论文部分内容阅读
盲源分离(BSS)是一种从观测到的混合信号中提取源信号的信号处理方法,它是信号处理领域的一个新的研究方向,同时也是一个引人瞩目的应用热点。独立分量分析(ICA)是BSS中最重要的一类方法,它假设原始信号之间相互统计独立。对于时域频域均混叠的信号,传统的滤波方法无法将其分离开来,这时ICA算法就凸显了其作用。目前,对于ICA算法的研究受到了国内外广泛的重视,研究也逐渐的深入起来。绝大多数ICA算法均存在计算量大、迭代步多的缺陷,而且容易收敛到局部最优点,全局最优的思想改变了这一局面,基于最大信噪比算法的产生正是源于这一理念,它突破了以往算法计算复杂的桎梏,将求优过程转变成广义特征值问题求解,从而使问题得以简化。本文在国家自然科学基金(50275109)“机械振动与噪声的激励源信号的盲分离方法研究”项目支持下研究了基于最大信噪比的盲源分离算法及其应用,主要工作如下：1)由于目前尚缺少对分离效果进行整体评判的判据,因此本论文提出了A矩阵的2范数这个定量衡量算法分离结果的标准；除此之外还对算法中唯一参数滑动平均长度p的选取进行了研究,分析了p值对分离结果的影响,总结p值对传输矩阵影响的一般规律,从而选出最优p值进一步优化该算法；2)研究基于最大信噪比盲源分离算法的分离效果,首先将算法放在三路非高斯信号混合的最一般情况下进行研究；然后用三路仿真信号分别模拟主要激励源生成的信号进行分离尝试,以上仿真试验均在无噪和加噪环境下分别进行；最后与传统的基于负熵的Fast-ICA算法以及全局最优盲源分离算法进行了比较,说明了该算法的优势；3)对4135柴油机进行了试验,获取了缸盖振动等信号,研究了缸盖振动信号的循环平稳特性；通过对柴油机气缸压力进行研究获得柴油机运行的相关信息；随后将基于最大信噪比的盲分离算法用于实测缸盖振动信号的分离,穷尽可能取到的所有p值来分析分离结果,得到与先验信息最符的分离结果,同时与全局最优盲源分离算法的分离结果进行了比较,说明了最大信噪比盲分离算法的优越性。