含噪声音信号盲分离算法的研究

发布时间：2017-07-26 12:13

  本文关键词：含噪声音信号盲分离算法的研究

  更多相关文章： 盲分离 瞬时混合 卷积混合 自适应步长 神经网络

【摘要】：近几十年来,随着“鸡尾酒会”效应出现后,盲分离技术的研究就重未间断过。作为信号处理中的一个崭新的研究方法,盲分离算法被众多领域的科研者密切关注。所谓“盲”就是源信号是未知的。因此,盲分离问题是指,将一个未知的源信号与一个未知的信号混合在一起,形成一个混合信号,再经传感器对混合信号采集,将采集到的混合信号也就是被测信号经采集系统分析,最终从混合信号中分离出未知源信号。随着时代不断的进步,越来越多的领域都在应用盲分离技术。例如,生物医学、雷达和声纳、图像处理、地震探测、无线通讯等。在实际应用中,各领域对于盲分离算法的应用都是在理想状态下对信号进行分离。但是有一个客观条件是不能忽视的,那就是被测信号中会有噪声信号的存在。噪声信号的存在不仅会改变算法的性能导致误差出现,严重一些还会使盲分离算法不能正确运算,进而不能正确分离出期望信号。因此,含噪信号的盲分离算法是目前重要的研究对象,本文基于盲分离理论,重点研究含噪声音信号的盲分离算法。首先简单的介绍了盲分离算法的研究背景及意义和目前国内外的发展现状,并且对盲分离的假设条件、可实现性和不确定性进行了分析。其次,建立了盲分离的数学模型,针对盲分离算法的一些定义、定理、推论和相关的充分必要条件对可行性和分离原则进行了分析。通过对不同形式的代价函数作出分析以及信号预处理方法的研究,介绍了瞬时混合模型下的三种盲分离算法——联合近似对角化算法、FastICA算法和最大信息化算法,以及卷积混合模式下盲分离算法中的时域法和频域法。通过对瞬时混合和卷积混合盲分离算法的分析,指出这些算法的优势与劣势,并根据不足之处提出了改进算法,并通过仿真分析验证改进算法的优越性。目前,这些算法已经应用到图像处理、生物医学、无线通讯等领域之中。最后,根据实际应用,通过USB-1208LS数据采集卡及LabVIEW设计的数据采集的程序,并将汽车发动机声音信号作为研究对象,对试验采集系统做了详细的介绍,利用自适应步长混合神经网络盲分离算法对汽车发动机含噪声音信号进行了盲分离实验,并对仿真结果作出分析,实现了对汽车发动机的故障诊断。文章的结尾对本文进行了总结,提出了展望,同时也提出了继续研究的方向。
【关键词】：盲分离 瞬时混合 卷积混合 自适应步长 神经网络
【学位授予单位】：甘肃农业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN911.7
【目录】：

• 摘要2-3
• Summary3-7
• 第一章 绪论7-12
• 1.1 研究背景及意义7
• 1.2 盲分离现状7-9
• 1.3 盲分离的假设条件9
• 1.4 盲分离的可实现性9-10
• 1.5 盲分离的不确定性10-11
• 1.5.1 尺度不确定性10
• 1.5.2 顺序不确定性10-11
• 1.6 本文的结构安排11-12
• 第二章 含噪声音信号盲分离的可分离性分析及应用12-23
• 2.1 含噪声音信号数学模型12-13
• 2.2 可分离性分析13-16
• 2.2.1 盲分离的基本定义及定理13
• 2.2.2 充分必要条件13-15
• 2.2.3 正交矩阵对可分离性的影响15-16
• 2.3 含噪信号的盲分离原则16-21
• 2.3.1 基本定理16-17
• 2.3.2 分离原则的三种情况17-21
• 2.4 盲分离算法在含噪声音信号增强的应用21-22
• 2.5 本章小结22-23
• 第三章 盲分离的基本理论23-34
• 3.1 盲源信号的分离与处理23-27
• 3.1.1 盲信号分离技术23-26
• 3.1.2 盲信号处理技术26-27
• 3.2 代价函数27-30
• 3.2.1 峭度代价函数27-28
• 3.2.2 互信息代价函数28-29
• 3.2.3 负熵代价函数29-30
• 3.2.4 熵的代价函数30
• 3.2.5 似然函数的代价函数30
• 3.3 数据预处理30-32
• 3.3.1 中心化处理31
• 3.3.2 白化处理31-32
• 3.4 本章小结32-34
• 第四章 盲分离的算法及改进34-46
• 4.1 典型算法35-39
• 4.1.1 JADE算法35-36
• 4.1.2 FastICA算法36-38
• 4.1.3 Infomax算法38-39
• 4.2 卷积混合盲分离算法39-42
• 4.2.1 时域分离算法40-41
• 4.2.2 频域分离算法41-42
• 4.3 改进算法42-45
• 4.3.1 峭度算法的改进42-43
• 4.3.2 双梯度算法的改进43-44
• 4.3.3 仿真实验44-45
• 4.4 本章小结45-46
• 第五章 含噪声音信号盲分离对汽车发动机故障诊断的实验46-61
• 5.1 含噪声音信号采集系统介绍46-47
• 5.2 LabVIEW软件介绍47-52
• 5.2.1 LabVIEW语言的概述47-48
• 5.2.2 LabVIEW软件的特点48-49
• 5.2.3 采集系统程序设计49-52
• 5.3 含噪声音信号盲分离算法52-57
• 5.3.1 含噪声音信号模型52-53
• 5.3.2 神经网络盲分离算法53-54
• 5.3.3 改进的自适应步长神经网络盲分离算法54-57
• 5.4 实验仿真及分析57-60
• 5.5 本章小结60-61
• 第六章 总结与展望61-63
• 6.1 全文总结61
• 6.2 展望61-63
• 参考文献63-66
• 致谢66-67
• 作者简介67-68
• 导师简介68-69

【参考文献】

中国硕士学位论文全文数据库 前1条

1 任婕;含噪盲信号提取和分离技术研究[D];电子科技大学;2012年

，

本文编号：576324