FastICA算法在低信噪比爆破振动信号信噪分离中的应用研究

传统信噪分离方法对低信噪比爆破振动信号的细节提取能力变弱或近乎失效,因此,提出应用快速独立分量分析(FastICA)方法对信号中的独立分量进行非高斯性度量以完成含噪信号的信噪分离。结合数值仿真算例及实测信号分离试验,验证了FastICA用于爆破振动信号信噪分离的有效性,结果表明,FastICA可以准确地从信噪较低的含噪信号中,分离出贴合源信号的逼近信号,从而为将FastICA引入到爆破振动信号分析领域,实现爆破振动特征的快速提取提供了借鉴。     

基于粒子群算法优化的独立分量分析算法

通过两组模拟信号对三种主流独立分量分析算法-JADE、FastICA、扩展Infomax算法的性能进行了对比分析,结果表明三种算法均无法完全分离超高斯源与亚高斯源形成的混合信号,FastICA算法对能量强弱差别大的混合信号失效。基于这一现象,提出了一种新的独立分量分析算法,以粒子群算法为优化工具,以分离矩阵为优化变量,最小化分离信号联合概率与边缘概率乘积的差值,并给出了具体的计算流程。仿真实验结果表明,该算法的性能显著优于上述三种独立分量分析算法。同时,新提出算法实施过程中不需要任何先验知识,相比其他三种ICA算法,更适合解决工程实际问题。最后,将该算法应用于对滚动轴承实验台实测信号的处理,通过对分离信号的分析实现了对滚动轴承故障类型的准确识别,进一步证明了算法的有效性。     

EMD相关度去噪及其在轧机信号处理中的应用

基于经验模式分解(EMD)时间尺度滤波特性,在引入相关度分析的基础上提出了EMD相关度去噪方法.首先对含噪信号进行EMD分解得到信号各个本征模函数(IMF)分量,再根据所建立的相关度阈值函数计算各个分量的相关度值,在与预定阈值比较得到满足阈值要求的IMF分量,然后对这些分量进行信号重构得到去噪信号.该方法消除了EMD时间尺度滤波不适用于噪声和信号在IMF成分混叠情况下的限制.通过对平稳含噪信号和非平稳含噪信号进行的去噪仿真研究,表明了该方法的有效性.通过轧机在轧钢时实测信号分析验证了该方法的可靠性.     

一种改进的盲解卷积算法在轴承声学诊断中的应用

针对时域盲解卷积算法滤波器长度估计困难的缺点,提出一种基于遗传算法优化的改进算法。该算法利用遗传算法搜索最佳时延,解决了盲解卷积结果不确定问题,并改进了信号分量的聚类指标,采用峭度作为独立分量间距离测度,提高了信号分量聚类的准确性,获得了可靠的估计信号。计算机仿真和实际环境中故障轴承声信号提取实验验证了该算法的有效性。     

基于独立分量分析的波束空间波达方向估计算法

波束空间变换是波达方向估计算法中重要的预处理方法,该方法适合大阵列、小信号源数的场合,可以有效降低运算量。但是目前存在的波束空间类DOA估计算法大多需要预知信号的大致来向,同时对阵型有要求。为了解决上述问题,提出一种基于独立分量分析的波束空间DOA估计算法,使用独立分量分析方法获得波束形成变换矩阵。该算法对阵型无要求、无需知道信号来向并且具备较强的角度分辨能力。仿真实验验证了有效性。     

一种自适应EPF算法及其在光纤水听器中的应用

基于椭圆拟合的相位生成载波(Phase Generated Carrier,PGC)解调方法是消除非线性因素对光纤水听器PGC解调结果影响的一种有效手段,椭圆曲线参数的最优估计问题是实现该方法的关键。扩展卡尔曼粒子滤波(Extended Kalman Particle Filter,EPF)是解决此类非线性估计问题的一种常用的最优估计算法。但传统的EPF算法在用于常参数过程方程的参数或状态估计问题时,过程噪声的方差通常设置为一个常量,这使得算法难以兼顾收敛速度和估计精度,一定程度上限制了算法的整体性能。为了解决这个问题,文章对现有的EPF进行了改进,提出了一种自适应扩展卡尔曼粒子滤波(Adaptive Extended Kalman Particle Filter,AEPF)算法。模拟仿真和实验结果表明,文中所提出的AEPF算法能根据基于椭圆拟合的PGC解调方法有效地解调出待测声信号,相比EKF算法和EPF算法,AEPF算法的收敛速度和估计精度都得到了提升。此外,文章所提出的AEPF算法也适用于其他具有常参数过程方程的参数或状态估计问题,具有一定的通用性。     

