一种心音信号盲源分离方法

为了有效实现单路心音混合信号的盲分离,本文提出了一种基于EMD分解和独立成分函数的单路含噪心音信号盲源分离的方法。首先讨论了单路混合信号的分离模型,含噪信号预处理的方法,以及如何利用EMD变换进行窄带分层和获取独立成分函数的技术;然后通过独立成分函数作为基函数对单路含噪心音信号进行分解,使单路心音信号由一维向量转变为多维向量,从而实现心音信号的盲源分离;最后通过实际的心音分离实验,验证了本方法的实用性,其分离结果的相似度达到0.9792。     

基于盲源分离的弱信号检测方法研究

本文对基于盲源分离技术的弱信号检测方法进行了研究,构造了弱信号检测模型.采用基于高阶累积量的独立分量分析算法来对弱信号进行检测.为了证明模型和算法的有效性,对弱语音信号进行实验仿真检测.实验表明,盲源分离技术应用在弱信号检测中是可行的,算法能够有效地提高输出信噪比.随着输入信噪比的降低,输出信噪比的改善效果越明显.当输入信噪比不低于-82dB时,该算法能有效地检测到弱信号源.     

改进的FastICA在盲图像分离中的应用

盲源分离（BSS）是信号处理领域的一个热点问题。独立分量分析（ICA）是一种基于高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已广泛应用于信号处理领域。为了有效地对混合图像进行盲源分离,介绍了一种基于改进的快速固定点算法（FastlCA）,对经过随机线性混合后的模糊图像进行盲源分离。仿真结果显示,该算法可以很有效地对线性混合图像进行盲源分离。     

一种小样本情况下的盲源分离算法

本文首次提出了一种小样本情况下的盲源分离算法,这种方法是在常用的自然梯度串行更新算法基础上,通过均匀递减步长并经重复迭代实现.这种算法充分利用了已有的数据,不断变换初始矩阵,达到小样本收敛的结果.这种算法不同于其他自适应步长调整算法的是不需要计算每一步迭代后信号的分离度,不需要在线调整参数,不需要经验参数.仿真结果表明:在采样点较少的情况下,该算法对于已有算法能够更快速的收敛而且算法精度较高.     

一种基于信息最大化的自适应变步长盲源分离算法

现有的盲源分离算法不适合于数据的实时处理,并且算法性能依赖于步长的选择.提出一种基于信息最大化的自适应变步长盲源分离算法,采用基于估计函数的变步长算法,降低了盲源分离算法性能对步长的依赖性,并且采用自适应处理形式,适合数据的实时处理.最后将其应用于声音信号的盲分离,在选择小的步长参数的情况下,原有算法和文中新算法都取得了良好的分离效果;在选择较大的步长参数的情况下,新算法优于传统算法.     

改进的互信息最小化非线性盲源分离算法

提出了一种改进的互信息量最小化非线性盲源分离算法,改善了优化算法在串音误差方面大等的不足。该方法利用自然梯度优化算法来优化目标函数,避免了对矩阵的求逆计算,减少了计算时间。此外,在网络参数优化的过程中引入了扰动信号,提高了非线性盲源分离算法的寻优能力。实验结果表明改进的非线性盲源分离算法是有效的,而且相对传统的非线性盲源分离方法具有较小的误差。     

空调电机振声信号的盲源分离故障特征提取

电机振声信号蕴涵着丰富的电机状态信息,文中提出利用电机振声信号对电机进行故障诊断,实现噪声出厂检测.由于观测信号信噪比较小,难于提取电机振声信号故障特征.应用肓分离技术从观测信号提取独立的声源信号,提出了基于峭度的盲源分离开关算法,可以在源信号概率密度函数未知时提取独立分量,消除相邻部件辐射噪声的干扰.实验证明该算法成功分离电机振声信号,有效提取故障特征.     

