盲源分离中的变分贝叶斯隐Markov模型方法研究

摘要

在故障诊断中,传统静态ICA方法在进行盲源分离时,由于忽略信号中的时序信息,对动态时序信号的分离效果不理想.为此,提出了一种基于变分贝叶斯隐Markov模型(VbHMM)的故障源分离方法.通过将隐Markov模型(HMM)引入到变分贝叶斯独立分量分析(VbICA)源模型中,利用隐Markov模型来捕捉隐藏在信源中的动态时序信息,从而使独立分量分析(ICA)具有灵活且动态的源模型.该方法与传统的静态ICA方法相比,在处理信源是动态随机信号时,具有明显的优势.VbHMM方法选取了VbICA方法的优点,同时也解决了VbICA的不足.仿真研究表明,VbHMM方法能够有效地对故障源进行分离.