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。     

混合正交小波包

给出了尺度因子a=4时混合正交小波包的构造,传统的小波包可以细化频谱窗口以解决正交小波基在高尖区频谱局部性差的缺点,在混合正交小波基的基础上构造出的混合正交小波包不仪具有传统小波包的特点,而且在不失正交性的条件下,改变了小波包函数的形状,从而获得更好的细节匹配。     

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。     

基于盲源分离的有机物混合信号特征提取与解析

展开基于独立成分分析(ICA)对复杂有机物混合体系盲源解析的系统研究。通过确立合理的独立成分数目的方法,分别利用模型分离信号的重构信号与原始信号之间的均方根误差、主成分的方差贡献率对独立成分数目的选择进行优化。综合3种ICA算法完成了以下研究：(1)含硝基苯等多种环境有机污染物混合质谱信号的源解析,其中Kernel-ICA提取的独立成分与实际的源信号之间具有较高的相关性,R平均值(标准差)为0.869 7(0.10),可以满足定性识别的要求;(2)复方氨酚烷胺药物的紫外光谱信号中特征组分信息的提取,Kernel-ICA对药物主要成分对乙酰氨基酚提取的有效度最大。该研究工作为构建有机物体系最优盲源解析模型提供了理论支持,为实际环境样本中有机污染物的源解析、药物有效成分的提取提供了有效的手段。     

基于ICA的多人脚步声信号分离和识别

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,能用于提取脚步声信号的特征基函数。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特征基继而用于脚步声先好的分离。实验结果表明在噪声环境下此系统具有一定的识别率。     

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。     

基于EFICA的混合语音盲分离时域算法

卷积混合语音进行盲源分离时,不能直接应用独立分量分析（ICA）算法。文中采用一种新的卷积混合语音模型,对多通道混合语音使用近来提出时域EFICA的算法进行盲分离,然后利用聚类和重构算法来恢复源信号。通过真实语音实验表明,文中提出的算法能够有效的分离混合语音信号。     

基于新概率密度函数的ICA盲源分离

基于独立分量分析(Independent Component Analysis,ICA),利用极大似然估计法,研究了超高斯和亚高斯的混合信号的盲源分离(Blind Sources Separation,BSS)问题.文中构造了一种新的、不同于以往文章中用来分离混合信号的概率密度函数(Probability Density Function,PDF).新构造的PDF无需改变函数中的参数值,可用来对于超高斯和亚高斯信号的概率密度进行估计(假设未知源信号是相互独立的).数值实验验证了新构造的PDF的可行性,与原算法相比,收敛时间和分离效果都得到了较大的改善.     

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。     

基于小波包分析的拉索损伤声发射信号特征提取

结合显式有限元和小波包分析技术开展了拉索损伤声发射信号特征提取的仿真分析。采用ANSYS/LS-DYNA模拟得到拉索损伤声发射信号的仿真信号,基于小波包能量谱对拉索声发射的有限元仿真信号进行了特征提取,从小波包分解层次、特征频带数量的选择及特征参数的噪声鲁棒性三个方面开展了讨论分析。结果表明:(1)通过选择适当的小波包分解层次,小波包能量谱可以精细地反映信号的特征;(2)选取少数特征频带就能使得小波包能量谱反映声发射信号的特征信息;(3)基于小波包能量谱的特征参数具有良好的损伤敏感性及噪声鲁棒性,能在强噪声影响下实现对拉索不同损伤类型的判别。     

基于小波包时频图特征和卷积神经网络的水声信号分类

水下声信号分类是水声学研究的一个重要方向.一个有效的特征提取和分类决策方法对水声信号分类技术至关重要.文章将鱼声、商船辐射噪声和风关噪声三类实测的水声信号在小波包分解的基础上提取时频图特征,并搭建了一个七层结构的卷积神经网络作为分类器.研究结果表明:三种水声信号的小波包时频图特征结合卷积神经网络在不同测试集可达到(98...     

基于小波包的胃电信号消噪处理的研究

对胃电信号进行了快速傅立叶分析、功率谱分析,并重点进行了小波包分析,利用小波包变换所具有的优良时频分析特征和多尺度传播特性,消除胃电信号的噪声,从而提高了胃电信号的信噪比,为胃电信号的深入研究提供了良好的基础.     

