基于小波-KCCA的非线性欠定盲分离方法研究
本文关键词:基于小波-KCCA的非线性欠定盲分离方法研究 出处:《仪器仪表学报》2014年03期 论文类型:期刊论文
更多相关文章: 核典型相关分析 小波分析 故障诊断 非线性混合 欠定盲分离 滚动轴承
【摘要】:结合小波分析和核典型相关分析(KCCA)各自的特点,提出一种基于小波-KCCA非线性欠定盲源分离方法。该方法的基本思想是利用小波分析对观测信号进行分解,将分解后的小波系数与原来的观测信号重新组合,构成新的观测信号,从而将欠定盲分离转换为超定或正定盲分离。然后把新的非线性观测信号从低维空间映射到高维核特征空间,将非线性盲源分离问题转化为特征空间中的线性盲源分离问题,最后用典型相关分析对混合信号进行盲源分离,得到源信号的估计。仿真结果表明,与传统的非线性盲分离方法相比较,提出的方法具有明显的优势,得到了满意的分离效果。最后,轴承内外圈故障非线性欠定混合盲分离实验进一步验证了小波-KCCA方法的有效性。
[Abstract]:Combining the characteristics of wavelet analysis and kernel canonical correlation analysis (KCCA). A nonlinear under-determined blind source separation method based on wavelet KCCA is proposed. The basic idea of this method is to decompose the observed signal by wavelet analysis. The wavelet coefficients after decomposition are recombined with the original observation signals to form a new observation signal. Thus, the under-determined blind separation is transformed into over-definite or positive definite blind separation, and then the new nonlinear observation signals are mapped from low-dimensional space to high-dimensional kernel feature space. The nonlinear blind source separation problem is transformed into the linear blind source separation problem in the feature space. Finally, the mixed signal is separated by canonical correlation analysis, and the source signal estimation is obtained. Compared with the traditional nonlinear blind separation method, the proposed method has obvious advantages and achieved satisfactory results. The nonlinear underdetermined blind separation experiment of bearing inner and outer ring fault further verifies the validity of wavelet KCCA method.
【作者单位】: 南昌航空大学无损检测技术教育部重点实验室;
【基金】:国家自然科学基金(51075372、50775208、51265039) 江西省教育厅科技计划(GJJ12405) 湖南科技大学机械设备健康维护湖南省重点实验室开放基金(201204) 江西省研究生创新基金(YC2013-S214)资助项目
【分类号】:TN911.7
【正文快照】: 1引言相对单一故障,多故障复合诊断要复杂得多,也是机械故障研究中的一个难点。当机械设备出现多故障症状时,安装在机器上的传感器获得的观测信号往往不是线性混合,而是更一般的非线性混迭,传统的线性ICA方法[1-6]应用到机械多故障盲分离中只能处理简单的近似的线性混合问题,
【参考文献】
相关期刊论文 前3条
1 余丰;奚吉;赵力;邹采荣;;基于CS与K-SVD的欠定盲源分离稀疏分量分析[J];东南大学学报(自然科学版);2011年06期
2 付宁;彭喜元;;K-Hough欠定盲信道估计算法[J];电子测量与仪器学报;2008年05期
3 王荣杰;詹宜巨;周海峰;;基于零空间表示和最大似然的欠定盲源分离方法[J];通信学报;2012年03期
【共引文献】
相关期刊论文 前6条
1 曹婷婷;余先川;;基于线性聚类的稀疏成分分析及其在盲源分离中的应用[J];北京师范大学学报(自然科学版);2010年01期
2 甘晓晔;李丽娜;宁晓霞;;非线性盲源信号分离研究[J];辽宁科技学院学报;2010年03期
3 张龙;宗成强;;非线性信息融合技术在火力发电机组故障诊断中的应用[J];广东电力;2013年05期
4 孔祥翠;王微微;陈静静;陈宇;;基于入侵性杂草优化算法的有噪独立分量分析方法[J];东北石油大学学报;2014年02期
5 郑超;郭奇;郭丽杰;李慧琳;;基于局部特征尺度分解的旋转机械故障欠定盲源分离方法研究[J];燕山大学学报;2014年02期
6 王荣杰;詹宜巨;周海峰;蔡庆玲;;人工蜂群优化算法在复数盲源分离中的应用[J];中国科学:信息科学;2014年02期
相关博士学位论文 前5条
1 张亢;局部均值分解方法及其在旋转机械故障诊断中的应用研究[D];湖南大学;2012年
2 王雷;基于流形学习的滚动轴承故障诊断若干方法研究[D];大连理工大学;2013年
3 石庆研;民航地空通信盲自适应干扰抑制技术研究[D];西安电子科技大学;2012年
4 陈向民;基于形态分量分析和线调频小波路径追踪的机械故障诊断方法研究[D];湖南大学;2013年
5 苗锋;盲信号分离算法及其在转子故障信号分离中的应用方法研究[D];兰州理工大学;2014年
相关硕士学位论文 前8条
1 甄会;欠定盲分离混合矩阵估计方法的研究[D];大连理工大学;2010年
2 宫汝江;基于混合聚类和网格密度的欠定盲分离混合矩阵估计[D];哈尔滨工程大学;2012年
3 董晓华;局部均值分解在旋转机械振动中的研究与应用[D];燕山大学;2012年
4 何况;基于小波包—变分贝叶斯独立分量分析的机械故障诊断方法研究[D];南昌航空大学;2013年
5 齐佳;基于LMD的风力发电机组振动信号分析[D];哈尔滨理工大学;2014年
6 吴峰;基于字典学习的运动目标检测[D];华东交通大学;2013年
7 马丽芬;欠定盲源分离及其在跳频信号分选中的应用研究[D];西安电子科技大学;2014年
8 张凤;稀疏表示理论的研究及其在图像去噪中的应用[D];西安电子科技大学;2014年
【二级参考文献】
相关期刊论文 前6条
1 付宁;彭喜元;;K-Hough欠定盲信道估计算法[J];电子测量与仪器学报;2008年05期
2 孙华刚;冯广斌;曹登庆;毛向东;;经验模态分解端点波形延拓改进方法研究[J];电子测量与仪器学报;2010年04期
3 闫鹏程;孙华刚;毛向东;冯广斌;;基于EMD与SVD的齿轮箱分形诊断方法研究[J];电子测量与仪器学报;2012年05期
4 孙科学;成谢锋;;一种心音信号盲源分离方法[J];电子测量与仪器学报;2012年06期
5 石光明;刘丹华;高大化;刘哲;林杰;王良君;;压缩感知理论及其研究进展[J];电子学报;2009年05期
6 贡金鑫,陈晓宝,赵国藩;结构可靠度计算的Gauss-Hermite积分方法[J];上海交通大学学报;2002年11期
相关博士学位论文 前1条
1 盖强;局域波时频分析方法的理论研究与应用[D];大连理工大学;2001年
【相似文献】
相关期刊论文 前10条
1 王惠刚,梁红,李志舜;具有任意分布时间相关源的盲分离自适应算法[J];西北工业大学学报;2003年06期
2 李小红,王华奎,樊t,
本文编号:1425473
本文链接:https://www.wllwen.com/kejilunwen/wltx/1425473.html