基于EMD的高压燃气管道泄漏信号欠定盲分离方法

为能将城市高压燃气管道泄漏产生的应力波信号中混有多种干扰振动及噪声的有效泄漏信号与多源混合振动信号分离,提出基于EMD的泄漏信号欠定盲分离方法。对传感器采集的混合信号进行经验模态分解;对各固有模态函数归一化峭度特征进行分析,选取含主要泄漏信息的固有模态函数进行重构;构造由重构信号及观测信号组成的矩阵,用扩展联合对角化算法实现信号分离,以解决欠定情况下的盲分离问题。实验结果表明该方法能较好实现有效泄漏信号的提取。     

基于盲源分离技术的一种信号处理方法研究

文章利用盲源分离技术试图从给定的一组混合观察数据中恢复未知的独立信源。然后使用Matlab中的时频工具箱,根据分离出的信号进行时频分析,提取信号中所包含的特征信息,达到能够识别出期望信号,并能提取其余干扰信号的特征。     

遥测振动信号单通道盲源分离自适应滤波幅度校正方法

针对基于经验模态分解(empirical mode decomposition,EMD)和独立分量分析(independent component analysis,ICA)的单通道盲源分离幅度不确定性问题,根据最小失真准则提出了一种自适应滤波幅度校正方法。利用EMD将单通道信号分解为一系列本征模态函数(intrinsic mode function,IMF),依据对数坐标下的边际谱分布确定单通道信号包含的独立分量数目。选择对应的IMF组合作为观测信号分量,利用ICA完成分离。根据分离信号数目确定横向滤波器阶数,并将分离信号作为滤波器的输入信号分量。利用滤波器输出和原始单通道信号设计目标函数,自适应调整滤波器系数使算法完成收敛,算法收敛后的滤波器权系数即为对应分离信号的幅度校正系数。仿真及飞行器试验遥测振动信号的处理结果证明在EMD-ICA基础上,该方法可准确得到信号各分量的幅度信息,为遥测振动信号进行时域统计及时频分析中能量检测提供了有效技术途径。     

基于独立分量分析的重盲源分离方法

基于独立分量分析(ICA)的盲源分离(BSS)是一种多源信号分离的优化方法。针对ICA通道数目必需不少于源信号数目的限制条件,提出一种基于频谱识别的重盲源分离(R e-BSS)方法,利用虚拟通道实现通道数目的增加。单通道测量信号的仿真实验和实际信号处理结果表明,该方法简单可行,为盲源分离的进一步工程应用提供了新的思路与方法。     

相关机械振源的盲源分离方法

相关源不满足独立分量分析关于源的统计独立性假设,标准的独立分量分析方法无法准确分离相关机械振源信号。在相关振源信号的部分频带满足统计独立的假设前提下,提出了一种基于小波包分解的相关机械源盲源分离方法。该方法将观测信号用小波包分解成子带观测信号,根据互信息标准选择相关性较小的若干子带观测信号重构观测信号。通过重构的观测信号的独立分量分析估计分离矩阵,然后用该矩阵分离原始观测信号从而实现相关机械振源信号的分离。仿真试验验证了该方法的有效性。     

智能音波技术在油气管道泄漏监测中的应用

本文对智能音波法的技术优势进行了分析,阐述了智能音波油气管道泄漏监测系统的工作原理、系统组成及关键技术,希望能够为油田气、烃管道的在线泄漏监测找到一个有效技术手段。     

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。     

基于希尔伯特黄变换的输气管道泄漏音波时频特性分析

为获得有效直观的音波特征量,采用基于希尔伯特-黄变换的时频分析方法对输气管道泄漏音波能量分布清晰刻画。通过搭建实验管道获得泄漏信号,并对该信号进行经验模态分解(EMD)获得有限数量的固有模态函数(IMF),对IMF进行希尔伯特变换求解瞬时频率,获得信号的时频谱、边际谱;对实验所得泄漏信号进行希尔伯特黄变换,获得信号时频谱;据所得时频谱分析泄漏音波信号特性,获得有效音波特征量。结果表明,希尔伯特黄变换能清晰刻画音波信号的时频域特性,通过希尔伯特黄变换可获得输气管道泄漏音波信号的有效特征量,从而为泄漏检测技术提供支持,进而为输气管道音波法泄漏检测技术应用奠定基础。     

基于牛顿迭代盲源分离方法的磨床故障诊断

磨床的振动信号是由多个振动源混合而成的复杂信号,利用盲源分离技术分离混合信号成为各个振动源的单独信号能更准确的实现设备的状态监控和故障诊断。基于峭度的不动点迭代法是一种常用的盲源分离方法,但存在分离矩阵难以收敛,分离效果不稳定的问题。论文在峭度最大化的理论基础上,提出基于牛顿迭代算法的振动信号盲源分离方法。通过模拟振动信号实验,当分离矩阵的迭代步数仅为不动点迭代法的1/500时,本算法就完成了分离过程,并且分离效果更佳。对数控磨床实际振动信号的分离实验,得到了和计算结果相同的磨床运行参数,进一步验证了本文方法可以较好的应用于工程实际中。     

基于两个频点的水声信号盲源分离

实际水声环境中声纳接收到的信号是卷积混合信号。文章中将两个频点盲源分离原理应用到水声信号的盲源分离中，从而有效克服信号频域解卷积过程中的排序和幅度不确定性。仿真实验结果表明该方法对水声卷积混合信号具有良好的分离效果?文章中进一步研究了水声信号在不同信噪比条件下，基于两个频点盲源分离方法的分离性能。     

