盲源分离

摘要： 针对单通道超声检测回波信号易受到噪声信号的影响导致缺陷诊断精度低的问题,提出基于集合经验模态分解(EEMD)和快速独立成分分析(Fast ICA)的单通道超声回波信号盲源分离方法(EEMD-Fast ICA)。首先应用EEMD算法对回波信号进行自适应分解,得到多个不同尺度的固有模态函数(IMF)分量,利用主成分分析(PCA)预估源信号的数目,通过相关系数法筛选出相应的IMF分量进行重构,并将重构信号与原始采集信号组合构成新的多维观测信号,解决了原始采集信号盲源分离中存在的欠定问题,然后进行快速独立成分分析(Fast ICA)运算,实现了单通道超声检测信号的噪声分离。实验结果表明:EEMD-Fast ICA方法能对采集超声回波信号进行有效的降噪处理,并且能保护真实信号的频域特征信息。

摘要： 针对多个无人机遥控信号的分离问题,提出一种基于时频分析进行数据处理的多跳频(frequency hopping,FH)信号盲源分离(blind source separation,BSS)算法。利用不同跳周期的跳频信号驻留时间的差异性,改进时频脊线的提取;利用小波变换检测改进后时频脊线的突变点,求脊线最大驻留时间即为跳频信号中的最小跳周期;分离出不同跳周期的跳频信号,并基于时频能量值的不同,对不同信号幅度的跳频信号进行盲源分离。结果表明:与同类算法相比,该算法在不依赖多通道数据的采集及混合矩阵估计等情况下,可实现单通道情况下多跳频信号的盲源分离,具有一定的工程应用价值。

摘要： 针对信号来波方向突变、源信号个数及信号样式发生变化,对辐射源个数估计及盲源分离(blind source separation,BSS)结果的影响进行分析。源信号个数的估计采用基于信息论准则的估计方法,采用自适应盲分离算法进行信号盲分离。实验结果表明:混合矩阵发生突变时,使用接收数据进行信源数估计,无法正确估计信源数;当混合矩阵未发生突变,而信号样式发生突变时,源数估计算法能准确估计来波方向数;若混合矩阵不变,在某一来波方向信号样式的改变,对信号的盲分离不会产生不利影响,可将该来波方向不同的信号样式分开;若混合矩阵不变,阵列接收信号中信号个数的改变,对信号分离结果没有明显的不利影响。分析结果表明:该研究对评估信源数估计算法和盲源分离算法在实际环境中的应用效果具有一定参考价值。

摘要： 为了进一步提升现有盲源分离算法的分离性能,本文在Wave-U-Net的基础上提出了一种全尺度跳跃连接模型。首先为了解决Wave-U-Net下采样过程中信号特征丢失问题,该模型在跳跃连接中增加了卷积操作,通过对不同时间尺度的特征图进行连接,有效地结合了信号的浅层特征和深层特征,提升了模型的分离性能。针对WaveU-Net最佳深度取值和全尺度跳跃连接模型的参数过多的问题,本文进一步提出了多尺度跳跃连接模型。在多尺度跳跃连接模型中,通过嵌入不同深度的Wave-U-Net来代替跳跃连接中的卷积操作,在牺牲一部分分离性能下减少了模型参数,该模型共享下采样块来降低模型训练时间以及模型最佳深度取值带来的影响。仿真实验表明,相比于其他基线模型,本文提出的两种模型能显著提升信号分离性能,在SDR,SIR,SAR提升奖将近3~4 dB。

摘要： 滚动轴承是航空发动机转子系统中重要的支撑部件,其运行状态直接影响整台发动机的工作性能。介绍了基于盲源分离技术的滚动轴承振动信号分析与故障诊断方法,分析了滚动轴承典型故障机理。通过对某型航空发动机进行现场测试,完成了针对其轴承振动信号的测试和数据采集工作,并通过MATLAB软件编程实现其振动信号的分析。采用盲源分离中的独立分量分析(ICA)方法和频谱分析方法,提取主轴轴承的振动信号并与理论计算的故障频率对比,进行轴承故障诊断及状态识别。对实际航空发动机轴承及模拟试验台滚动轴承振动测试信号的分析结果表明,所采用的盲源分离方法可以有效地检测和诊断滚动轴承故障。

