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。     

机械声混合及其盲分离技术的研究

盲源分离是一个很有优势的盲信号分析与处理工具,在机械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、尤其是机械声源信号分离中,源分离精度还不够高.鉴于此,在分析机械声产生、传播与混合机理以及盲分离算法基础上,提出了新的解决途径,特别是基于带通滤波改进的盲源分离新方法.仿真以及实际的机械声源盲分离实验结果,证实了新方法的有效性.     

用慢特征分析算法实现水声信号盲分离

在常规的水声信号盲处理研究中,通常都是用独立成分分析算法分离线性混合信号,而对于较复杂的非线性混合信号,独立成分分析算法无能为力。针对这种情况,提出将慢特征分析(Slow Feature Analysis,SFA)算法应用于水声信号非线性盲源分离领域。一般而言,对源信号做非线性混合变换后输出混合信号较源信号变化较快,而采用SFA算法可以从复杂的非线性混合信号中提取出变化缓慢的信号,通过仿真实验,分别对简单信号和复杂水声信号的非线性混合信号进行分离,通过将源信号与分离信号对比,发现SFA算法输出信号与源信号高度相似,验证了SFA算法在非线性盲源分离领域应用的有效性和可行性。     

非平稳信号的盲源分离在机械故障诊断中的应用

机械设备发生故障时，故障特征的提取很重要．对于多通道的设备故障振动信号，应用非平稳信号的盲源分离算法，可以有效地提取各自独立的非平稳振动源，从而可以准确地进行机械故障诊断。针对不同时频分布的非平稳盲源分离算法，比较了它们的分离效果。以转子的复合故障为例，验证了该算法在故障诊断中可行性。     

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。     

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。     

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。     

盲源分离在机械故障诊断中应用综述

介绍了盲源分离(blind source separation,简称BSS)的基本概念和研究发展,综述了盲源分离在机械故障诊断中的研究现状,主要论述了基于盲源分离的机械噪声源分离、基于盲源分离的机械故障的特征提取和模式分类.并提出了盲源分离在机械故障诊断应用中需要进一步研究的问题.     

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。     

盲卷积分离及其在机械振动信号消噪中的应用研究

盲源分离应用于机械振动信号的预处理中，提供了一个新的处理机制，在机械状态监测和故障诊断中具有一定的价值。本文研究了盲卷积分离的理论，提出了基于限值VQM检验控制准则的盲分离算法，根据机械振动信号的特点探讨了该方法在机械振动信号瞬态成分和噪声卷积混叠信号分离中的应用，有效地提取了瞬态成分，表明了算法的有效性。     

基于最优匹配跟踪算法的单通道机械信号盲源分离

在形态学滤波的基础上,结合匹配跟踪算法(Matching Pursuit,MP)和盲源分离算法(Blind Source Separation,BSS)各自的特点,提出了一种基于最优匹配跟踪信号分解的欠定盲源分离算法.利用MP算法将非线性信号通过投影分解,在分解过程中利用遗传算法寻找最优原子,有效提高了算法匹配的精度和效率.将所得到的匹配分量和滤波后的原始观察信号组成新的多维信号,解决了单通道信号盲分离的欠定问题.利用快速核独立分量分析(Fast Kernel Independent Component Analysis,FastKICA)算法实现信号的盲分离,并分析了分离的不同源信号对于故障的贡献率.将该方法用于仿真信号和实际的轴承试验的信号,试验结果表明算法能够很好地解决单通道信号的盲分离难题.     

基于复解析带通滤波器的复调制细化谱分析的算法研究

在采用复解析带滤波器宽度为fs／2D、隔D点选抽一点、移频和作N点谱分析的方法进行细化谱分析的原理基础上，研究了基于复解析带通滤波器复调制细化谱分析的算法。讨论了算法的核心部分－复解析带通滤波器的构造，滤波器外扩的原理，一级选抽及二级选抽滤波器的设计。仿真研究表明，采用一级FIR数字滤波器，当半阶数为500时，最大细化倍数可达150，仍能保证幅值分析误差在1％以内，采用二级FIR滤波器最大细化倍数可达2000倍以上，运算速度也有较大幅度的提高。     

模式滤波法分离井场振动信号的应用实践

采用新的工程信号分离处理方法—模式滤波法,研究钻井井场振动信号的分离,获得钻井泵、牙轮钻头和PDC钻头工作时钻柱顶部振动信号。该方法在工程信号的分离处理中具有良好的应用前景。     

复解析带通滤波器及其在解调分析中的应用

复调制带通滤波器具有负频率为零、冲击响应函数实部和虚部有 90°相移的特点 ,能将带通滤波和希尔伯特变换合为一体 ,只要选择合适的滤波参数 ,在解调分析中将不包括故障信息的时域相加信号滤掉 ,且能避免广义检波滤波解调分析中的混频效应。利用此原理 ,并将最大细化倍数与带通滤波器的宽度之间建立了严格的数学关系 ,以避免为了大幅度提高运算速度而只对选抽点进行变换可能产生的频混现象 ,优化了现代设备故障诊断广泛应用的窄带希尔伯特变换解调分析的算法     

基于复解析带通滤波器的复调制细化谱分析原理和方法

采用复解析带通滤波器进行选带细化谱分析的原理为：构造复解析带通滤器－对时域信号隔D（细化倍数）点或2D点进行复解析带通滤波－移频－进行FFT和谱分析。与传统复调制细化谱分析相比,由于只对细化选抽点进行移频,大大节省了内存空间,减少了计算工作量;由于先选抽滤波后移频,避免了较复杂的频率调整过程,复解析滤波器的负频率部分幅值为零,能够大大降低对数字滤波器特性的要求,提高细化分析的最大倍数和细化谱分析的精度,仿真研究表明,采用FIR一级数字滤波器,当半阶数为500时,最大细化倍数可达150,仍能保证幅值分析精度误差在1％以内,采用二级FIR滤波器,最大细化倍数可达2000倍以上。     

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。