机械声源信号的带通滤波盲分离

盲源分离是一个很独特的盲信号分析与处理工具，在机械设备状态监测与故障诊断领域有较好的应用前景。但在实际应用于机械源信号分离中，效果尚不够理想。特别是，当传感观测中存在高斯噪声或调制源时，往往无法获得准确的源波形恢复。本文在分析现有盲源分离算法的基础上，提出一种新的、基于带通滤波的改进盲源分离方法。仿真以及实际的机械声源信号分离实验结果证实了新方法的有效性。     

一种应用于自适应降噪的变步长LMS算法

通过建立步长因子μ与误差信号е之间的非线性关系,提出一种改进的变步长LMS算法,并将其应用于通信降噪.该算法除了具有传统固定步长LMS算法计算量小、稳定性好、简单、易于实时处理等优点外,理论分析及计算机仿真结果表明,其收敛速度及稳定性优于SVSLMS算法,且不需要进行指数运算,计算复杂度低于SVSLMS算法,用于通信降噪取得了较好的效果.     

一种新的变步长LMS自适应滤波算法

通过建立步长因子μ与误差信号e之间的非线性关系，提出一种新的基于抽样函数的变步长LMS算法，并进行了计算机仿真．结果表明，该算法除了具有传统LMS算法计算量小、稳定性较好、简单易于实时处理等优点外，其收敛速度、稳定性以及跟踪速度均优于传统固定步长LMS算法抽样函数、SVSI—MS算法。     

周期伪随机信号序列及其在声学测量中的应用

在声学测量中,经常应用各种相关技术.其中,周期伪随机信号序列相关技术是值得在声学测量中推广应用的新技术之一.这种方法采用周期的伪随机信号序列(又称最大长度序列,或M—序列)作为测量中使用的源信号.通过计算源信号与某接收点传声器输出信号之间的互相关函数,来确定该线性系统的脉冲响应.然后,根据脉冲响应,求得该处的平方衰减声压(Sanared decaying sound pressure),由此出发即可求得所需测定的声学量.     

基于变分模态分解的侵彻过载信号盲分离

侵彻过载信号包含复杂的信号分量,传统的信号处理方法无法有效提取弹体的侵彻过载特征.提出一种将变分模态分解与盲源分离相结合的侵彻过载信号特征分离方法,首先由变分模态分解将源信号分解成一系列本征模态函数;然后将本征模态函数与源信号组成多维观测信号,对其自相关矩阵进行奇异值分解估计源信号数目,并计算各本征模态函数与源信号的相...     

复杂声场中的频谱分离

工厂里多台机器同时运行时发出的声音和环境噪声一起构成复杂声场，每台机器的声学诊断都受到其它机器的严重干扰。用一组传声器在不同位置测得声音信号，利用盲源分离思想并结合声学故障诊断特点对混合信号进行频谱分离，得到各台机器的特征频谱结构图，使得对每台机器进行声学故障诊断成为可能。经过仿真测试和实验研究，证明了该算法的有效性，并通过讨论指出进一步研究的方向。     

应用JADE盲分离算法分离统计相关源

在一些如故障诊断等复杂的应用系统中，不相关源与相关源往往以相互混合方式同时存在于传感观测中。由于相关源不满足盲源离理论有关源的统计独立性前提假设，因此现有的盲源分离算法如基于矩阵联合对角化的算法等，无法从混有相关源的传感观测中准确分离源信号(不相关源信号和相关源信号)。本文在基于矩阵联合对角化的盲分离算法的基础上，提出通过对其源估计进行修正的相关源分离算法。理论分析和仿真结果表明：修正后的基于矩阵联合对角化的盲分离算法，能有效地分离包含相关源的混合观测信号。     

改进变步长LMS算法及在自适应噪声抵消中的应用

在分析传统LMS算法、变步长LMS算法及其改进算法的基础上,通过建立步长因子μ与误差信号е之间的非线性关系,提出了一种改进的变步长LMS自适应滤波算法,并将其应用于自适应噪声抵消中,还分析了参数对算法性能的影响,结果表明该算法具有较快的收敛速度和较小的稳态失调。文中最后给出了仿真结果,仿真结果与理论分析一致。     

基于相对波动的自适应信号融合算法

针对传统随机加权算法在目标信号为变量时,总均方误差远大于信号为常量时的情况,提出了一种改进的自适应随机加权算法.该算法利用所采信号的相对波动值自适应地调整当前采集信号与历史采集信号间的比例关系,得到更加接近真值的估计值.由于相对波动值可以根据信号变化情况自主调整,因此可以和传统的随机加权算法进行良好的结合.数值模拟证明...     

改进变步长LMS算法及在自适应噪声抵消中的应用

在分析传统LMS算法、变步长LMS算法及其改进算法的基础上,通过建立步长因子μ与误差信号е之间的非线性关系,提出了一种改进的变步长LMS自适应滤波算法,并将其应用于自适应噪声抵消中,还分析了参数对算法性能的影响,结果表明该算法具有较快的收敛速度和较小的稳态失调。文中最后给出了仿真结果,仿真结果与理论分析一致。     

The Research of Blind Source Separation (BSS)in Machinery Fault Diagnosis

1 Introduction：While a machine is running, it will create vibration, and also strong noise. Commonly, when the vibration is more intense, the noise is greater. Just like the vibration signals, the sound signals of the machinery contain affluent facility status information, so the sound signals can also be used in the machinery fault diagnosis. We call the technology the sound fault diagnosis which uses the sound signals in fault diagnosis. Even more, using the sound signal in fault diagnosis…     

