基于偏时域相干分析的频谱混叠信号分离方法

提出一种基于偏时域相干分析的频谱混叠信号分离方法。该方法依据参考信号,利用偏时域相干函数,通过对信号分量与混合信号的功率比进行定量分析得到信号的瞬时混叠模型,最后按照瞬时混叠的逆过程分离出各信号分量。该方法与自适应分离方法的输入信号模型等价,且概念、算法简明。典型信号条件下的仿真实验表明在其功能与自适应分离方法基本相同的情况下,信号分离的准确度优于自适应方法。     

等变自适应算法在声学特征信号分离中的应用

本文介绍了一种高效的盲分离算法——基于独立性的等变自适应分离算法，简称EASI算法(EASI：Equivariant Adaptive Separation via Independence)。为了克服EASI算法依据峭度选择非线性函数的问题，引进了其改进算法。将其运用到声学诊断中，对声混合信号进行频谱分离，得到各声源的特征频谱结构图。EASI及其改进算法经过实验研究，证明了该算法的有效性。     

独立分量分析及其在故障诊断中的应用

独立分量分析是盲源分离的一种新方法，其处理的对象是相互统计独立的信号源经线性组合而产生的一组混合信号，最终目的是从混合信号中分离出各独立的信号分量。本简要介绍了独立分量分析的基本思想及算法，并对现场采集到的多组振动信号进行了分析，结果表明，独立分量分析在对混合信号进行盲分离方面具有很强的能力，从而为机械设备状态监测与故障诊断提供了一种行之有效的信号预处理的新方法。     

基于改进变分模态分解的旋转机械故障时频分析方法

变分模态分解(variational mode decomposition,VMD)算法作为一种新的多分量信号分解方法,采用频域迭代的求解方式,具有明确的理论基础和高的分解精度,为了自适应确定其分解分量的个数,以互信息为判据对原方法进行了迭代停止条件的改进,并结合Teager能量算子具有对单分量信号解调速度快、精度高的优点,提出了Teager-VMD时频分析新方法。仿真信号分析表明该方法能将含有变频、频率突变和频率相近的多分量信号进行有效的分离;实测转子系统局部碰摩、油膜振荡信号分析表明,该方法能够精确提取各分量的清晰时频特征,能准确地辨别碰摩故障的严重程度和诊断油膜振荡故障,较HHT方法精确有效,具有一定的工程应用价值。     

基于高阶累积量自适应算法的列车轴承的故障诊断

论述三阶累积量递推最小二乘自适应算法（CDRLS）和三阶累积量最小均方误差自适应算法（CDEFWLMS），及其在列车轴承故障诊断中的应用。通过对列车滚动轴承的保持架断裂和滚子掉块典型故障信号分析，得出高阶累积量自适应算法具有良好的降噪性，CDEFWLMS算法比CDRLS算法处理后的特征频率更突出明显。研究表明：用高阶累积量自适应滤波算法提取信号特征，容易地分离正常轴承信号、保持架断裂和滚子掉块故障信号，从而验证了高阶累积量自适应滤波在故障诊断、检测中具有良好的应用特性。     

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。     

基于EEMD-AESSAICA的电驱动单通道噪声源分离识别

为准确分离识别电驱动总成的噪声源，提出一种集合经验模态(EEMD)与改进樽海鞘的独立分量分析(AESSAICA)方法。首先针对传统盲源分离方法存在收敛速度慢、分离精度低的问题，提出基于改进樽海鞘算法的盲源分离算法，提出自适应领导者数目的精英方向学习策略，其能够平衡全局探索和局部开发矛盾、加快收敛速度。其次通过仿真实验验证该方法比传统独立分量算法在分离效果上提升4.38%，能够提高分离效率，提升分离结果质量；然后联合EEMD和AESSAICA算法提出的单通道盲源分离方法，同时验证其相似系数在0.96以上；最后采用该方法分离识别电驱动主要噪声分量。结果表明上述方法能够有效识别电驱动各独立噪声源，通过减速器噪声实验验证最大分离误差为1.1%，分离结果的准确性得到证明。     

一种改进的自适应滤波算法在微震信号处理中的实现

为实现低阶滤波器对微震信号进行自适应滤波处理,提出一种新型的自适应滤波算法——变步长延时LMS算法(VS-DLMS).运用Matlab软件对该算法进行计算机仿真验证,并将其与传统自适应滤波算法在滤波器阶数较低时的滤波效果进行比较,证明该算法的有效性与优越性.最终设计该系统各模块功能图并在FPGA中编写VHDL语言对该算法进行硬件部分实现.结果表明:该算法有非常好的可行性,对比传统算法在高速地震信号采集处理应用中有着良好的应用前景.     

基于数字信道化技术的自适应门限检测算法

当卫星通信系统中同时存在强信号和弱信号时,固定门限对微弱信号出现大概率漏警问题,该文提出了一种基于数字信道化技术的自适应门限检测算法。该算法针对不同的子信道集产生适配的自适应检测门限,在强信号的检测上保持了固定门限的优势,在弱信号的检测上能够有效检测和跟踪目标频率信息,支持对强信号和弱信号进行分离和检测。通过蒙特卡洛仿真对数字信道化后的固定门限检测和自适应门限检测进行对比,自适应门限算法能够有效检测强信号和弱信号,实现强弱信号的有效分离,验证了基于数字信道化技术的自适应门限检测算法的有效性。     

