应用独立分量分析的激光测风雷达湍流频谱分解

针对大型风力发电机机组中常见的脉动湍流、风机尾流与涡流等湍流信号,研究了利用自然梯度下降的独立分量分析方法的湍流频谱分离效果,以区分中心风速与湍流信号,提高风机机组的综合工作效率。首先分析了风机组中常见湍流信号的后向散射与频谱分布特点,然后依据这些特点设计了对应的独立分量分析模型。在仿真结果符合要求的基础上,进行了双目激光雷达天线的风速采集与实际分离效果检测。实验结果表明,在大气折射率结构常数C2n≤10-14同时广义大气常数α≥4的通常情况下,利用双目信号能够分离出一个湍流中心和一个中心风速。对1 s内两个谱峰的波动范围进行统计,获得(2.59±0.05)MHz的中心风速以及(1.22±0.19)MHz的湍流中心估计,且二者的平均信噪比分别为25.93 dB和31.01 dB,能够在获得稳定的中心风速估计的同时得到一个较为稳定的湍流中心估计。     

基于互信息和PID神经网络的SCR脱硝扰动补偿控制

针对火电厂选择性催化还原(Selective Catalytic Reduction，SCR)烟气脱硝系统机理复杂，工况变化时呈现的不确定性、强扰动等特点，提出了一种基于互信息和PID神经网络的SCR烟气脱硝扰动补偿控制方法。利用PID前向神经网络的学习性能逼近被控对象的逆构成扰动观测器对系统进行反馈补偿，以达到超前消除系统扰动的目的。选取观测扰动和系统扰动的互信息为目标函数，采用改进的帝国竞争算法实现PID神经网络权值的优化调整。设计鲁棒PID控制器来进一步克服被控对象存在的不确定性。仿真实验表明，该方法具有突出的抗干扰能力和较好的鲁棒性，控制品质优于常规的PID控制。     

Optimization of a plate-fin heat exchanger design through an improved multi-objective teaching-learning based optimization (MO-ITLBO) algorithm

Teaching-learning-based optimization (TLBO) is a recently developed heuristic algorithm based on the natural phenomenon of teaching-learning process. In the present work, multi-objective improved teaching-learning-based optimization (MO-ITLBO) algorithm is introduced and applied for the multi-objective optimization of plate-fin heat exchangers. The basic TLBO algorithm is improved to enhance its exploration and exploitation capacities by introducing the concept of number of teachers, adaptive teaching factor, tutorial training and self-motivated learning. The MO-ITLBO algorithm uses a grid-based approach to adaptively assess the non-dominated solutions maintained in an external archive. Minimizing total annual cost and the total weight of heat exchanger as well as minimization of total pressure drop and maximization of heat exchanger effectiveness for specific heat duty requirement are considered as objective functions. Two application examples are presented to demonstrate the effectiveness and accuracy of the proposed algorithm.     

高光谱空间降采样独立成分特征分离

提出一种空间降采样独立成分特征分离方法,用于缩短独立成分分析(ICA)法在高光谱图像特征分离时的运算时间。该方法通过对高光谱图像的二维像素空间进行网格划分得到较小的窗口;基于光谱相似性测度法度量每个窗口中中心像素与周围像素的距离。然后舍弃这段距离小于阈值的周围像素,而将大于阈值的周围像素和中心像素作为样本量进行FastICA,获取投影矩阵变换原始数据,得到特征分离的ICA成分。对比了传统ICA与空间降采样(SDS)ICA(SDS_ICA)的性能,研究了降采样阈值参数、降采样窗口参数及初始投影矩阵对SDS_ICA特征分离性能及运行时间的影响。实验结果表明:应用SDS_ICA时,仅设置适中的阈值和不敏感的窗口大小参数,就能保持与传统ICA相近的特征分离性能,运行时间减少了30%以上。该方法适合应用于高光谱准实时特征提取、数据降维及目标探测等领域。     

一种基于独立分量分析的OFDM-IDMA检测方法

提出了一种基于独立分量分析(ICA)的OFDM-IDMA检测新方法。独立分量分析是信号盲源分离领域中的新技术,它可以在系统用户特征序列未知的情况下,成功地提取出有用信号,节省了系统的资源。经过进一步优化,ICA可适用于OFDM-IDMA系统中,成功地实现对系统用户信号的检测。最后通过计算机仿真结果验证了该算法的有效性,且检测性能优于过去的方法;采用ICA算法检测器的OFDM-IDMA系统,还可减小通信传输时的误码率。     

通信信号的单通道盲分离和码元序列盲估计

针对被单根天线接收的多个通信信号的单通道盲分离问题,提出了一种新算法.该算法利用各个通信信号的周期性差异和波形差异,应用过采样技术和高阶统计量分析技术来构造适用于独立分量分析的多通道混合模型,从而将多信号盲分离问题转化成波形和码元序列的估计问题.仿真证实了新算法的可行性和优越性.     

MIMO雷达信号的盲源分离技术

针对MIMO雷达的信号特点,采用了一种多角度的雷达侦察方法,从不同的方位获取同一部雷达的独立信号样本。并在此基础上,运用主分量分析方法估计信号波形个数,运用独立分量分析的盲源分离方法分离出MIMO雷达信号的各个正交分量,最终以正交频分线性调频信号为例,在信噪比为0 dB的情况下对该信号进行了仿真分析,其结果验证了该方法的有效性。     

应用ICA的加油机系统油气两相流中气体含量的识别方法

油气回收是一项节能环保型新技术.由于实际工况的不确定性以及燃油的易挥发性,使得回收时气液比一般大于传统观点认为的1∶1,因此也导致了油气回收不完全.为了得到较为准确的气液比信息,可以考虑分析汽油压力信号.FastICA算法被用来对采集到的油气信号进行初步解析,目的是将汽油振动时压力的独立信号从原始采集信号中剥离出来.然后,在0riginLab软件中对该独立信号进行快速傅里叶变换,得到该信号的幅值谱.再通过对幅值谱的分析,得出一组不同气体含量下的油气两相流的特征变化规律,从而达到气体含量识别的目的.此外,该规律也可以作为设定油气回收系统中真空泵比例阀值的参考依据.     

基于独立分量分析与希尔伯特-黄变换的轴承故障特征提取

滚动轴承早期故障信号具有能量小、频带分布宽等特征,易受到其它能量较大振源信号的干扰。传统的希尔伯特-黄变换（HHT）对信噪比大、多频率调制信号常因不能对其所包含的固有模式函数（IMF）实现准确分离和去除调制干扰分量而失效。本文提出了基于HHT和独立分量分析（ICA）的滚动轴承诊断新方法。该方法首先利用经验模式分解（EMD）将滚动轴承振动信号分解成若干平稳的本征模式函数IMF分量,通过提取若干包含主要信息的IMF分量,应用带通滤波器和Hilbert变换获取IMF分量的高频包络波形,再应用ICA分离包络波形并进行频谱分析,进而判断滚动轴承的运行状况。仿真和试验分析结果验证了本方法的可行性。     

基于信息极大化的ICA算法研究

独立成分分析是在缺乏混合系统和源信号先验知识的条件下,仅通过观测信号来恢复出源信号,已经成为数字信号处理的重要研究方向。文中在研究独立成分分析理论的基础上,介绍了一种基于信息极大化的分离算法,并对混合音频信号进行仿真试验,成功分离出了混合信号中的各个独立成分,仿真结果验证了信息极大化分离算法在语音增强和助听器功能改善方面的优越性,具有一定的理论研究和应用价值。