中值与小波消噪集成的转子振动信号滤波方法研究

对受强脉冲随机噪声干扰转子振动信号的滤波方法进行了研究。提出了一种将中值滤波与小波消噪算法集成的混合滤波器。其中,中值滤波用于滤除信号的强脉冲噪声分量,小波消噪平滑线性叠加在中值系列中的平稳随机噪声。结果表明,实施的滤波方法对该类信号的处理效果好,获取的转子本质振动信号保持了信号的光滑性。     

基于频域盲解卷积的齿轮箱复合故障声学诊断

针对复杂声场环境中齿轮箱复合故障特征的提取,提出了一种基于频域盲解卷积的声学诊断方法。该方法通过形态滤波滤除非调制信号,结合改进复数固定点算法优选复独立分量,进而通过复独立分量J-散度解决独立分量间次序不确定性问题,计算机仿真及实际环境下齿轮箱复合故障声信号提取实验验证了算法的有效性。论文最后指出了未来需要进一步研究的主要问题。     

一种改进的三维块匹配图像去噪算法

目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,改进三维块匹配算法,提出一种新的图像去噪算法。方法首先,该算法将含噪声图像用图像块之间的相似性构建三维矩阵。然后,在图像块之间进行硬阈值滤波降低噪声,对图像块集合加权平均重建得到初步估计去噪图像。最后,对初步估计结果图像进行块匹配,在图像块内和图像块之间进行维纳滤波和加权中值滤波,得到最终去噪图像。结果仿真结果表明,该算法对图像采集的常见噪声均表现出理想的去噪效果,PSNR值均大于31 d B。对比维纳滤波、中值滤波、硬阈值小波滤波,文中算法对高斯噪声、椒盐噪声和混合噪声的去噪结果 PSNR值为31.5334~36.6466 d B,均高于其他算法,最高差值达到12.08 d B。结论结合中值滤波和三维块匹配算法的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。     

一种结合小波变换和维纳滤波的图像去噪算法

目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,结合维纳滤波的优势和小波分解各分量的特点,提出一种新的图像去噪算法。方法该算法先将含噪声图像进行小波变换,分离出1个低频分量和3个中高频分量,然后对低频分量进行自适应维纳滤波,对3个中高频分量用Canny算子提取边缘,最后将处理后的4个分量进行重构得到去噪后的图像。结果仿真结果表明,该算法对扫描仪引入的常见噪声均表现出较好的去噪效果,PSNR值均大于20 d B。尤其是对于高斯噪声和混合噪声,新算法去噪后的PSNR结果高于维纳滤波、软阈值小波滤波和文献[9]算法1~8 d B,效果较好。结论结合小波变换和维纳滤波的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。     

基于独立分量分析方法的柴油机噪声分离研究

介绍了独立分量分析方法的基本原理及其在柴油机噪声分离领域中的应用,分析了处理工程技术问题的FastICA算法。以6106型柴油机为研究对象,按国标要求采用九点法对某个含有预喷射工况的噪声信号进行采集,应用独立分量分析方法对测量信号进行分析。结果表明,相互独立的3个分离分量分属于活塞侧向敲击噪声、预喷射噪声和燃烧噪声。     

振动噪声信号分离优化算法研究

机械振动信号中混杂的背景噪声对信号的分析处理以及振动结构的建模有很大影响,在独立分量分析（ICA）理论研究的基础上,以信息论中的最小化互信息准则作为ICA的判据,提出了一种基于负熵的FastICA共轭梯度快速算法。该算法计算效率高,收敛性能好;适合对初始点不敏感和对鲁棒性有要求的信号处理。实验结果表明了对振动信号的背景噪声分离具有较好的效果。     

EKF和PF算法及其在目标跟踪中的应用

基于贝叶斯滤波的目标跟踪原理,介绍了扩展卡尔曼滤波(Extended Kalman Filter,EKF)和粒子滤波(ParticleFilter,PF)的基本思想和算法实现步骤。在非线性环境下对比分析了EKF算法和PF算法的估计精度,并给出两种方法的适用条件。EKF算法采用Taylor展开的线性变换来近似非线性模型,而PF算法采用一些带有权值的随机样本来表示所需要的后验概率密度。仿真结果表明,在强非线性非高斯环境下,PF算法的跟踪性能远优于EKF算法,当系统非线性强度不大时,EKF算法和PF算法的估计精度相差不大,但PF算法计算复杂,跟踪时间长,实时性差。     