卷积混合语音的联合块对角化盲源分离算法

针对语音卷积混合模型,提出了一种新的时域盲源分离算法。首先对观测信号进行重新排列,将卷积混合盲分离问题转化为瞬时混合盲分离问题,然后对联合近似对角化算法进行了推广,利用语音的非平稳和短时平稳特征定义联合差分相关矩阵和联合块对角化代价函数,通过鲁棒的白化过程和求解最优化问题实现卷积语音的盲分离。由于避免了时域卷积运算和变换域处理,使算法更加简单,复杂度更低。仿真结果验证了该算法的有效性,同时,就数据长度参数变化对信干比的影响,以及通过与基于线性预测的卷积盲分离算法和自然梯度卷积盲分离算法的比较对该算法的性能做了进一步的分析。     

基于凸包优化的盲源分离在图像去噪中的研究

目的针对高斯-脉冲混合噪声图像中难以有效去除大量奇异点或离群数据的问题,提出一种基于凸包优化的盲源分离方法来去除图像中的混合噪声。方法该方法把混合噪声和原图均看作未知的源信号,依据噪声图像中混合噪声与原图内容的加性关系建立盲源分离的模型,并利用凸包优化的方法构建源信号(凸包极点)的仿射包,然后通过最小化仿射包到凸包(噪声图像)上的投影误差,求解混合噪声和原图2个源信号,实现去噪混合噪声、复原原图的目的。结果实验结果发现,无论高斯-脉冲混合噪声强弱,该方法去噪复原后的峰值信噪比和平均结构相似性分别在39.9129 d B和0.9以上。结论由实验数据证实该方法可有效地从盲源分离的角度去除图像中高斯-脉冲混合噪声、复原原始图像。     

基于Gabor变换和盲源分离的旋转机械故障诊断方法

传统的盲源分离方法要求源信号相互统计独立,但是实际机械设备很难满足这个条件。为此,提出了一种基于Gabor变换和盲源分离相结合的旋转机械故障诊断方法。首先通过不同混合信号的Gabor变换系数之间的相互关系,得到源信号间的公共频率成分,然后对观测信号进行滤波处理,得到新的观测信号,最后利用矩阵联合对角化方法进行分离,实现相关源信号盲分离。该方法突破了传统盲源分离方法中要求源信号相互统计独立且最多只能有一个高斯信号的限制,仿真和实验结果验证了该方法的有效性和可行性。     

基于频域盲解卷的噪声信号分离

由于机械噪声传播过程中存在反射等多种因素影响，大多数情况下混合噪声分离更适合采用卷积模型，为此提出了一种多频点盲解卷算法。有别于传统的频域盲解卷算法，新算法利用有限的少数几个频率点直接从频域模型恢复出时域噪声信号。算法为瞬时混合盲分离。主成分分析一瞬时混合盲分离结构，首先对给定的每一个频率点执行瞬时混合盲解卷算法，获得噪声源的基本估计，然后再经过主成分分析和第二次盲源分离。提高分离性能和增加算法鲁棒性。由于算法不需要对所有频率点执行瞬时混合分离，计算量小，同时也不存在传统频域盲解卷算法排列顺序不确定性的缺点，具有较好的应用价值。仿真实验证实了新算法能有效地分离机械噪声信号。     

基于EMMD的欠定旋转机械振动信号盲源分离

传统盲源分离算法通常基于观测信号数不小于源信号数的假设, 当观测信号数小于源信号数时, 盲源分离效果较差, 而欠定的甚至单通道信号的盲源分离问题普遍存在于旋转机械中, 针对该问题, 提出一种基于极值域均值分解的欠定旋转机械振动信号盲源分离算法。首先把欠定的观测信号进行极值域均值分解得到一系列本征模函数, 将欠定观测信号和其本征模函数组成多维信号, 作为新的观测信号实现升维;然后利用奇异值分解和贝叶斯准则进行源数估计, 最后利用基于四阶累积量的特征矩阵联合对角化方法实现信号的盲分离。仿真结果表明, 该方法能够有效地解决欠定观测信号的盲源分离问题。     

基于二阶盲辨识的双跨转子故障信号分离研究

将盲分离理论应用于消噪处理,其关键是分离噪声,因此在分离噪声时不损失有效信号,为消噪处理提供了一种新方法。提出了一种基于二阶盲辨识的去除干扰的自提取方法,在原有的自提取算法中引入了梯度变化率的概念,有效降低了噪声。通过仿真和对实际转子振动数据的处理表明,这种算法有效地遏制了噪声,提高采样数据的准确性。     

基于盲源分离去噪和HHT的旋转机械故障诊断

在利用Hilbert-Huang变换对旋转机械的故障信号进行特征提取时,传感器所获得的信号往往受到不同类型的噪声干扰,而忽略噪声的影响常常产生很差的分析效果。为克服此不足,结合盲源分离,提出了一种解决HHT分析中模态裂解现象的方法,即基于快速独立分量分析消噪的HHT分析方法。仿真与实例结果表明,该方法能有效抑制HHT过程中的模态裂解现象,有效提取信号的特征频率,进而实现旋转机械故障诊断。     

基于变分贝叶斯独立分量分析的故障源盲分离

提出一种基于变分贝叶斯独立分量分析的故障源盲分离方法,该方法可直接对噪声干扰的机械源信号进行有效分离,即不需要将未知噪声看成一种独立源,也不需要进行消噪预处理。并将该方法与传统的机械源分离方法进行对比实验,实验结果表明该方法是非常有效的。