基于影响因子的频域盲源分离排序算法

卷积混合信号盲源分离可以在频域得到有效解决,但频域盲源分离必须解决排序问题.本文研究了频点距离和各频点分离质量对基于相邻频点幅度相关性的排序算法的影响,提出了改进的频域盲源分离排序算法.改进算法通过影响因子来控制频点距离和各频点分离质量对排序的影响,距离小且分离质量好的频点设置较大影响因子,距离大或分离质量不好的频点则设置较小影响因子.文中详细讨论了影响因子的设定函数.最后对瞬时混合信号、卷积混合信号、实际房间采集信号分别进行盲源分离实验.实验结果表明了本文算法的有效性.     

改进的基于模糊算法的电磁环境评估方法

针对基于传统模糊数学理论的电磁环境评估方法存在无法自动化实现的缺点，提出了改进的基于模糊数学理论的电磁环境评估方法。改进方法首先让专家对频谱占用度、时间占用度等表征参数按照复杂度的高低划分区间，并设置各参数的权重。在评估时将实测表征参数值与相应的划分区间匹配，就可得到相应专家对此参数的复杂度评估。此方法在保证评估合理性的同时实现了评估的自动化。     

主成分分析和超限学习机的模拟电路故障诊断

为提高模拟电路故障诊断特征信息提取的完整性,实现故障模式分类的准确性,达到网络训练测试的快速性,提出了一种基于主成分分析（Principal Components Analysis,PCA）和极限学习机（ELM）相结合的模拟电路故障诊断新方法。在OrCAD16.3中通过设置仿真模拟电路元器件参数及其容差,获得电路各状态的MonteCarlo样本数据,经PCA降维提取特征信息以获得最优的特征模式,继而采用ELM对故障进行分类识别。以Sallen-Key带通滤波器电路为实例进行仿真研究,结果表明该方法具有特征提取效果好,神经网络训练学习速度快,故障诊断效率高,泛化性能好等特点。     

共空间模式和超限学习机的模拟电路故障诊断

主成分分析属于代数特征分析方法,是一种线性映射方法,降维后的表示是由线性映射生成的,更主要的信息保留在投影空间里,而剩余的信息则被过滤掉,但保留的信息是一体的,而不是每个特征向量分别表示一个主成分,在一定程度上影响了PCA方法的效果。提出了一种基于共空间模式对主成分方法改进的模拟电路故障诊断方法。此方法利用CSP算法对PCA得到的特征向量进行处理,然后将得到的主成分输入到超限学习机以进行网络训练或故障判断。通过Sallen-Key带通滤波器电路的实例,结果表明该研究方法的有效性。     

基于改进源信号数目估计算法的欠定盲分离

两步法是解决稀疏信号欠定盲分离的一种常用方法,通常首先利用K-means聚类算法估计混叠矩阵,然后利用最短路径法恢复源信号。在使用K-means聚类算法时要求知道源信号的数目,而现实中往往不知道源信号的数目,需要对其进行估计。因此研究了聚类有效性评价指标——BWP指标,结合粒子群算法,提出了一种改进的确定源信号数目的算法,并将这种算法引入到欠定盲分离。实验表明,提出的算法在保证分离精度的同时能缩短分离时间,并可节省一定的内存,在观测信号数据量大时,这种优势更加明显。