盲源分离在机械设备声学信号特征提取中的应用

发布时间：2021-03-25 04:04

　　在工程信号处理中，由于测量噪声以及其它信号源的干扰，传感器接收到的信号往往是多个信号源的混合信号，从接收到的混合信号中将原始信号分离出来的过程称为盲源分离（BSS）。盲源分离技术已成功地应用到生物医学、地震数据处理、通信等多个领域。本文将盲源分离技术应用到机械设备状态监测与故障诊断中，以线性瞬时盲源分离模型为基础，利用信号自身的不同属性，对设备故障诊断中的声学信号特征提取进行了探讨，研究了多种情况下信号的自适应盲分离算法——快速独立分量分析、稳健的二阶盲辨识、双盲分离方法，分析比较了三种算法的基本原理、适用范围及分离精度性能等，并将得到的理论结果应用到仿真信号处理中，进行大量的仿真试验验证。论文针对盲源分离过程中，信号源数目一般预先无法得知且可能动态变化的问题，研究了相应的盲信号源数目估计算法，在主分量分析方法的基础上，提出了基于盲提取和相关分析的改进算法，并通过计算机仿真实验进行了验证。在理论研究和仿真实验的基础上，在半消声室里分别对两个扬声器产生的混合声信号、一个小型钻机与一台电风扇产生的混合声信号进行盲源分离实验，实验结果表明论文所提出方法的可行性、有效性和正确性。 

【文章来源】：昆明理工大学云南省

【文章页数】：88 页

【学位级别】：硕士

【部分图文】：

图2.3两个均布信号的联合分布图

2.5.2高斯信号的不可分离性仿真随机产生两个相互独立的高斯分布原始信号sl、s，，样本点数N为1000。两个高斯分布信号的散点图如图2.4(a)所示。采用随机矩阵H混合后得到混合信号xl、凡，其散点图如图2.4(b)所示，这时两个信号己产生互相关。图2.4(c)为经过白化处理后的信号yl、乃的散点图，从图中可以看出，尽管白化过程消除了信号间的二阶相关性，但仍然得不到原始信号与白化信号之间的对应关系，因此不能利用旋转变换恢复出原始信号【92]。这个仿真例子说明两个及两个以上的高斯信号源混合是不可分的。

源信号结构示窟图

【参考文献】：
期刊论文
[1]基于Kohonen网络的柴油机噪声故障分析系统[J]. 吕琛,宋希庚.  振动.测试与诊断. 1999(03)
[2]电气设备噪声的实时监测与故障诊断[J]. 马晓强,童陆园,葛俊,童世洲.  电力学报. 1999(01)
[3]应用噪声信号进行设备状态监测及故障诊断[J]. 胡静波.  武汉水利电力大学(宜昌)学报. 1998(02)
[4]机械噪声故障诊断中小波变换的应用[J]. 胡政,陈循,温熙森.  振动与冲击. 1997(04)
[5]机械压力机噪声产生的机理及其特性研究[J]. 赵升吨,史维祥.  噪声与振动控制. 1996(06)

硕士论文
[1]模式分类特征提取中的独立分量分析[D]. 吴响容.广西师范大学 2005
[2]基于混合信号概率密度函数估计的盲信号分离[D]. 李维勤.西安电子科技大学 2005
[3]基于盲分离的机械噪声故障诊断研究[D]. 冯海涛.浙江大学 2002



本文编号：3098990