EMD-Robust ICA在柴油机噪声源识别中的应用

为了有效地从复杂的单一通道噪声信号中分离和识别柴油机的噪声源,采用经验模态分解（EMD）和基于峭度的鲁棒性独立分量分析（RobustICA）相结合的方法,将EMD分解后的本征模态函数与原噪声信号作为RobustICA的输入,借助RobustICA良好的抗噪性,不需要对观测信号进行滤波处理就可以实现单一通道观测信号的源分量分离。模拟仿真的结果充分说明了该方法的可行性。应用于某四缸柴油机噪声信号分析,对分离出的独立分量进行小波（CWT）时频分析,结合内燃机的特性,从单一通道噪声信号中准确识别出柴油机的燃烧噪声和活塞敲击噪声。     

基于EEMD-Fast ICA-STFT的车用起动电机噪声源识别

提出基于集成经验模态分解(EEMD)、快速独立分量分析(Fast ICA)和短时傅里叶变换(STFT)的噪声源识别方法,对起动电机噪声信号进行声源识别研究。首先采用集成经验模态分解法将单一通道的电机噪声信号分解为一系列本征模态分量,随后用Fast ICA算法提取独立成分,最后利用短时傅里叶变换良好的时频分析特性,对Fast ICA分离结果进行时频分析,结合时频分析结果和电机噪声的先验知识,确定了各独立分量与电机不同噪声源的对应关系。     

自适应滤波在车用发电机噪声测试中的应用

介绍车用发电机噪声的测试方法和特点,应用自适应滤波方法对车用发电机试验过程中所测得的发电机噪声与试验台背景噪声的混合信号进行分离研究,同时与独立分量分析（ICA）方法进行了比较。实验结果表明,用自适应滤波的方法能很好地把发电机噪声和背景噪声分离开来,从而使发电机生产厂家不必为控制噪声测试过程中的背景噪声而对其发电机试验平台进行改造,有效地解决了其产品噪声测试的难题。     

独立分量分析在说话人识别技术中的应用

独立分量分析方法能够将线性混合信号进行分离,得到统计独立的源信号,能用于提取组合语音的特征基函数。倒谱矢量符合ICA变换的假设条件,用ICA方法对MFCC特征进行转换得到ICA特征基,继而用于说话人识别,建立了一个基于独立分量分析的说话人识别系统。实验结果表明,在噪声环境下此系统具有更高的识别率。     

Cutting force denoising in micro-milling tool condition monitoring

An independent component analysis (ICA) algorithm for cutting force denoising was applied in micro-milling tool condition monitoring. In micro-milling, the comparatively small cutting force signal is prone to contamination by relatively large noise, and as a result it is important to denoise the force signal before further processing it. However, the traditional denoising methods, based on Gaussian noise assumption, lose here because the noise is identified as containing a high non-Gaussian component in the experiment. ICA was recently developed to deal with the blind source separation (BSS) problem. It solves the BSS problem by measuring the non-Gaussianity of the signal and it is particularly effective in the separation of non-Gaussian signals. This approach employs fixed-point ICA (FastICA), assuming the noises are sources and the force signal is an instantaneous mixture of sources and by treating the signal denoising process as a BSS. The results are illustrated both in time and frequency domains. The FastICA denoising performances are compared with the popular wavelet thresholding. The results show that FastICA performs better than wavelet. Theoretical discussion of the nature of ICA and wavelet thresholding supports the results: ICA separates both Gaussian and non-Gaussian noise sources, while wavelet only suppresses Gaussian noise.     

铁线处理COD cr测定废液

重铬酸钾法测定COD废液中含有较高浓度Hg2+、Ag+、Cr(VI)、Cr3+和H2SO4,不处理排放严重污染环境。我们采用加铁线于废液中,铁置换Hg2+、Ag+生成汞银合金析出,Cr(VI)还原为Cr3+,然后加碱中和,过滤,除去Cr(OH)3沉淀,最后各离子均达到污染物排放标准要求。本方法比先前工作者处理方法简便彻底。