基于EEMD子带提取相关机械振动信号单通道盲源分离

针对传统独立分量分析难以解决机械故障诊断中存在的相关源信号盲分离、欠定盲分离等问题,在相关振源信号部分子带满足统计独立的假设前提下,提出基于总体经验模态分解子带提取相关机械源单通道盲源分离方法。该方法将单通道观测信号进行总体经验模态分解获得到子带观测信号,将单通道信号及子带观测信号组成新的多维信号,利用奇异值分解及贝叶斯准则估计源信号数目;据互信息标准与源信号数目选若干独立性较强的子带观测信号重构,实现信号升维;对重构的观测信号进行白化预处理及联合近似对角化,获得源信号估计。并仿真、实验验证该方法在机械故障诊断中的有效性。     

机械振动信号非线性混叠的盲源分离

设备状态信号的处理是状态监测及故障诊断的基础.在实际运行环境中,通过传感器检测的信号有可能是振源信号的非线性混合、畸变信号.传统的振动信号处理方法对此种非线性混合信号处理效果并不理想.非线性盲源分离技术由于自身独特的盲处理优势,可以有效的去除外来干扰并分离出源信号,有助于提高诊断的准确性.针对直升机齿轮箱振动信号的非线性混叠进行盲源分离,分离出轴承故障振动信号,表明盲源分离技术是机械故障诊断领域的一个有效的信号处理方法.     

基于核典型相关分析的非线性相关源盲分离方法研究

针对传统的相关源盲分离方法的不足,提出了一种基于核典型相关分析的非线性相关源盲分离方法。该方法是利用了核方法来处理数据之间的非线性问题,同时还利用信号源之间的相关性来进行分离。提出的方法与传统的相关源盲分离方法进行对比分析。仿真结果表明,提出的方法明显优于传统的相关源盲分离方法,并从分离性能指标上得到了充分的反映。最后,将该方法应用到转子不对中和碰摩故障的盲分离中,实验结果进一步验证了该方法的有效性。     

基于独立分量分析的欠定盲源分离方法

目前的欠定盲分离算法只能分离稀疏信号,对于不稀疏的信号分离效果不理想。经典独立分量分析算法中的扩展Infomax算法既能分离超高斯信号,也能分离亚高斯信号,但却只能应用于观测数不少于源数的超定盲源分离,结合扩展Infomax算法,本文提出了一种欠定ICA算法,通过生成隐藏数据将欠定盲分离问题转化为超定盲分离问题,然后再应用经典的扩展Infomax算法进行分析,该方法可以分离欠定情形下超高斯和亚高斯混合信号。并用该算法对实测的齿轮箱混合故障信号进行分离,再用包络阶次方法对分离出的信号进行分析,成功识别出了齿轮箱的不同故障特征,验证了该算法在齿轮箱故障诊断中的有效性。     

基于盲源分离的运动想象脑电信号特征提取方法的研究

运动想象脑电信号被广泛应用于脑机接口系统中。针对如何准确有效地提取运动想象脑电信号特征的问题,通过分析运动想象脑电信号时域、频域和头皮空间域的特征,提出了以小波变换为预处理,并利用二阶盲辨识算法和信息论特征提取算法相结合获取的空间滤波器,从时域、频域和头皮空间域对运动想象脑电信号进行特征提取的方法。实验结果表明,采用时域、频域和空间域提取特征的方法性能有明显提高,并且将二阶盲辨识算法和信息论特征提取算法相结合获取的空间滤波器能够反映更真实的大脑源活动。     

噪声环境下水声信号瞬时盲源分离方法研究

噪声环境下大多数盲源分离算法性能大大降低。提出了一种适用于噪声环境的基于子带分解的瞬时盲源分离算法。通过修正白化矩阵和选取合理子带降低盲源分离过程中由噪声产生的不利影响。仿真实验表明,采用基于子带分解的瞬时盲源分离算法能够较好地实现噪声环境下水声混合信号的分离;进一步研究表明,该算法在噪声环境下表现出良好的稳健性。     

盲源分离用于DOA估计研究

方位估计是水下目标定位、跟踪的前提。提出了一种复数域奇异值分解盲源分离方法,估计出了阵列流形,并利用阵列流形表现出的相位关系完成了目标方位估计。通过仿真实验与MUSIC高分辨方位估计方法和相关文献的方法进行了对比,结果表明该方法能很好地实现目标方位的实时估计,且性能更佳。     

基于特定听觉特征的盲信号提取方法

针对参考信号波形难以构造等情况,提出一种利用期望源信号听觉特征进行信号盲提取的方法,根据源信号的听觉特征先验知识,将提取信号与期望信号听觉特征向量的接近程度作为度量,使用非线性最小二乘法进行迭代计算分离向量,提取出与期望信号在听觉特征上最为接近的源信号。对这种方法进行了理论推导,并使用不同类型的信号进行了仿真。仿真结果表明,该方法具有良好的效果,且由于仅利用了信号的听觉特征,而不需要参考信号的具体波形,对于不同类型的信号,具有广泛的适应性,具有良好的应用价值。     

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。     

盲源分离技术及其水声信号处理中的应用

本文首先阐述盲源分离的基本概念,简述了盲分离技术的基本要点和目前分离算法的利弊,围绕水声信道环境的特殊性,提出了一种改进的频域盲分离算法,给出了一种解决频域次序不确定性的方法.进行了两种背景下的仿真实验,得到了比较理想的分离效果.