研究表明高速列车的噪声由多种因素混合而成,有效的分离出各种噪声对列车的减振降噪具有重要意义.针对动车组模型试验提出一种适用于分离试验段观测噪声的盲源分离方法.对观测噪声进行EEMD分解,使单通道欠定问题转化为正定问题;利用主成分分析进行源信号数目的估计,提出利用至少包含源信号信息90%的主成分重构观测信号;对重构的观测信号利用独立分量分析进行分离.仿真实验说明该方法可有效的分离出源信号.在动车组模型风洞试验中,试验段传声器的观测信号主要是由气动噪声和风机振动噪声混合而成,所估计的源信号数目与试验条件一致.分离出的气动噪声和风机振动噪声源信号与原始源信号的主要频率一致,相关系数都大于0.65,属于强相关,说明了该方法对动车组模型试验噪声分离的有效性.

文章介绍独立分量分析的基本理论和算法,提出在大轴圆度误差的三点法测量中应用独立分量分析进行误差分离,可降低对测量系统结构精度、测头布置及测头间夹角精度的要求.采用基于负熵的独立性判决准则的FastICA算法,对三点法测量模型进行仿真,结果表明,基于独立分量分析的圆度误差分离技术比传统的频域法和时域法均简单、实用及高效.

从盲声源信号的独立性出发,提出了一种新的盲声源混合信号分离方法.该方法基于信号联合概率的分布统计,利用信号联合概率的方向导数熵最小获得最佳的旋转角度,最终实现盲信号分离.与快速独立分量分析方法及神经网络方法相比,该方法不需要迭代计算.采用新的盲声源信号分离方法对轴承试验台的混合声音信号进行识别,将电机和滚动轴承的声音分离出来,进而可以准确识别机械的故障.

单矢量水听器利用H标信号的声能流进行测量，可有效抑制各向同性干扰，提高目标信号的信噪比，从而实现目标的波达方向（DOA）估计。但若存在多个目标时，单矢量水听器测量的是各信号声能流的矢量和，因此无法估计单个目标的方位。本文将独立分量分析（ICA）原理与单矢量水听器技术相结合，提出一种新的单矢量水听器多目标分辨算法。在目标信号方向未知的情况下，该方法可对矢量水听器的导向矢量实现盲估计，并分离出各独立目标信号，进而利用声能流逐次分辨出各独立目标信号。仿真实验证明了算法的有效性。

提出一种新的基于盲源分离的超声信号去噪方法。为了验证去噪方法的有效性，应用此方法处理了仿真的超声信号，并与小波去噪的效果进行了比较。实验结果表明：该去噪方法能极大提高超声信号的信噪比，且其效果能与小波去噪方法相媲美，其特点是通过超声信号和噪声信号的盲源分离实现噪声消除。

当源信号不满足统计独立的假设,或者观测通道数少于源信号数时,经典的盲源分离方法如独立分量分析的处理效果很差。提出了一种基于张量分解模型的盲源分离算法,该方法将观测信号分解为一系列由源信号拟合的有理函数。将观测信号的每一个通道映射为Löwner矩阵并堆叠形成三维张量数据;根据Löwner矩阵的秩和源信号拟合多项式阶数的对应属性,通过张量秩-(Lr,Lr,1)将张量唯一地分解为由源信号的Löwner矩阵表示的前2个模式和由相应的混合向量表示的第3个模式,从而准确地分离出不同源信号;通过数值仿真实验和实测轴承混合故障的盲信号分析,证明了该方法在盲源分离的优良性能。

针对传统包络谱分析对复合故障提取失效的问题,提出了独立分量分析(Independent Component Analysis)和包络谱相结合的方法。首先对四通道采集信号进行包络分析获得包络谱图,从图中可发现存在故障频率信息,但无法做到对故障的准确定位,接着对包络信号进行ICA处理得到独立分量,在独立分量中分别找出与故障相对应的频率信息。应用该方法对齿轮箱进行故障信号提取,成功的识别出滚动轴承外圈故障及齿轮断齿故障,仿真和试验结果验证了本方法的可行性和有效性。

针对小波阈值降噪时硬阈值和软阈值存在的连续性差和小波系数高频损失的问题,以及经典独立分量分析（independent component analysis,简称ICA）方法降噪时的欠定问题,提出了模平方阈值与Fast ICA结合的联合降噪方法。首先将采集的单通道信号进行模平方阈值降噪处理,然后将降噪后信号与原振动信号组成输入矩阵进行Fast ICA降噪,最后对降噪后信号进行包络谱分析,实现滚动轴承特征提取和故障诊断。仿真和实验结果分析表明：该方法能使振动信号的峭度值增大,有效地滤除噪声,凸显故障特征信息,证明了该方法的有效性。

油料发射光谱技术已经广泛地应用于油液监测中。文中针对某型船下水时间不长的使用现状通过独立分量分析分离柴油机在稳定磨损下油液中所含主成分的相似性信息并运用光谱界限值方法对主要设备的监测数据进行了分析建立了设备的光谱... 展开更多

为了去除风力机机组的噪声与振动信号等强干扰信号，采用EMD和ICA技术进行强信号盲分离。盲处理的优点是可以分离未知传递过程和源信号数量的混合信号。为了验证此算法的分离效果与可行性，给出了仿真实验。