论文部分内容阅读
形态成分分析（MCA）是最新提出的一种基于稀疏表示的信号和图像分解（分离）方法，其主要思想是利用信号组成成分的形态差异性（可以由不同的字典稀疏表示）进行分离。结合核函数把基于MCA的线性盲分离方法拓展到非线性混叠情况，给出一种非线性混叠信号盲分离算法。该算法通过非线性映射将混叠信号投影到高维特征空间，将样本空间的非线性混叠问题转化成高维特征空间的线性混叠问题，然后应用MCA算法对高维特征空间中的混叠信号进行分离。通过对齿轮齿根裂纹、轴承内圈、外圈复合故障的实验信号的分析，表明该方法能有效地分离出齿轮箱的复