基于小波包能量变化率的激光超声处理

为提供解决航空发动机原位裂纹的快速检测方法,得到缺陷深度与特征量之间的关系,使用激光器在一系列不同缺陷深度的航空板上激发声表面波,对收集到的信号进行预处理,并提出新的小波包变换能量变化率指标,用于进行缺陷损伤识别。结果表明:反射波信号在S_(80)、S_(81)频带上的小波包能量变化率随缺陷深度的增加呈现增加趋势,增长幅度分别为96.8%、86.3%;而反射回波在S_(80)、S_(83)频带上的小波包能量变化率较为显著,增长幅度分别为23.8%、80.2%。该分析方法为激光超声表征表面缺陷提供新的思路,为今后从能量变化率指标分析裂纹深度奠定基础。     

基于小波包分解和PCA-Attention-LSTM的舰船辐射噪声识别技术

为了改进舰船辐射噪声分类系统的性能,进一步提高识别准确率,文章提出了一种基于多特征的小波包分解在长短期记忆(LongShort-TermMemory,LSTM)网络中分类的方法。该方法首先通过小波包分解技术,分频段提取舰船辐射噪声的多种特征,将提取的特征利用主成分分析法(Principal Component Analysis, PCA)进行数据降维,通过添加注意力机制(Attention Mechanism)算法的LSTM网络,对辐射噪声结果分类,提高了学习效率和识别准确率。为了更精细地提取特征,分频段提取了舰船辐射噪声的时频域特征、小波变换特征和梅尔倒谱系数等特征,并将分频段与不分频段的特征、多特征与单一特征、不同信噪比间的算法性能进行对比。实验结果表明,基于小波包分解和PCA-Attention-LSTM的模型可以有效地提高舰船辐射噪声分类的性能,是一种可行的分类方法。     

基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法

为实现风电机组齿轮箱及时有效地监测和维护,提出基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法。该方法针对齿轮裂纹振动信号为转速频率对啮合频率及其倍频调制的特点,利用小波包分解来识别振动信号中的故障特征,通过小波包频带能量监测得到故障部位的啮合频率范围;考虑到倒频谱可以分离和提取难以识别的密集调制信号的周期成分,基于倒频谱识别故障部位的转速频率,综合利用两种频谱分析方法得到的啮合频率和转速频率,能诊断故障部位和类型。实验研究表明,该方法能精确地诊断齿轮裂纹故障,并可以实现对风电机组齿轮在复杂环境中退化状态的监测,预防断齿等重大故障的发生。     

基于光学体全息和小波包分解的虹膜识别实现

在光电混合的体全息系统上实现虹膜识别.利用小波包分解生成特征图像,并且穷举找到具有较高识别率的小波包节点组合.耗时的特征图像生成和图像存储都是事先进行的,光学体全息凭借其多通道和高并行性可以实时地完成特征提取和相关.计算机对采集到的相关结果进行后处理,通过选择合适的窗口和归一化可以进一步提高识别率.模拟识别率可达98%,实验中的最高识别率为91%.实验结果证明了方案的可行性,并为今后向实用化方向发展奠定了基础.     

基于双树复小波包峭度图的轴承故障诊断研究

针对传统包络谱和峭度图分析技术的缺陷,提出了一种基于双树复小波包峭度图的轴承故障诊断方法。该方法综合利用了双树复小波包变换和峭度图分析技术,克服了原峭度图方法只采用FIR和短时傅立叶变换滤波器的缺点,提高了从强噪声环境中提取瞬态冲击特征的能力。首先利用双树复小波包变换,将振动信号分解成不同频带的分量,然后计算各小波分量的谱峭度,再利用谱峭度的滤波器作用,计算最大峭度值对应分量信号的包络谱,根据包络谱就可识别齿轮箱轴承的故障部位和类型。齿轮箱轴承故障振动实验信号的研究结果表明：该方法不仅提高了信噪比和频带选择的正确性,而且能有效地识别轴承的故障。     

基于小波包的调频波解调软件方法

提出了基于小波包的调频波解调方法 ,通过对各种调频信号进行时频分析 ,给出了信号的时间—频率谱图 ,能有效地检测到瞬时频率和获取调频信息 ,该方法可广泛应用于动态测试和软件无线电等领域     

基于小波包能量谱的结构损伤预警方法试验研究

摘 要：通过钢梁损伤试验,验证基于小波包能量谱的结构损伤预警方法在实际结构上应用的有效性。对钢梁进行完好工况和三个损伤工况的动力响应测试,对得到的响应进行小波包分解,考察损伤前后各个特征频带的能量变化。试验结果显示,损伤预警指标ERV和ERVD能够对三种损伤工况做出有效预警;同一工况的多次测试得到的损伤预警指标ERVD虽有变化但变化不大。基于小波包能量谱的结构损伤预警指标对结构损伤具有敏感性、对测试噪声具有鲁棒性,可以用于实际结构损伤预警。