摘要： 精密铣削工艺已广泛应用于汽车、航空航天、微电子等领域的各种精密零件制造。铣削过程中产生的振动极大地影响了加工精度和质量。在铣削工艺过程中提出了一种基于盲源分离的切削振动信号分析及优化方法。首先将集合经验模态分解(EEMD)与稀疏分量分析(SCA)相结合实现了铣削加工振动信号的盲源分离,从而计算振动贡献度,分析精密铣削加工的振动主要因素;并在振动实验信号分析研究的基础上,通过田口法研究了铣削参数对振动的影响顺序,最终提出了加工参数的优化选择方法。

摘要： 为了提高独立向量分析算法在盲语声分离任务中的分离性能,降低算法计算复杂度,并改善目前尚未完全解决的顺序模糊性的问题,该文提出一种基于子带t分布的快速独立向量分析算法。在声源模型方面,该算法首先利用语声信号重尾分布的特性,假设声源概率密度函数服从t分布,同时采用子带建模的方法来增强同一声源相邻频点的高阶依赖性,进而减轻频点间的顺序不一致问题。在空间模型方面,该算法采用秩1更新的方式估计声源信号,避免矩阵求逆操作和分离矩阵的估计,从而降低计算复杂度。实验结果表明,与现有的基于独立向量分析的盲源分离算法相比,该算法能够在相同的迭代次数下取得更优的语声分离性能。

摘要： 复信号分析是信号处理技术常见的问题之一,在盲信号分离及处理技术中特别是卷积混合问题或频域分析等均需要建立与之相应的复值分析模型。然而在以往的分析中,由于此类问题往往是基于无噪声的约束条件,因此局限了该技术在实际中的应用。针对这一问题,将复值盲源分离问题推广到含噪声的一般环境中。通过分析高斯噪声协方差的一般特征,利用高斯噪声协方差的参数信息,导出了一种在噪声环境下盲源分离的不动点算法,该算法可以在噪声环境中通过观测信号估计与之对应的有效分离矩阵,使得复值信号在噪声环境中混合中仍然能成功分离出源信号。仿真结果表明了所研究方法的可行性与有效性。

摘要： 侵彻过载信号包含复杂的信号分量,传统的信号处理方法无法有效提取弹体的侵彻过载特征。提出一种将变分模态分解与盲源分离相结合的侵彻过载信号特征分离方法,首先由变分模态分解将源信号分解成一系列本征模态函数;然后将本征模态函数与源信号组成多维观测信号,对其自相关矩阵进行奇异值分解估计源信号数目,并计算各本征模态函数与源信号的相关系数,根据源信号数目和相关系数,选择相应的本征模态函数与源信号重构多通道观测信号;最后采用特征矩阵联合近似对角化法对多通道观测信号进行盲源分离。与传统信号处理方法相比,该方法能够有效分离出侵彻过载信号,积分结果较好地反映了弹体的实际侵彻深度,为引信系统的结构设计提供依据。

摘要： 传统的单通道盲去卷积的方法存在仅能从混合信号中分离出2路源信号的局限,考虑到以上问题,该文提出一种基于优化的深度卷积生成对抗网络的单通道盲去卷积算法(SCBDC),能从1路混合信号中分离和解卷积出3路以上的独立源信号和混合矩阵。该文实验在汉字和遮挡图像数据集上进行,随机选择4路信号与混合矩阵进行卷积混合,实验结合峰值信噪比(PSNR)和信号相关性指标来评价分离的效果,结果显示,该算法能够有效地分离出多路源信号并去卷积。

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.

摘要： 针对传统的盲源分离方法对源信号的诸多要求限制了该方法的应用,提出了一种将局域值分解和变分贝叶斯隐马尔科夫模型相结合的欠定盲源分离新方法.首先将源信号经过处理后进行局域值分解,将得到的乘积函数与原观测信号组合成一个新的观测信号,再由变分贝叶斯隐马尔科夫模型对其盲分离,最后得到估计的源信号.通过仿真,可以证明该方法能解决传统盲源分离要求信号相互独立、平稳、混合系统稳定等问题,实现信号的盲源分离.

