基于二次特征函数高阶导数联合对角化的盲源分离算法

针对线性混叠信号,提出一种瞬时混叠盲源分离的批处理算法.利用观测信号的二次特征函数高阶导数联合对角化得到盲分离准则和实验公式.采用非正交对角化方法,不需要白化,实现盲源分离.仿真实验结果表明此算法不仅对非高斯信源具有良好的分离性能,而且对概率密度为非对称分布信源,具有很好的性能.     

基于二次特征函数高阶导数联合对角化的盲源分离算法

针对线性混叠信号，提出一种瞬时混叠盲源分离的批处理算法，利用观测信号的二次特征函数高阶导数联合对角化得到盲分离准则和实验公式，采用非正交对角化方法，不需要白化，实现盲源分离，仿真实验结果表明此算法不仅对非高斯信源具有良好的分离性能，而且对概率密度为非对称分布信源，具有很好的性能。     

基于STFD和PARAFAC的欠定盲源分离信源个数估计算法

为更精确地进行欠定混合条件下的信源个数估计,提出了一种基于空间时频分布（STFP）与平行因子分析（PARAFAC）的欠定盲源分离信源个数估计算法.该算法从空间时频分布矩阵中选择符合单源时频支撑域的时频点构成1个3阶张量,然后由核连续诊断算法计算因子数量,估计出信源个数,并对3阶张量平行因子低秩分解的惟一性条件进行了分析.该算法不需要假设源信号必须满足稀疏性和独立性条件,也不要求其满足高斯分布条件.在计算机仿真实验中,当信噪比为-5 dB时,识别正确率提高18 dB,证明了改进算法的有效性.      

基于SVD的柴油机振动信号盲分离预处理

在利用独立分量分析对缸盖振动信号进行盲分离时,原始采样信号不满足独立分量分析的基本假设,而且缸盖振动信号信噪比较低,影响分离的速度和精度.采用小波阈值降噪的方法进行了降噪处理,提高了信噪比.采用奇异值分解的方法估计了缸盖振动的独立源数,并对缸盖振动信号进行了白化处理,为独立分量分析的应用建立了基础.     

单矢量水听器多目标方位的盲估计研究

为实现单矢量水听器的多目标方位估计,研究了水声矢量信号的盲估计问题.根据单矢量水听器的阵列流型特点,结合盲源分离技术,提出了一种新的单矢量水听器多目标方位估计算法.在目标信号先验信息未知的情况下,该算法可分离出各目标信号及其阵列流型,然后利用单矢量水听器振速分量的正交性,估计出各目标信号的方位.实验验证了该算法的有效性.     

基于循环谱包络的共信道多信号参数估计

为解决通信侦察中非协作接收机接收的信号受共信道信号干扰的问题,提出了一种基于循环谱包络的多信号载频、码片时宽估计算法.该算法不需要伪随机码等先验信息,可实现对时频重叠的多循环平稳信号参数的盲估计.由于该参数估计算法是在非零循环频率上进行搜索,故可以有效地减少平稳噪声和干扰的影响,适用于低信噪比的情况.仿真实验表明,当双信号功率比为1∶1且信噪比为-9 dB时,该算法对载频估计的正确率可达100%;当信噪比为-4 dB时,对码片时宽估计的正确率可达99%.     

基于盲源分离的共振解调技术在齿轮齿面接触故障诊断中的应用

提出一种运用基于盲源分离的共振解调技术对齿轮齿面接触故障进行诊断的方法.该方法利用盲源分离算法对传感器采集的混合信号进行分离,获取纯粹的故障源信号;采用共振解调技术对分离后的故障源信号进行频谱分析,成功地提取了齿轮齿面直接接触的故障特征.     

基于JADE算法的矢量水听器阵列信号盲估计研究

标量声压水听器线阵无法估计信号的二维到达角（方位角和俯仰角）,并且对来波方向相同的信号无法分辨.针对这一情况,文中引入盲信号处理理论,将JADE（特征矩阵联合近似对角化）算法与矢量水听器阵列技术相结合,提出了一种新的阵列信号盲估计算法.该算法应用在结构简单的矢量水听器线阵上,在信号方向矢量没有任何先验知识情况下,对阵列流型矩阵进行盲估计,进而估计出源信号的频率和二维到达角,并实现对来波方向相同信号的辨识.仿真实验证明了算法的有效性.     

