盲源分离及盲信号提取的研究进展

盲源分离和盲信号提取是从观测信号中恢复源信号的有效方法,目前已成为信号处理领域的研究热点。介绍了盲信号处理的数学模型,给出盲源分离与盲信号提取的基本思想,阐述了各方法的原理、特点及性能,并对它们之间的区别与联系进行分析,最后指出盲源分离及盲信号提取的发展方向。     

齿轮故障识别的密度峰值聚类欠定盲源分离算法

为提高盲源分离算法在振动源数目估计问题中的噪声鲁棒性，提出了一种基于密度峰值聚类的欠定盲源分离算法。对预处理后的信号提取单源点，通过密度峰值聚类对单源点进行聚类得到混合矩阵的估计值。通过基于压缩感知模型对源信号进行重构，得到分离信号。为验证所提算法分离准确性和噪声鲁棒性，用所提算法对不同信噪比下的仿真信号进行分离，结果显示：在信噪比不低于4 dB时，所提算法均可以准确分离出源信号，算法的准确性和鲁棒性得到验证。设计旋转部件故障诊断试验台对所提算法在实际应用中的有效性进行验证，对实测复合故障振动信号进行分离，试验结果表明该算法成功分离出观测信号中的锥齿轮和行星齿轮单一故障特征，有助于工程中旋转部件故障诊断。     

基于软件无线电的机会信号实时盲分离系统

在复杂的电磁环境中,往往存在多种频率交叠的机会信号,为利用机会信号进行定位增加了难度。针对这个问题,提出了一种基于软件无线电的机会信号实时盲分离系统。系统的硬件部分是在FPGA中实现等变自适应盲分离算法的,实现了AD采集后的复数域混合信号的分离。分离后的信号通过USB3.0数据线上传到上位机中进行存储、识别和实时显示。算法的FPGA实现采用流水线架构和浮点运算设计来提高信号的实时处理能力和数据计算精度。实测结果表明,该系统能够实时分离多路复数域混合机会信号。     

飞机发动机混沌振动信号盲分离检测方法

发动机混沌振动信号携带着丰富的状态信息,依据混沌振动信号进行状态监测及故障诊断是一种很有前途的技术手段,但由于混沌信号具有伪随机特性及在低频段具有宽频谱等特点,使得传统的方法很难将其从振动信号中分离。在提取混沌振动信号方面,使用快速独立分量分析（Fast ICA）盲分离方法分离出飞机发动机振动信号中的混沌信号。利用功率谱和Lyapunov指数（LE）方法进行了判定,根据计算结果对发动机状态做出判断,验证了盲分离方法分离混沌振动信号的有效。盲分离检测混沌振动信号的方法不仅使依据混沌信号判断飞机发动机状态成为可能,也为利用混沌信号进行状态预测和控制提供了一种方法。     

基于独立成分分析的混合LFM信号检测

混合LFM信号广泛存在于实际信号环境巾,对其检测极其重要。对有严重交叉项的混合LFM信号的检测十分困难,因此提出了一种基于独立成分分析的混合LFM信号检测法。通过盲源分离提取各独立成分,利用时频分布矩阵的联合对角化法抑制交叉项,再由各成分信号自项求和重构Wigner-Ville分布,采用Wigner-Hough检测各LFM成分。分析了Wigner-Hough变换输入信噪比和输出信噪比的关系,仿真验证了算法的有效性,得出随着样本点数的增加,在低信噪比条件下,能获得好的检测性能的结论：     

基于经验模态分解的机械故障欠定盲源分离方法

针对传统的机械故障源分离方法限于非高斯、平稳和相互独立的源信号, 且传感器的观测数多于源数, 机械故障源信号通常不易满足这些假设的局限性, 提出了一种基于经验模态分解的机械故障欠定盲源分离方法.该方法对混合观测信号进行经验模态分解, 然后重组本征模函数分量作为新的观测信号进行盲源分离, 仿真和实验结果表明, 该方法是有效的.      

航空发动机混叠振动信号的欠定盲源分离方法

针对传统欠定盲源分离方法难以有效处理具有时间延迟效应的发动机混叠振动信号分离问题,采用稀疏分量分析法研究了一种时间延迟混合信号的欠定盲源分离方法。该方法通过对混合信号的频域模值的线性聚类分析实现源数目及衰减矩阵的估计,并通过恢复混合信号的频域实部在混合空间的聚类性推断出时间延迟矩阵。实验结果表明,该方法在欠定条件下(传感器个数小于振动源个数)能够有效地将发动机混叠振动信号按照不同的激振源进行分离。     

