调制声场声源定位技术研究

为提高调制声场特征提取的准确性,减小噪声对全息重建结果影响,提出复解析小波变换的调制声源近场声全息分析方法。利用复解析小波变换自适应分析能力,对调制声场声压信号进行处理,实现调制信号与噪声信号分离,再对调制成分进行统计最优近场声全息重建分析。利用仿真信号及音响实验分析验证表明,该方法能准确识别、定位调制声源,计算量小,抑制噪声能力强,且全息重建精度高。     

基于Gabor变换的盲信号分离方法

提出了一种基于Gabor变换的盲信号分离方法。与传统的盲信号分离方法相比,该方法考虑到了不同类型信号的时频分布特点,通过估计混合矩阵从而能够较为准确地对源信号进行分离,而且突破了传统盲信号分离方法中要求源信号相互独立以及源信号最多只能有一个高斯信号的限制。仿真结果验证了该方法的有效性,为盲信号分离技术提供一种新的研究方向。     

一种用于语音增强的频域盲信号分离算法

研究了在未知声源信息和传声器空间位置的情况下,利用盲信号分离的方法实现语音增强。通过把基于信息论的信息最大化算法推广到频域,使得时域的卷积混合问题转变为频域的瞬时混合问题,进而就可以在每个频段分别进行独立分量分析,分离效果有明显改进,算法收敛性也得到提高。为了克服在频域中实现盲分离时所固有的位序不确定性和比例缩放问题对分离性能的严重影响,采用聚类的方法对每个频率段的分离结果进行排序。对真实环境中录制的语音、音乐混合信号和语音、语音混合信号进行了计算机仿真,分离之后使语音的信噪比提高了10-15dB,很好地实现了语音增强的目的。     

利用声压幅值相关性识别声源特性研究

基于相位信息识别声源的传统方法在测量声信号前需要进行严格的相位匹配,对测量设备要求较高。通过对延时求和波束形成算法作形式上的转化,说明其运算机制是利用声压信号相位进行相关诊断,进一步研究提出利用声信号幅值识别声源的方法。将传声器阵列测得的声压幅值组成声压幅值向量,与虚拟点声源声压幅值向量做内积,搜索内积模的最大值,根据柯西-施瓦兹不等式定理确定声源位置。建立相应的识别步骤,对球面波声源进行仿真识别,并比较本方法与波束形成方法的识别特性的差异,且进行相应的实验验证。结果表明,本方法能有效识别出简谐波声源,且拥有良好的抗噪能力,可消除波束形成法识别高频声源时出现的“鬼影”现象;当传声器阵列存在误差时,比波束形成法有更准确的识别结果。     

双通道定位与盲分离结合的噪声分离方法

探索双通道定位算法与盲源分离相结合进行噪声分离的可能。根据双通道空间定位理论,以声音传播过程中在双通道间产生的延时差和强度差为线索对混合信号进行分离。当待分离的辐射噪声中存在时频混叠或同一位置多个源时,双通道定位分离算法能分离出不同位置处源信号,然后利用盲源分离方法对同一位置处的多个源信号进行再分离。在Roomsim中进行分离方案的可行性验证,假设房间六个壁能100%吸收所有频率信号,不存在反射与混响,对比分析声源位置及个数对分离结果的影响。结果表明,当源位置的个数不大于3时,双通道定位分离算法能有效分离出不同位置的声源信号,用盲源分离方法可进一步分离出相同位置处的不同源信号,但当源位置个数大于等于4时双通道定位分离算法的分离性能降低。     

利用声压有效值信息进行白噪声声源识别

研究提出利用声信号有效值进行内积运算识别白噪声声源的方法,用传声器阵列测得声压信号有效值组成声压有效值向量,与虚拟点声源声压有效值向量做内积,搜索内积模的最大值,根据柯西施瓦兹不等式确定声源位置.建立相应的识别步骤,对白噪声声源进行仿真识别,分析测量误差与测量距离对识别效果的影响,通过增大传声器布置间距改善测量距离较远...     