基于自适应EEMD和盲辨识算法的桥梁结构模态参数识别

基于集合经验模态分解(EEMD)在信号的预处理上的不足之处,提出了一种基于自适应EEMD分解的盲源分离算法,即:先根据原始信号自身的特点确定加入白噪声的幅值标准差和集成次数,再进行EEMD分解,对所得IMF分量进行模糊综合评价以选出有效的IMF分量,构造IMF分量矩阵,最后利用盲源分离算法对其进行盲辨识,完成对信号的分解与重构。分别通过模拟信号和桥梁实测振动信号对该算法进行验证。结果表明:所提算法具有可行性,且能运用于实际结构信号的预处理。     

宽带耦合机械振源的卷积盲分离研究

利用卷积盲分离算法,对宽带耦合机械振源信号进行了盲分离研究.在实际环境中,由于相邻设备和环境干扰的影响,传感器往往只能获得混合信号.且源信号在频谱上可能相互重叠,此时,传统的信号滤波、净化方法就无能为力.文中利用盲信号处理技术对源和传递路径先验知识要求较少的特点,仅从混合信号出发,利用信号的二阶统计特性,较好地恢复出了频谱上相互重叠的机械振源信号.电机和海水泵的仿真试验验证了该方法的有效性.     

Robust digital audio watermarking scheme using blind source separation with global optimal property

The paper proposes a robust digital audio watermarking scheme using blind source separation(BSS) based on the global optimization of independency metric(IM),which is formulated as a generalized eigenvalue(GE) problem.Compared with traditional information-theoretical approaches used in digital audio watermarking,such as fast independent component analysis(FastICA),the proposed scheme has lower complexity without timeconsuming iteration steps used in FastICA.To make full use of the multiresolution characteris...     

A HOS-based blind signal extraction method for chaotic MIMO systems

A novel method to extract multiple input and multiple output （MIMO） chaotic signals was proposed using the blind neural algorithm after transmitting in nonideal channel. The MIMO scheme with different chaotic signal generators was presented. In order to separate the chaotic source signals only by using the sensor signals at receivers, a blind neural extraction algorithm based on higher-order statistic （HOS） technique was used to recover the primary chaotic signals. Simulation results show that the proposed approach has good performance in separating the primary chaotic signals even under nonideal channel.     

基于最大信噪比算法在缸盖振动信号中的分离研究

对柴油机缸盖表面振动信号进行分析处理,可以判定内部零部件的状态以及柴油机的工作状态,但实际上由于各路信号时域和频域有混叠,很难准确分离．针对现有内燃机监测诊断信号分析方法的不足,研究了基于最大信噪比的盲源分离算法．该算法将求优过程转化为广义特征值问题求解,整个过程无须迭代．通过对仿真振动信号的分离表明其有效性,从试验对象某四缸柴油机上拾取实测缸盖振动信号处理,结果显示了该算法在柴油机故障监测诊断上有良好的应用前景．     

State inspection for transmission lines based on independent component analysis

Monitoring transmission towers is of great importance to prevent severe thefts on them and ensure the reliability and safety of the power grid operation. Independent component analysis (ICA) is a method for finding underlying factors or components from multivariate statistical data based on dimension reduction methods, and it is applicable to extract the non-stationary signals. FastICA based on negentropy is presented to effectively extract and separate the vibration signals caused by human activity in this paper. A new method combined empirical mode decomposition (EMD) technique with the adaptive threshold method is applied to extract the vibration pulses, and suppress the interference signals. The practical tests demonstrate that the method proposed in the paper is effective in separating and extracting the vibration signals.     

多分量相移键控信号码速率盲估计

为解决单通道接收机同时截获到同一频带范围内的多分量相移键控信号的参数估计问题,提出了一种不经信号分离直接提取各独立信号分量码速率的盲估计算法.从理论上推导了多分量相移键控信号的二阶共轭循环自相关具有线性特性,因此可以不受干扰地提取各信号分量的码速率;进而提出了简单而有效的谱峰增强方法,与基于二阶共轭循环自相关获得的谱峰相比,用此法获得的谱峰更为清晰.仿真实验表明:用提出的算法,当双分量信号功率比为1:1且信噪比为-5 dB时,码速率估计的正确率可达98％;尤其是在单分量环境下,该算法比现有算法的性能提高4 dB以上.     

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明:在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。