基于小波包混合优化的欠定盲源分离方法

为解决欠定盲源分离问题,提出一种基于小波包混合优化的欠定盲源分离方法。 该方法采用小波包变换将观测信号分 解,将观测信号的维数进行扩展,利用互相关系数值剔除冗余的信号分量,欠定盲源分离问题得到转化。 接着使用贝叶斯信息 准则下的奇异值分解方法估计源信号数目,通过白化过程对信号降维。 最后,引入鲸鱼优化算法中的螺旋泡网狩猎行为与莱维 飞行策略,对灰狼优化算法进行改进,将改进后的混合灰狼优化算法与独立成分分析算法相结合,实现重构正定白化信号的分 离,从而得到源信号的近似估计。 通过仿真实验对算法性能进行测试,结果验证所提方法的可行性和有效性。     

基于小波变换ICA盲源分离

独立分量分析(ICA)是90年代中期发展起来的一种统计信号处理的新技术,其在盲源信号分离中越来越显示其魅力,但在实际应用中必须考虑线性混合矩阵的时变性问题.同时,由于ICA输出结果在排序上的不确定性,使各段数据分离结果之间没有同一的对应关系,因此需要通过"试听"才能完成各数据分离结果的前后连接,这是一项烦琐的工作,尤其在声源比较多的情况下,工作量非常大.针对这些问题,文中提出一种将小波变换和ICA结合的方法.     

盲源分离在振动机械故障诊断中的应用

采用了盲源分离的方法对机械振动信号进行了研究。首先简要地介绍了盲信号分离基本原理。基于最大负熵的原理,建立了用独立分量分析方法估计分离矩阵的FastICA的模型,并给出了实现步骤,编制了相应的程序。对实际振动传感器采集到的信号并进行盲分离实验,不同特征的信号可以被分离开来,分离出的信号极大地保留了源信号的信息特征。实验结果表明此方法是有效的,可作为振动机械故障诊断的信号预处理方法.     

基于ICA盲源分离的声表面波无线传感器信号抗干扰方法

针对声表面波传感器无线信号易受环境中同频信号干扰的问题,设计了基于独立分量分析(ICA)盲源分离的抗干扰算法.该算法对传感器和同频干扰的混合信号进行分离,然后基于分离信号波形的衰减和等幅特征对信号进行判别.MATLAB仿真结果表明,算法能够有效分离混合信号并且保留了源信号的时域波形特征和频域信息.将抗干扰算法在基于数字...     

基于两路传感信号的多源退化盲分离算法研究

在工程实际中大多数情况下面对的系统是一个黑匣子，无法确切知道其源信号的数目，传统的ICA算法无法使用。基于此给出了一种新的算法一退化盲源分离算法，该算法只需利用两路传感信号就可以确定其中的源信号数目，并将其通过构造分离系数分离出来。首先确定了该算法的适用前提条件假设，建立了考虑干扰信号因素在内的混合信号的数学模型，详细介绍了算法的实现过程。通过对5路人工合成的语音信号进行分离试验验证了该算法的可行性;并成功应用于工程实际中。     

盲源分离技术在振动法检测变压器故障中的应用

变压器油箱表面的振动信号可以反映其内部绕组与铁心的健康状况,具有良好的应用前景。但在油箱表面测得的信号都是绕组和铁心振动信号的混合,且两者相关程度很高,难以用普通分离算法进行分离,不利于分别对绕组及铁心的故障进行诊断。鉴于此,本文提出一种基于子空间独立分量分离法(SDICA)的变压器绕组和铁心振动信号盲源分离方法。首先,对基于SDICA算法的盲源分离方法进行了说明,利用所构建的仿真信号对该算法进行了验证,并与普通盲源分离算法—快速独立分量分离(fastICA)算法的分离结果进行了对比,证实了SDICA算法适用于变压器振动信号的分离;然后,运用SDICA算法对测得的一台试验变压器的振动信号进行了分离,并探讨了测量位置、电压等级以及负载大小对分离结果的影响;最后,将SDICA盲源分离算法在一台现场实际运行的、有一定故障隐患的变压器中进行应用,成功分离出了绕组和铁心振动信号,且绕组信号中包含有丰富的振动故障特征,与该变压器实际的运行情况相符合。本文提出的盲源分离算法可根据在油箱表面测得的多路振动信号直接分离出绕组和铁心振动信号,这对于振动法在变压器绕组及铁心故障诊断中的推广应用具有重要意义。     

