分巨大,难以被推广而实现产业化.模拟退火算法模拟高温金属降温的热力学过程,广泛应用于求解组合优化问题.本文将模拟退火算法运用到信号的稀疏分解中,首先随机产生一组原子参数组,然后分别计算每个原子与信号或信号残差的内积的绝对值,找出内积绝对值最大的原子参数组并对它进行模拟退火处理,用处理的结果作为匹配追踪(MP)过程中每一步的最优解.在计算过程中利用原子的特性,进一步提高了信号稀疏分解的速度,并用本文提出的算法与其它方法进行了比较,实验结果表明了该算法的有效性.     

基于三维谱回归的有效三维人脸识别算法

提出一种结合预处理和三维谱回归(3DSR)方法进行三维人脸识别的算法框架,提取有效的判别特征来克服3D人脸图像中一些尚未解决的问题,如噪声、表情和姿态等的影响。首先通过预处理步骤,从输入的人脸图像提取面部区域进行三维数据的匹配,克服大姿态变化的影响并且有效地提高了整个3D人脸识别性能。为处理大的表情变化和数据噪声,引入谱回归的概念,改进的三维谱回归方法可以充分利用局部统计信息的鲁棒性和有效性,并避免通常方法中密集矩阵的特征分解问题,降低了计算复杂度。实验中使用包含大姿态和表情变化的CASIA三维人脸数据库。实验结果显示算法有效、鲁棒、通用性强。     

基于语音特征迁移学习的驾驶疲劳检测

针对现有方法在实际应用时的标记样本稀缺与测试样本数据分布偏移等问题,提出一种基于语音特征迁移学习的驾驶疲劳检测方法。通过基于迁移学习的特征空间变换,对源领域有标记样本与目标域无标记样本数据间的边缘分布、条件分布、流形结构进行联合适配及降维处理,以解决样本数据分布偏移和特征维度过高的问题。以半监督学习的方式来迭代优化目标域样本的伪标记,并据此不断更新特征变换方式和迁移分类器,进而提高疲劳检测模型的精度和泛化能力。通过实验将本文方法与现有常用的监督学习、半监督学习和迁移学习等方法进行对比。结果表明,在测试时间、应用场景和被试个体均发生变化的情况下,本文所提方法的驾驶疲劳检测效果显著优于现有方法,正确率最高达到86.7%,具有实际应用价值。     

基于HHT、DBWT的无绝缘轨道电路补偿电容故障诊断

通过基于传输线理论的无绝缘轨道电路分路状态仿真模型,分析补偿电容断线故障对轨道短路电流的影响规律,利用机车信号感应电压包络与轨道电路短路电流的关系,提出基于机车信号记录信息的补偿电容故障诊断方法。该方法采用B样条离散二进小波变换对机车信号所记录的感应电压幅度包络信号进行降噪,再通过对Hilbert-Huang变换的改进,计算各IMF分量经逐级累加后的相位信息,最后利用相位卷绕,根据相位信息中突变点的分布变化和补偿电容状态的对应关系,实现对补偿电容的故障诊断。实验表明,该方法适应性较强,受轨道电路长度和道砟电阻等轨道参数影响很小,能够准确检测出轨道电路单一补偿电容的故障位置,并且由于该方法的分析数据直接来自于机车信号自身的记录器,不需要额外增加硬件和单独安排运行交路,因此能够降低检测成本和满足对检测及时性等方面的要求。     

贝叶斯分层模型变分推理与概率编程方法综述

在贝叶斯模型中，往往无法解析计算后验概率，在实践中依赖于近似推理。变分推理（VI,Variational Inference）是重要的确定性近似推理方法，比马尔科夫链蒙特卡罗（MCMC,Markov Chain Monte Carlo）采样具有更高的计算效率，在大数据时代有着显著优势。文章通过贝叶斯分层模型，回顾了经典VI，分析了随机变分推理（SVI,Stochastic Variational Inference）及其在主题模型中的应用，综述了更稳健的VI，概述了概率编程系统的研究进展，并对VI的未来发展趋势做出了展望。     

