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。     

基于人工时反的盲解卷研究

1引言 在水声远程遥感和通信应用中,我们往往希望从接收的多路径信号中分离出源信号.而且由于海洋波导的复杂性和不确定性,基于信道模型的处理方法由于宽容性差而缺乏实用性.因此,人们自然想到借助盲解卷方法恢复源信号.     

基于阵元接收信号幅度信息的频域盲分离排序算法

排序模糊性问题是影响频域盲源分离算法分离性能的主要原因之一。对于提出了一种新的解决频域盲源分离排序模糊性问题的算法。该算法通过提取阵元接收信号每个频率点上的幅度衰减信息,采用k—means聚类算法将线性分离算法所得分离信号进行归类,来解决排序模糊性问题。该排序算法对阵列阵元排布方式,阵元间距等没有特殊的要求,并且适用于任意数量混合信号的盲分离系统。仿真实验证实了这种开发阵元接收信号幅度衰减信息的排序算法在绝大多数频率点上有效地解决了排序模糊性问题,是一种计算量相对较小而又简单有效的排序算法。     

卷积混合的频域盲解卷积法诊断转子故障

针对转子系统偏心、不对中及碰磨引起的耦合故障,采用卷积混合的频域盲源分离转子故障诊断方法。在利用转子实验台模拟转子系统偏心、偏心—碰磨耦合故障的基础上,通过频域盲解卷方法对耦合故障的观测信号进行分离,并对分离后的源信号进行FFT分析,从而实现转子系统复杂耦合故障的精确定位与诊断。仿真实验初步验证了算法的有效性,分离波形和二次残差(VQM)均证实了该算法能较好实现混合信号分离。同时,转子系统故障诊断实例结果表明:该方法在成功诊断出偏心故障与碰磨故障的同时还能诊断出不对中、轴承松动的故障,提高了故障诊断的精确性。     

宽带盲波束形成与卷积混合盲源分离

盲波束形成是在不知道阵形，目标方位以及阵元响应等信息的情况下，只根据阵元输出恢复源信号。现有盲波束形成对窄带信号研究比较多。而对宽带信号盲波束形成论述较少。本文从信号模型，系统框图。处理的三方面说明盲波束形成与盲源分离近似，并指出卷积混合模型盲源分离完全可以作为解决宽带信号盲波束形成问题的一种通用方法。     

基于频域分解的水声信号宽带盲波束形成

盲波束形成算法可以在不知道阵的流型、信号及干扰方位的情况下,仅根据各阵元接收的数据恢复信号。由于水声信号为宽带信号,为了充分利用宽带信息,提出利用频域分解的方法获得满足窄带条件的信号,并利用窄带盲波束形成JADE（Joint Approximate Diagonalisation of Eigen-matrices）算法进行处理。对宽带盲波束形成算法进行了理论推导和仿真实验。研究结果表明,盲波束形成算法相对于常规波束形成在信号恢复方面有优越性。     

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。     

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。     

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.     

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.