二维卷积非负矩阵分解的初值确定混合算法

为解决二维卷积非负矩阵分解算法存在初值敏感,且传统随机初始化确定的初始值容易使算法收敛到结果相对不好的局部最优值的问题,通过结合K均值聚类、奇异值分解和主成分分析方法,提出了一种适用于二维卷积非负矩阵分解初始值确定的混合算法.首先,利用K均值聚类方法得到聚类中心作为系数矩阵(H矩阵)的初始值,避开了传统初始化不确定系数矩阵带来的分解结果不唯一问题;其次,考虑到相比一维卷积非负矩阵分解算法,二维卷积非负矩阵分解算法的基矩阵(W矩阵)个数更多,利用奇异值分解和主成分分析方法交替产生基矩阵的初始值,克服了单个算法产生的初始化误差问题.在相同参数环境下将本文算法和现有初始化算法的分解收敛性能进行对比实验,结果表明本文算法相比其他同类算法具有更好的分解性能并具有更好的收敛性.进一步加入噪声进行实验,在白噪声为-1 dB～10 dB的不同信噪比环境下,本文算法均能快速实现信号的分离,对于噪声数据具有很强的鲁棒性.采用混合算法确定初值,更有利于实现二维卷积非负矩阵分解的实时性和高性能.     

单通道AE信号盲分离的飞机构件监测方法研究

基于声发射(AE)技术的飞机结构件疲劳裂纹检测是飞机健康状态识别的一种有效方法。由于声发射信号的瞬态性、不确定性、微弱性和易受机电干扰性,使声发射检测技术很大程度上已演变成信号处理问题,目前多数研究报道的是单源声发射信号的降噪处理。然而,在实际应用中,不仅结构件出现疲劳裂纹时会产生AE信号,而且紧耦合的结构体之间也会因冲击载荷产生弹性波,以至观测信号一般是多源AE混合信号,波的传播时延的存在使得信号混合方式为卷积混合。针对目前测试方法不能正确识别AE信号,以致难以识别结构体是否存在疲劳裂纹的问题,提出一种具有信号源个数估计的单通道非负矩阵分解解卷积盲源分离算法。首先采用经验模态分解方法将单通道混合信号分解为多个本征模态函数;然后采用主成分分析法估计信号源个数,并重构观测信号;最后通过非负矩阵分解解卷积得到各个源信号。实验结果表明,单通道盲源分离算法能正确分离AE信号,为飞机关键结构件的疲劳裂纹监测提供了一种方法。