双选择衰落信道下OFDM系统基于梳状导频的变换域频率分集式信道估计

由于高速铁路无线信道表现出频率选择性和时间选择性衰落(双选择性衰落),正交频分复用(OFDM)在该信道上传输,需要实时跟踪估计信道变化,降低估计噪声。由于离散傅里叶变换具有快速算法IFFT/FFT,基于变换域的信道估计技术逐渐受到关注。通常,OFDM系统的梳状导频数多于信道冲击响应长度,导致变换域信道估计方法降噪比较困难。本文提出一种梳状导频变换域频率分集式信道估计方法,它通过联合若干分组的变换域信道估计,明显降低估计噪声,从而降低信道估计的均方误差(MSE)和系统的误码率(BER)。理论分析和仿真结果表明,在时不变信道中,当分集数为L,该方法对MSE的增益是10lg(L);在时变信道中,该方法出现"错误平底",但相对于传统变换域信道估计方法,性能仍有改善。     

基于软硬阈值折中的小波包语音增强算法的研究

由于语音信号的非平稳性,传统去噪方法将会不可避免地造成有用语音信号的损失,小波包分析能同时对信号的低频部分和高频部分进行分解,与小波分析相比,对信号的分析能力更强.文中提出一种新的去噪方法,它对噪声的清除更加干净,仿真结果表明,这种方法优于软、硬阈值法.     

基于Wiener过程的城市轨道交通车辆轮对可靠性评估

为探究城市轨道交通（简称：城轨）车辆轮对的轮径值退化规律,有效评估轮对可靠性,提出基于Wiener过程的城轨车辆轮对可靠性评估方法。选取轮径值作为性能退化指标,建立基于Wiener过程的城轨车辆轮对退化模型。通过计算轮对剩余寿命,选择精度最高的退化模型进行可靠性评估。针对退化模型参数后验分布计算公式较为复杂的问题,采用马尔可夫链蒙特卡洛（MCMC,Markov Chain Monte Carlo）方法进行求解。基于广州地铁8号线列车轮对实测数据进行实例验证,结果表明,城轨车辆应保证轮对可靠度不低于0.9,且在镟修后运行至27.51万km时,应检查轮对退化情况,以保障车辆的运行安全。     

基于小波域谱相减算法的语音增强研究

谱相减算法是目前常用的语音增强算法，它常在处理宽带噪声中使用，具有运算量小、效果明显等特点，但该算法是基于短时傅立叶变换（STFT）基础上的，是一种单分辨率的信号分析方法。与STFT本质不同的小波变换是一种变分辨率的时频联合分析方法，当分析低频信号时，其时间窗口很大，而当分析高频时，其时间窗口减小，这恰恰符合实际中对非平稳信号进行分析的自然规律。基于小波域的谱相减算法，是将带噪语音信号进行Mallat多尺度分解，然后分别对各尺度下的信号进行谱相减运算，再逐一进行小波重构，得到去噪后的语音信号。仿真结果表明。该方法不但有效地提高了语音信号的信噪比，而且也在很大程度上改善了语音的失真程度，不失为一种有效的语音增强算法。     

摆式列车线路检测信号的动态自适应滤波研究

为提高摆式列车检测系统的精度,针对传统数字滤波器的不足,将非平稳随机信号时变模型参数的自适应估计与普通卡尔曼滤波算法相结合,提出一种能有效消除或削弱测量信号中高斯白噪声的卡尔曼动态自适应滤波方法及数学模型。实时建模精度是实现卡尔曼动态滤波的关键。通过对具有不同遗忘因子的递推最小二乘算法的分析和比较,结果表明,带自适应遗忘因子的递推最小二乘算法(RLSAF)由于其遗忘因子能根据信号本身的统计特性的变化自适应地进行调整,因而对非平稳随机信号具有很强的跟踪性能。采用基于RL-SAF算法的卡尔曼动态自适应滤波方法,能实现摆式列车线路检测信号(陀螺仪角速率信号)的有效滤波。     

一种具有鲁棒性的磁链观测器在异步电机直接转矩控制中的应用

对磁链的准确估计在异步电机直接转矩控制中具有至关重要的作用．针对参数不确定电机模型．利用Lyapunov函数方法，给出了一种基于线性矩阵不等式（LMI）的具有鲁棒性的磁链观测器设计方法．得到了磁链观测器辨识的收敛性条件：相对于基于参数辩识磁链估计方法，其计算量很小．容易满足实时性控制的要求、仿真结果表明．磁链受定转子电月且不确定性变化影响较小．具有较强的鲁捧性．