摘要： 卫星敏感载荷区的微振动是制约卫星定位精度、分辨率等性能提高的关键因素.定量识别和评估主要振源及其对敏感载荷区的贡献量,可为卫星减振设计和在轨运行卫星的振动抑制提供基础和依据.提出基于盲源分离的卫星微振动源定量识别方法.首先,基于带参考的峭度最大化盲解卷积算法对采集到的观测信号进行处理,实现微振动源信号的提取;然后,提出基于向量投影的源贡献量计算方法,求得各振动源对敏感载荷区的贡献量.将算法应用于卫星地面实验的微振动源定量识别中,成功地实现了控制力矩陀螺和飞轮信号的提取,完成了振动源对敏感载荷部位贡献量的计算,验证了所提方法的有效性.

摘要： 滚动轴承状态监测中,实际振动信号复杂而且包含干扰噪声,使得故障源信号的提取变得尤为困难.为了对轴承故障信号进行有效的分离,本文在变分模态分解方法的基础上,提出了复变分模态分解方法:将监测系统中水平和垂直传感器采集到的信号构造成复数信号,在复数域通过复变分模态分解和快速独立分量分析方法,实现故障信号的分离.相比于变分模态分解,复变分模态分解方法能够准确地判断出源信号的数目,减少信号的丢失,降低运行时间,同时将源信号准确地分离.很好地解决了轴承振动信号的盲源分离问题,提高了轴承故障特征识别的准确性.

摘要： 随着运行速度的提高,高速铁路车内噪声问题更为突出,需要深入研究噪声源的传播特性及其对车内合成声场的联合作用机制,进一步加强高速铁路低噪声优化设计.盲源分离技术具有在激振源与传输通道未知的情况下分离观测信号提取源信号的优点,但高速铁路振动与噪声信号具有变频非平稳、信源数目动态变化等特点,既有的信号处理方法不适用.非平稳信号的稳健高效分离已成为制约盲源分离实际应用的关键瓶颈之一.本项目旨在研究非平稳信号盲源分离原理,为高速铁路低噪声控制提供理论依据和方法指导.针对非平稳源信号的稳健高效分离问题提出了基于自适应滤波理论的全局最优信噪比盲源分离方法、基于拉氏逼近贝叶斯选择原理的时变信源数目辨识方法;仿真计算和实验结果表明，新方法对非平稳信号的处理效果显著优于传统的时频分析方法和经典的盲源分离方法。开展了不同工况下的高速列车振动与噪声测试实验，分析了高速铁路车内声场分布、噪声来源与传播机制。建立了实验相符的车体有限元结构模型、声学空腔模型与声固耦合模型，基于声学传递向量特性开展了噪声贡献量分析，提出了高速列车降噪优化设计建议。

摘要： 传导性电磁干扰(EMI)差共模噪声分离中,硬件分离网络结构复杂、成本较高,传统软件分离受环境噪声影响明显,测量同步性差.针对上述局限,提出一种基于盲源分离(BSS)理论的EMI噪声差共模分离策略.首先利用快速独立分量分析(FastICA)对L线、N线噪声实施双通道盲源分离,实验证明其比射频电流叠加法信噪比范围更宽,适用性更强;其次单通道盲源分离采用连续小波变换(CWT)实施虚拟通道扩展以克服同步测量误差,同时改进FastICA目标函数以提升收敛性能,实验证明,其分离性能取决于小波函数的选取而非扩展通道数量,性能相比双通道盲源分离有一定降低,但节省经济成本,具有较好应用前景.

摘要： 盲源分离算法是电子侦察信号分选的一种新技术.针对源数目未知的超定盲源分离算法及其在信号分选中的应用进行了研究,传统算法中初始化的分离矩阵设置依赖于事先估计得到的源信号数目,直接根据观测信号个数设置初始化的分离矩阵维数,尔后进行梯度的迭代优化,分离得到与观测信号数目相同的分离信号,再通过检测分离信号的相关性,从而剔除冗余信号,即可得到源信号的准确估计,并同时得到源个数,避免了事先估计源信号个数的复杂工作.通过典型信号混合与分离的仿真实验验证了方法的可行性.