遗传算法在过程信号的盲分离中的应用

盲分离神经网络算法存在着容易陷入局部极小点、收敛速度慢的缺点。提出采用遗传算法优化盲分离神经网络权值的初值,与遗传算法结合形成GA-HJNN算法,可迅速得到最佳盲分离神经网络的权值矩阵,实现对过程信号的去噪。通过实验对两种算法进行了比较。     

电力变压器振动信号分离方法研究

以独立成分分析(ICA)为代表的主流盲分离技术对信号独立性要求较高,难以分离具有高度相关性的变压器铁芯与绕组振动信号。为了分离变压器铁芯和绕组振动信号,建立了变压器振动信号混合模型,在该模型基础上提出了一种基于时频比盲源分离算法(TIFORM-BSS)的变压器振动信号分离方法。将该方法分别应用于分离人工混合后的110 k V三相变压器油箱壁信号和实际运行中的500 k V单相变压器油箱壁振动信号,结果表明该方法能够有效分离具有强相关性的变压器绕组和铁芯振动信号。     

基于互信息最小化盲源分离准则的电压闪变检测方法

为了准确测量电网电压闪变的参数,提出了一种新的基于最小化互信息准则的盲源分离方法。将含有电压闪变的混合信号视为盲信号,对采样得到的混合信号序列分别延时若干点,构造输入信号矩阵,基于互信息最小化盲源分离准则,用Fast-ICA算法从混合信号中分离出闪变的包络波形,再进行频率和幅值的计算,就可得到短时闪变值。设计了由信号发生电路、功率放大电路及采样电路等组成的实验电路,实验结果表明此方法对平稳和瞬时闪变信号的幅值、频率测量精度高,特别是在含非整次调制谐波时,优于传统的快速傅里叶变换算法,取得了较好的效果。     

基于独立分量分析盲源分离快速算法

独立分量分析(ICA)是一种统计方法,在信号处理方面有着广泛的应用.文中介绍ICA的基本原理,探讨快速的定点算法,并给出了仿真结果.     

基于互信息最小化盲源分离准则的电压闪变检测方法

为了准确测量电网电压闪变的参数,提出了一种新的基于最小化互信息准则的盲源分离方法.将含有电压闪变的混合信号视为盲信号,对采样得到的混合信号序列分别延时若干点,构造输入信号矩阵,基于互信息最小化盲源分离准则,用Fast-ICA算法从混合信号中分离出闪变的包络波形,再进行频率和幅值的计算,就可得到短时闪变值.设计了由信号发生电路、功率放大电路及采样电路等组成的实验电路,实验结果表明此方法对平稳和瞬时闪变信号的幅值、频率测量精度高,特别是在含非整次调制谐波时,优于传统的快速傅里叶变换算法,取得了较好的效果.     

基于盲源分离和小波滤波的胎儿心电检测

利用胎儿心电信号与母亲心电信号及其他干扰信号之间的统计独立性、非相关性,采用盲源分离算法将胎儿心电信号从复杂的背景干扰中分离出来,但分离出来的胎儿心电图信号仍然受到噪声的干扰。本文提出联合小波滤波与盲源分离的胎儿心电检测方法,首先采用盲源分离处理多传感器采集到的信号,得到受干扰的胎儿心电图信号,然后采用小波滤除噪声,获得较为清晰的胎儿心电图信号。实际采集数据试验表明了该方法的可行性和优越性。