基于张量正则分解的时频混叠信号欠定盲分离方法

针对时频同时混叠条件下的欠定盲源分离(UBSS)问题,提出了一种基于四阶累积量(FO)与张量正则分解相结合的算法。首先构建观测到的混合信号的四阶累积量,并利用高阶累积量的"半不变性"将其表示成四阶张量的形式,然后采用线性搜索迭代最小二乘算法对张量进行分解并获得混合矩阵的估计,最后根据估计出的混合矩阵,采用最小均方误差波束形成器算法,完成源信号的恢复。仿真结果表明该方法的有效性,与已有算法相比提高了信号盲分离的性能。     

转子振动信号的二阶非平稳源盲分离

复杂的转子系统的多振动混叠信号分离是振动信号处理领域的一个难题。在介绍盲源分离基本原理的基础上,首次选用了二阶非平稳源盲分离算法对带有较强噪声的实际转子系统的振动信号进行盲分离,满意地分离出了各个振动源信号。采用SONS算法得到的振动源频谱分析清晰地反映出了各个振动源的频谱特性,且较好地抑制了噪声的影响。研究中提出的测量方法,为实际复杂结构的振动源盲识别提供了支持。     

分布式接收宽带多目标信号盲检测迭代处理方法

随着软硬件技术的飞速发展和宽带接收机的广泛使用,频谱检测向着高瞬时带宽的方向发展,传统基于信道化处理的频谱检测方法存在搜索速度慢、处理效率低下的问题。文章提出了 1种新的分布式接收宽带多目标信号盲检测迭代处理方法,在无须预先知道信号数目及信号频谱位置的情况下,能够实现特定虚警概率多信号盲检测,具备较高的灵活性和稳健性。首先,在对信号特征进行分析的基础上,通过构造线性模型,将分布式接收多目标信号检测转化为线性模型求解问题进行处理;然后,基于贝叶斯多参数联合求解模型,在对未知参数先验分布进行合理假设的基础上,推导了各未知参数变分分布及信号检测门限的解析表达式,采用变分分布软信息迭代的方式实现多传感器信号、多参数联合估计,并利用每次迭代参数估计结果,对信号检测门限进行更新,通过置零操作实现预设虚警概率下的多信号盲检测;最后,通过仿真实验对所提方法性能进行了分析,并与相关方法进行了对比。仿真结果表明,所提方法能够有效利用多路接收信号信息,实现宽带未知多目标信号的盲检测,有效提升短数据下的算法处理效能,与现有方法相比,在接收单元数目较多以及信噪比较低时具有明显优势。     

基于位势函数的欠定盲源分离识别诊断方法

对观测器数目小于源信号数目的欠定盲源分离进行了研究,提出了一种基于位势函数的稀疏信号欠定盲源分离方法,该方法从能量的观点出发,通过构造位势函数,将寻找混合信号在直线方向上的聚类问题转化为寻找累积位势函数的局部极大值问题,从而准确的估计出源信号数目和混合矩阵,克服了通常的基于k-means聚类的混合矩阵估计法需预先给定源信号数目的缺点.利用仿真信号检验了该方法的有效性.基于信号频域稀疏性假设,将该方法应用于欠定条件下的滚动轴承振动故障信号的盲分离,较好地分离出了故障信号.      

基于优化信噪比算法的航空发动机振动信号分离

为克服噪声对航空发动机振动信号的影响,提出一种优化信噪比的航空发动机振动信号分离方法,其通过建立时延自相关目标函数,对最大信噪比盲源分离算法进行优化。利用该方法,对航空发动机仿真混叠振动信号进行分析,分离后的信号频谱与源信号一致;对具有故障的实测航空发动机振动信号进行分离,成功分离出不同故障的振动特征。本文提出的方法为航空发动机振动信号的监测和故障诊断,提供了一种新的思路。     

APSO算法在语音信号盲源分离中的研究

将自适应粒子群优化（Adaptive Praticle Swarm Optimization）算法运用到语音信号的盲源分离中,以峰度为目标函数,通过自适应调整惯性因子,克服了收敛速度和分离效果之间的矛盾,最终实现盲源分离。该算法避免了传统的优化算法自然梯度法稳定性差、易于陷入局部最优的不足。通过比较仿真结果和性能指标可以看出,APSO算法提高了收敛速度,改善了分离性能,表明了该算法在实现语音信号盲源分离中性能的优越性。     

一种基于时频分析的欠定盲源分离算法

针对欠定盲源分离,提出了基于时频域信源数估计的盲源分离算法。通过短时傅里叶变换将信号变换至时频域进行分析。在混合矩阵估计环节,根据源信号稀疏性的假设,在时频域利用信号的时间频率比,确定与源信号对应的混合向量。在混合向量聚类过程中,利用同类向量间的距离以及向量不同聚类间的解析度,提出一种信源数估计方法,解决了在聚类算法中假设信源数已知的问题。在源信号分离环节,利用时频子空间中接收信号相关矩阵对角线元素与剩余元素的比值,提出一种子空间信源数估计算法,通过确定信源数,将子空间中欠定模型转换为超定或正定模型,以完成源信号分离。仿真证明算法对混合矩阵估计的正确性以及信号分离的可靠性。     