摘要： 工作模态参数辨识是实现飞行器结构精细化设计和安全评估的关键基础问题.基于结构响应数据,利用盲源分离和流形学习的方法进行系统模态参数辨识,建立基于多元统计分析的工作模态参数辨识方法.首先,从主成分分析(PCA)、独立成分分析(ICA)和局部线性嵌入(LLE)算法出发,建立响应模态坐标表示与多元统计分析算法之间的内在联系,将模态参数辨识问题转化为基于结构响应数据的多元统计分析求解问题.然后,设计1个离散3自由度系统和搭建1个悬臂板典型实验结构系统,获取数值仿真和实验响应数据.最后,基于测量的响应数据,利用多元统计分析方法辨识系统参数,并分析比较3种不同方法的模态参数识别精度以及抗噪性能.数值仿真和实验结果表明,提出的多元统计分析方法能够有效识别出系统的模态振型和模态频率,且LLE算法较其他两种方法具有更高的识别精度和鲁棒性.

摘要： 基于典型相关分析的独特特性,本文综述了典型相关分析的理论知识以及国内外研究现状.首先,介绍了典型相关分析的理论研究进展,然后阐述了典型相关分析方法在各个领域内的国内外研究现状,并对典型相关分析作为一个新的盲源分离方法进行了简单的描述.最后对典型相关分析方法以后的在机械多故障源的盲分离中的发展趋势进行了说明和展望.

摘要： 主瓣压制干扰是当前雷达干扰中的重要方式之一,由于其由主瓣进入,常规的抗干扰方法无法对其实现有效抑制.针对这一问题,本文提出了一种利用FastICA算法进行抗主瓣压制干扰的方法,并通过仿真试验进行了验证.仿真结果表明在一定信噪比和信干比的条件下,该方法可有效地实现主瓣进入的干扰与目标信号的分离,提高雷达的抗干扰性能.

摘要： 本发明请求保护一种变步长自适应EASI盲源信号分离处理方法，属于信号处理技术领域。该方法通过最小均方误差准则估计能反映分离精度的全局矩阵，以此来控制步长，与传统EASI算法相比，该方法克服了传统EASI算法收敛速度和稳态误差这样一个内在矛盾。可以精确地分离混合信号，提高了收敛速度，降低了稳态误差，同时稳定性更好。在无线通信、雷达、图像、语音信号处理等领域具有广泛的应用前景。

摘要： 本发明请求保护一种变步长自适应EASI盲源信号分离处理方法，属于信号处理技术领域。该方法通过最小均方误差准则估计能反映分离精度的全局矩阵，以此来控制步长，与传统EASI算法相比，该方法克服了传统EASI算法收敛速度和稳态误差这样一个内在矛盾。可以精确地分离混合信号，提高了收敛速度，降低了稳态误差，同时稳定性更好。在无线通信、雷达、图像、语音信号处理等领域具有广泛的应用前景。

摘要： 本发明属于雷达侦察技术领域，公开的一种基于改进最短路径法的欠定盲源分离源信号恢复方法，是针对m个观测信号，每次取相邻的两个观测信号，第i个和第i+1个观测信号，i＝1,2…,m‑1，也就是说每次处理时的观测信号是两个相邻观测信号的组合，总共有

摘要： 本发明公开了一种基于盲源分离技术的卫星微振动源定量识别方法，首先，卫星舱段结构模型各振动源正常运行，获得其敏感载荷处及模型表面不同位置处的振动响应信号，确保观测信号数目大于源的数目；然后，利用高阶累积量构造盲源分离算法的参考峭度对照函数，根据振动源的先验知识构造参考信号，利用最优步长梯度法寻找参考峭度对照函数最大化所对应的分离信号的最优解，实现单振源信号的提取；其次，通过维纳滤波器分别求得各个振源在敏感载荷点处的响应；最后，利用基于向量投影的贡献量表征方法计算各微振动源的贡献量。贡献量指标反映各个振源对敏感载荷点振动贡献和影响的相对比重，为振动抑制提供基础和依据。