组合声源测试消声器传递损失的噪声信号修正方法

针对某些传递损失较大的消声器,现有白噪声测试设备的单一噪声源发生器无法满足消声量的测试需求。通过采用低频和中频两种声源发生器,利用过渡管道与测试管道垂直连接的方式,实现了两种声源组合发声对消声器声学性能的测试。为了解决过渡管道与组合声源系统连接处声阻抗变化,导致输出的噪声信号频谱特性随机波动的问题,提出了一种噪声信号的修正方法。该方法基于四传感器法测量过渡管道声阻抗,根据过渡管道传递矩阵,以随机白噪声为激励源输出的管口噪声作为输出声压信号,得到组合声源系统的输入声压信号,实现了对组合声源系统声音信号的补偿。实验结果表明,与传统均衡器调节方法相比,该方法能够在较宽的测试频率范围内输出平稳的声压信号;其次,利用修正前后的声学信号对扩张腔的传递损失进行测量,修正后得到的测试曲线与理论值吻合度较高,证明了该方法的可行性。     

强混响条件下基于广义互相关的声源定位算法改进

针对特定声场环境,提出了一种强混响条件下基于广义互相关的声源定位算法的改进措施,即利用混响成分中包含的声源位置信息,提高声源定位的正确率。混响与噪声是影响声源定位的两个主要因素。目前声源定位的主要方法都是以降低信号中混响与噪声成分为目标的,如波束成形、空间谱估计以及到达时间差法等。其中,基于广义互相关的声源定位算法属于到达时间法的常用方法,具有实时性强与高鲁棒性的优势。本文采用镜像源模型对室内环境进行建模,分析声源到双麦克风的传播路径,利用混响中存在的声源位置信息剔除错误定位结果,从而提高定位正确率。最后,利用蒙特卡洛法对本文提出的方法进行验证,结果表明:该算法提高了强混响低信噪比条件下的声源定位正确率。     

运用内积相关性结合迭代相减识别两点声源

提出运用内积相关性识别两点声源的新方法,通过在声源面上构造虚拟声源,计算虚拟声源在传声器阵列上的声压,构造虚拟声源的声压向量,将其归一化,与传声器实际测得的声压信号作内积运算,通过优化算法搜索内积模的极值,当内积模达到最大值时,根据内积相关性原理,识别出目标声源的位置。当声源间距离较近时,声源识别精度受到声源间的干扰影响,引入迭代循环算法降低声源相互干扰的影响,以传声器测量面上剩余的声压作为判断循环终止的条件。计算结果表明,利用内积相关性结合迭代循环相减算法能有效识别出两点声源。     

基于振速测量单全息面直接声场分离方法

摘 要：为了更精确的分离质点振速,以波叠加法作为声场分离算法基础,提出单全息面测量振速直接声场分离方法。建立了单面振速测量声场分离模型,并推导了理论计算方法,通过数值仿真,分析算法的计算精度,验证了该方法可以有效分离声场。然后对比本文分离方法和单面声压测量声场分离方法分离简单源和脉动声源的误差,结果表明：单面振速测量的直接声场分离方法可以有效分离目标声源,而且可以获得更高的振速分离精度。     

基于自相关降噪的混叠转子振动信号分离

航空发动机在运行过程中,传感器测得的振动信号是各振源的混叠信号,且含有很强的噪声。常规的信号处理方法难以分离混叠信号,对机器的健康监测和故障诊断造成了很大的困难。介绍了盲源分离基本原理和方法,指出盲源分离算法在强噪声环境下失效。针对强噪声环境下的混叠振动信号,提出首先通过时延自相关降噪方法对振动信号进行降噪,然后通过盲源分离算法对降噪后的信号分离。仿真结果验证了提出方法的有效性。最后,利用该方法对实测混叠转子振动信号成功实现了降噪和盲分离,为噪声环境下的混叠信号分离提供了一种新的方法。     

基于BSS的含噪声机械振动信号分离研究

水下航行器的噪声源识别面临的两个问题(:1)无法获得振源信号(,2)测得振动信号有环境噪声影响且振源之间相互耦合。将环境噪声作为一个独立的噪声源,给出瞬时混合信号的盲源分离(BSS)数学模型;利用基于二阶统计特性的两次去相关盲源分离算法,对机械振动加白噪声的混合信号和水池试验实测混合信号进行分离;通过试验验证两次去相关盲源分离方法可以用来解决上述问题。     

融合经验模态分解与时频分析的单通道振动信号分离研究

通过单通道振动信号分离研究探讨机械振动源信号提取问题。采用集合经验模态分解方法将单通道信号构造成多通道信号,再通过主分量分析方法得到多通道构造信号的特征值分布情况并以此进行源信号数目估计,进而利用基于时频分析的盲源分离技术获取振动源信号。实验表明,该方法能有效实现单通道振动信号分离,具有较强实际应用价值。     