一种新的应用于助听器指向性传声器的自适应算法

在噪声环境中助听器的性能会受到严重影响。但当噪声与期望信号处在不同方向时,在助听器中使用指向性传声器系统能够有效地抑制噪声,使助听器的使用者受益。在复杂环境中采用自适应指向性的传声器系统能够动态调整指向性模式,以适应噪声的变化情况。基于自适应最小均方（LMS）算法提出了一种新的适用于助听器的自适应算法,用以动态调整传声器系统中滤波器的系数,使指向性模式的灵敏度最低点朝向噪声源方向,达到降噪的目的。相比于经典的LMS算法,该算法有效改善了期望信号存在时的失调情况。通过仿真结果讨论了算法中关键参数的选取对于失调并和收敛速度的影响。     

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。     

自适应光学系统中实时自适应控制的仿真研究

介绍和分析了一种利用校正残差进行实时迭代的自适应控制算法，可以应用到校正大气湍流的实际自适应光学系统。利用61单元自适应光学系统上实际采集的大气湍流扰动信号，实现了自适应控制算法，并对这种算法的收敛性、稳定性、控制效果等进行了计算机仿真研究，与常规PID算法进行了比较。     

用多项式模型和自适应滤波估计瞬时频率

本文论述了非平稳信号瞬时频率(IF)的估计方法,包括基干最小均方误差(LMS)算法或递推最小二乘(RLS)算法的自适应IF估计方法和基于信号相位多项式模型的IF估计方法。对各种估计方法的估计方差与理论方差下限进行了比较。说明了,基于互Wigner分布的估计方法所需信噪比(SNR)门限值最低。在低SNR、短信号记录的情况下,用多项式相位模型与最大似然法可以获得比较可靠的IF估计。     

基于AFF和SGA的科氏质量流量计信号处理方法

采用一种新的方法来处理科里奥利质量流量传感器的信号。该方法将自适应Funnel滤波器（AFF）和滑动Goertzel算法（SGA）结合起来,能够精确地跟踪信号的频率,计算相位差。与以往的方法相比,该方法跟踪精度高且跟踪速度快,具有用定点实现其算法时不容易产生溢出和适合于时变信号的优点。     

基于格型陷波滤波器的科里奥利质量流量计信号处理方法

采用比IIR型计算更为简单的自适应格型陷波滤波器对科里奥利质量流量计的流量传感器的输出信号进行滤波并求得其频率；并应用自适应谱线增强器从含有噪声的信号中提取出流量管振动的基频信号；然后采用滑动Goenzel算法计算两路信号之间的实时相位差，再根据频率和相位差计算出时间差最终求得质量流量。     

基于LMS算法的移相干涉仪环境振动控制器

环境振动严重影响移相干涉测量的过程。在运用光学外差法测得移相干涉仪环境振动信号的前提下,设计了采用高速DSP芯片的振动控制器,它对电压形式的振动信号进行采样,用自适应LMS算法分析振动信号,同时输出反馈控制信号。反馈控制信号驱动PZT光学移相器对振动引起的光程差(或波前相位)变化进行实时补偿。通过这种闭环控制,系统能够对幅频积小于100waves*Hz的环境振动进行有效补偿,实验中获得了稳定的移相干涉条纹,保证了光学测试的正确性。     

一种基于遗传算法的VMD参数优化轴承故障诊断新方法

为准确提取轴承故障特征信息,提出以峭度指标和包络熵为综合目标函数的变分模态分解(variational mode decomposition,VMD)参数优化方法,并改进了诊断流程实现了无需指定参数优化范围的自适应参数优化算法。通过遗传算法对综合目标函数最小值进行搜索,以确定模态分量个数及惩罚参数的最佳组合。原始故障信号经最佳参数组合下的VMD方法分解为若干个本征模态函数,选择最小综合目标函数值对应的模态分量进行包络解调分析,进而通过模态分量的包络谱判断轴承故障类型。通过实测故障信号分析表明,该方法能够从噪声干扰中有效提取到早期故障信号的微弱故障特征,实现了轴承故障类型的准确判定,验证了该方法的有效性。     

柴油机振动信号盲分离组合算法

由于机械系统的振动信号能有效反映系统特征,对其进行盲解卷积能提供由混合信号中分离出源信号的可能性,为此提出机械系统振动卷积模型;将多通道盲最小均方差与缩减盲源方法结合提出MBLMS-TDS组合算法,且利用该算法对卷积混合信号进行盲解卷积验证算法的合理性;用该算法对柴油机表面混合振动信号进行分离,获得活塞撞击缸体信号与柴油机燃烧信号。     

多输入多输出混合振动试验中正弦与随机信号分离方法

研究了多输入多输出正弦加随机混合振动试验的控制方法,指出混合信号中正弦信号和随机信号的精确分离是提高控制精度的关键因素。提出了具有滤波特性的不相关积分法在时域中识别正弦信号,避免了频域识别的泄露误差问题,详细地推导了将给定频率的正弦信号从混合信号中分离出来的公式;数值计算显示该方法的识别精度达到0.44%。以一悬臂梁作为研究对象建立两输入两输出振动试验系统模型,使用比例均方根控制算法和正弦幅值修正法分别对随机振动和正弦振动进行修正,将随机信号控制在参考谱的±3dB以内,将正弦信号的幅值控制在参考值的±10%以内,满足振动试验要求。     

基于LCD-LLTSA的电动汽车电机轴承故障特征频率提取

为有效提取出电动汽车电机轴承故障特征频率,将局部特征尺度分解、线性局部切空间排列和包络分析进行结合,用于电动汽车电机轴承的故障特征频率的提取。首先利用局部特征尺度分解对电动汽车电机轴承故障信号进行分解,得到若干个内禀尺度分量;然后利用线性局部切空间排列对由内禀尺度分量构成的矩阵进行降维处理,得到低维矩阵并以此进行信号重构;最后对重构信号进行包络谱分析,获得故障特征频率。仿真信号和实验信号的实验结果验证了方法的有效性。