摘要： 本发明公开了一种基于单层感知机的欠定盲源分离源信号恢复方法。本发明首先获取观测信号矩阵，然后对观测信号矩阵中的所有列向量进行聚类得到混合矩阵，根据观测信号矩阵和混合矩阵计算待恢复的源信号列向量，利用单层感知机方法更新待恢复的源信号列向量，最终获得恢复的源信号。本发明克服了现有技术存在的源信号恢复精度易受噪声误差影响和计算复杂度偏高的缺点，使得本发明具有能保持较高恢复精度的同时快速的恢复源信号的优点。

摘要： 本发明公开了一种基于梯度下降法和牛顿法的欠定盲源分离源信号恢复方法。本发明首先获取观测信号矩阵，然后对观测信号矩阵中的所有列向量进行聚类得到混合矩阵，根据观测信号矩阵和混合矩阵计算待恢复的源信号列向量，依次利用梯度下降法、牛顿法和投影法更新待恢复的源信号列向量，最终获得恢复的源信号。本发明克服了现有技术存在的源信号恢复精度易受噪声误差影响和计算复杂度偏高的缺点，使得本发明具有能保持较高恢复精度的同时快速的恢复源信号的优点。

摘要： 本申请涉及一种风电塔筒的解决未知源数的振动信号欠定盲源分离方法，首先将混合信号变换到时频域，变换为多维行向量；基于多维行向量，通过主成分分析法和混合时频比法，对多个时频点数据进行筛选，得到满足预设筛选公式的单源域特征数据，并对其进行归一化处理，得到基于方向角表示的特征数据；通过预设修改聚类算法进行聚类，得到信号源数和估计混合矩阵；最后基于信号源数和估计混合矩阵通过稀疏优化得到源信号。如此在筛选单源域特征数据时，通过主成分分析法和混合时频比法，对多个时频点数据进行筛选，增加信息量，提高筛选的准确性，并通过修改聚合算法进行聚类，精确识别振动源数和各个源的频率成分，提高数据分析的精确度。

摘要： 本发明提供一种基于盲源分离的文本无关型多源说话人识别方法，涉及声纹识别技术领域。该方法首先获取一段包含多个人的语音的声源，并采用盲源信号检测与分离算法对声源进行盲源分离和检测，将多源语音信号分离出多个单源语音信号；再对分离出的每个单源语音信号进行预加重、分帧及加窗处理，得到时序语音信号；并对时序语音信号进行小波包分解与重构；然后采用耳蜗听觉滤波器进行人耳特征滤波，提取语音特征；最后构建CNN模型，将提取的语音特征输入到CNN模型，实现多源说话人识别；本发明方法采用小波包和伽马通滤波器相结合的方法，可以在噪声环境下，拥有较高的识别率。

摘要： 本发明公开了一种基于盲源分离技术的卫星微振动源定量识别方法，首先，卫星舱段结构模型各振动源正常运行，获得其敏感载荷处及模型表面不同位置处的振动响应信号，确保观测信号数目大于源的数目；然后，利用高阶累积量构造盲源分离算法的参考峭度对照函数，根据振动源的先验知识构造参考信号，利用最优步长梯度法寻找参考峭度对照函数最大化所对应的分离信号的最优解，实现单振源信号的提取；其次，通过维纳滤波器分别求得各个振源在敏感载荷点处的响应；最后，利用基于向量投影的贡献量表征方法计算各微振动源的贡献量。贡献量指标反映各个振源对敏感载荷点振动贡献和影响的相对比重，为振动抑制提供基础和依据。

摘要： 本发明公开了一种稀疏盲源分离的卫星微振动源定量识别方法，首先，在卫星舱段结构模型敏感载荷处及模型表面不同位置布置加速度传感器，采集各振动源正常工作时的振动信号，确保观测信号数目大于源的数目；然后，利用L1范数构造参考稀疏盲解卷积算法的参考L1范数目标函数，根据振动源的时频域特征先验信息构造参考信号，采用梯度下降法迭代优化目标函数寻找分离信号的最优解，实现单振源信号的提取。最后，利用频域单源响应信号求解方法计算各个振源在敏感载荷处的单源响应信号；利用基于向量投影的贡献量表征方法计算各个振源在敏感载荷处贡献量。贡献量评估指标是卫星微振动源定量识别的指标，可为微振动抑制提供依据。