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。     

基于凸包优化的盲源分离在图像去噪中的研究

目的针对高斯-脉冲混合噪声图像中难以有效去除大量奇异点或离群数据的问题,提出一种基于凸包优化的盲源分离方法来去除图像中的混合噪声。方法该方法把混合噪声和原图均看作未知的源信号,依据噪声图像中混合噪声与原图内容的加性关系建立盲源分离的模型,并利用凸包优化的方法构建源信号(凸包极点)的仿射包,然后通过最小化仿射包到凸包(噪声图像)上的投影误差,求解混合噪声和原图2个源信号,实现去噪混合噪声、复原原图的目的。结果实验结果发现,无论高斯-脉冲混合噪声强弱,该方法去噪复原后的峰值信噪比和平均结构相似性分别在39.9129 d B和0.9以上。结论由实验数据证实该方法可有效地从盲源分离的角度去除图像中高斯-脉冲混合噪声、复原原始图像。     

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。     

SCA-VMD在变压器声信号降噪中的应用

针对采集变压器运行声信号时会混入噪声的情况,提出了基于稀疏分量分析-变分模态分解（sparse component analysis-variational modal decomposition,SCA-VMD）分离变压器运行声信号并降噪的方法。基于稀疏特性的欠定盲源分离能够在观测信号数目小于未知源信号数目的情况下实现源信号的有效分离,变分模态分解（VMD）能将一个多分量信号一次性分解为多个单分量信号。以两路观测信号作为输入,利用稀疏分量分析法（SCA）分离得到变压器运行声信号,再利用VMD将分离信号分解为4层本征模态函数（intrinsic mode function,IMF）分量,通过阈值滤波的方法对高频分量和低频分量进行去噪处理,利用新的IMF分量重构得到去噪信号。仿真试验和实际试验结果表明,该方法能实现对变压器运行声信号的有效分离和去噪处理。     

基于EEMD-SCBSS的岩石声发射信号去噪方法

针对岩石声发射(AE)信号的低信噪比、随机性强、非平稳性等特点,提出了一种基于总体经验模态(EEMD)及单通道盲源分离(SCBSS)的AE信号滤波方法。将含有背景噪声的AE信号进行EEMD分解,得到一系列按频率从高到低排列的本征模函数(IMF);提取高频背景噪声信号与观测信号构建虚拟多通道观测信号;利用快速不动点优化算法(FastICA)对构建的虚拟多通道观测信号进行盲源分离(BSS),进而得到滤波后的AE信号。通过构造含噪声AE信号进行数值仿真实验及实测数据分析,将基于EEMD及SCBSS滤波方法与小波阈值滤波方法进行比较。实验结果表明:小波阈值滤波方法会导致滤波后的AE信号频域信息失真,影响滤波后的AE信号上升时间,能量等参数识别;该方法可以对含噪声AE信号进行有效地滤波处理,能够较好地滤除AE信号中的非平稳随机噪声,并且能够保护滤波后的AE信号频域信息。     

Mixed Fault Diagnosing of Rolling Bearing Under Noise

In field of rolling bearing fault diagnosis,the sampled bearing vibration signals will be generally disturbed with noise. In noisy environment,the conventional blind source separation method is not good for diagnosing bearing faults. In this paper,wavelet de-noising method and blind source separation technology have been combined. In order to achieve fault diagnosis of rolling bearing,firstly wavelet soft threshold de-noising method has been applied on sampled signals. Then the better robust JADE algorithm has been applied in signals blind source separation. At last,vibration signals bearing inner and outer faults of have been analyzed in this paper,and the corresponding bearing faults have been diagnosed successfully. The proposed research methods provide a new way for diagnosing rolling bearing's mixed faults under noise.     

基于核形态成分分析的齿轮箱复合故障诊断研究

形态成分分析（MCA）是最新提出的一种基于稀疏表示的信号和图像分解(分离)方法,该方法的主要思想是利用信号组成成分的形态差异性（可以由不同的字典稀疏表示）进行分离。结合核函数把基于MCA的线性盲分离方法拓展到非线性混叠情况,给出了一种非线性混叠信号盲分离算法。该算法通过非线性映射将混叠信号投影到高维特征空间,将样本空间的非线性混叠问题转化成高维特征空间的线性混叠问题,然后应用MCA算法对高维特征空间中的混叠信号进行分离。通过对齿轮齿根裂纹、轴承内圈、外圈复合故障的实验信号的分析,表明该方法能有效地分离出齿轮箱的复合故障。