基于磁记忆技术对含缺陷焊缝的疲劳试验

对含有不同隐形损伤的40Cr焊板进行射线检测、疲劳试验和正交磁记忆信号测量，探索试件在疲劳应力作用下磁记忆信号的变化特征。试验结果表明：单一测量方式下的磁特征值不能表征焊板在疲劳循环载荷下的变化特征，所得结论存在偶然性；研究发现，可用磁场矢量梯度积分特征和磁场矢量合成梯度特征来评价焊板的疲劳损伤过程，并建立了以磁场矢量梯度特征为损伤参量的疲劳损伤模型，从而可以对含有隐形损伤焊接构件的疲劳寿命进行定量评估，为金属磁记忆技术在焊接缺陷定量评价上的进一步研究提供参考依据。     

存在阵列模型误差情况下的宽带DOA估计

 针对工程应用中存在阵列模型误差的任意形状天线阵列的宽带波达方向（DOA）估计问题,提出一种基于信号分离的相关域宽带松弛（RELAX）算法。此算法利用具有记忆与遗忘特征的矩阵算子的投影机理对入射信号进行有效的分离,因此对一定范围内的阵列模型误差较之基于子空间理论的传统宽带测向算法具有较好的鲁棒性与良好的工程应用前景。分析并证明了此算法的信号分离机理及此算法对阵列模型误差稳健的原理。理论分析与仿真结果均表明存在阵列模型误差时此算法宽带DOA估计的有效性和稳健性。     

铁磁构件残余寿命评估方法

 为研究磁记忆检测技术评估铁磁材料早期损伤的可行性,以磁记忆检测技术为手段,对40Cr钢三点弯曲SE(B)试样进行了常温疲劳裂纹扩展试验,分别测量了试样在相同载荷条件下不同循环周次N时的磁场数据。定义了一种新的磁记忆特征参量,分析并探讨了疲劳裂纹扩展过程中该特征参量的阶段性特征,结果表明该特征参量较传统的磁记忆特征参量变化明显。通过分析磁记忆信号与裂纹扩展寿命、累积疲劳损伤之间的关系,建立了基于磁记忆信号的损伤参量模型,利用该模型可以很好地评估材料的残余寿命,可为磁记忆检测技术在铁磁性材料早期损伤以及残余寿命评估方面的应用提供借鉴作用。     

基于EMD-ICA与遗传算法的轴承故障诊断方法

针对振动信号中轴承故障特征信号微弱难以识别的问题,对通过试验采集到的内环故障、外环故障以及滚动体故障振 动信号进行处理。采用最小二乘法和指数平滑法对振动信号进行预处理,利用EMD分离振动信号的局部特征,并根据IMF分量 的信息熵增益比实现重构;采用ICA对混叠的振动信号进行分离,并对分离后的振动信号进行特征提取;采用遗传算法对多维振 动特征参量进行降维,筛选出最优特征参量;采用遗传算法优化的极限学习机对轴承故障振动特征集进行识别,将常见的SVM、 BP等诊断模型作为对比算法。试验结果表明：采用ICA能将混叠信号有效分离,实现故障信号的提取;遗传算法不仅能够实现最 优特征的选择,同时能够对极限学习机算法进行有效优化,提升算法的诊断效果。优化的算法相比其它诊断识别方法性能较佳, 使3种故障的平均诊断效果达到90%以上。     

航空铁磁材料磁记忆检测新方法

 为提高现有磁记忆检测方法的可靠性,充分考虑各向磁记忆信号分量特征,提出法向和切向相结合的磁记忆检测新方法,对航空铁磁材料18CrNi4A试件在不同拉伸载荷下同时采集法向和切向两个方向上的磁记忆信号,并对信号进行小波包滤波处理后取李萨如图,用图中封闭区域出现的位置判断应力集中部位,用封闭区域面积的大小判断应力集中程度,研究磁记忆信号法向分量和切向分量联合检测材料的应力状态。结果表明:对该材料试件磁记忆信号法向分量和切向分量进行小波包降噪方法切实可行,处于应力集中试件的磁记忆信号反映在李萨如图上会出现封闭区域,并且随着应力集中程度的增大,李萨如图上封闭区域的面积有增大趋势,材料出现明显屈服后,面积增大得更加明显。该方法具有一定的工程实际应用价值。     

基于小波包分解和滑动功率谱的舰船轴频电场信号检测

轴频电场是可在水下探测到的一种运动舰船特征物理场,由于海水的衰减作用,其信号十分微弱。文章提出了一种基于小波包分解和滑动功率谱的微弱舰船轴频电场信号检测方法。首先,利用小波包变换对观测信号进行多子带分解;然后,分别提取各子带信号功率作为检测特征量,使用浮动门限对其进行滑动检测。实测数据和仿真数据处理表明,该方法能够在较低的信噪比条件下有效工作,性能优于传统的功率谱检测方法。