论文题目: 基于主分量、独立分量分析的盲信号处理及应用研究
论文类型: 博士论文
论文专业: 机械工程
作者: 王峻峰
导师: 杨叔子,史铁林
关键词: 盲源分离,信号处理
文献来源: 华中科技大学
发表年度: 2005
论文摘要: 本文以统计信号处理理论为基础,针对现有传统信号分析方法的不足,研究混合信号中独立分量提取的相关理论和计算方法; 面向工程实际应用的需要,研究算法在实际应用中需考虑的快速性、稳定性和自适应性,并以工业现场的实际信号为对象,研究独立分量分离在实际工程应用中的作用与价值。本文首先集中讨论了与主分量分析(PCA)和独立分量分析(ICA)相关的理论和方法; 论述了“独立”与“不相关”的关系; 论述了白化理论及其工程应用的方法,对“白化”解相关的特性进行了研究。结果表明,对信号进行白化处理,可以大幅度降低信号之间的互相关程度。研究了PCA 的一些计算方法以及主分量选取的原则,并根据这一原则——贡献率的大小,来决定主分量的数量。应用这一理论,对实际的工程信号进行了PCA 分析,为传感器数量的选取提供了理论依据。研究了采用PCA 方法对信号进行白化预处理的理论与方法。分析了ICA 所用的比照函数,给出了若干比照函数的数学模型,总结了比照函数的选用原则; 指出基于神经网络的独立分量估计算法的核心是梯度下降法; 在随机梯度算法的基础上,提出了一种改进的非线性ICA 算法。研究结果表明,该算法对同类峭度符号的信号的分离具有较好的效果。针对传统时频信号处理中存在的“同频干扰不可分”问题,进行了基于PCA 白化预处理的ICA 盲源分离的仿真研究,并对实际的工程信号进行了ICA 分析。其结果表明,盲源分离可以令人满意地解决由多个频率成份相互重叠的信号混合后的分离问题。研究了如何采用ICA 方法剔除中厚板轧机主传动轴的振动信号在传输过程中所受到的同频噪声干扰。论述了基于峭度比照函数的定点算法和基于其它高次非线性函数的比照函数的定点算法的一般算式; 在Hyvarien“定点算法”的基础上,提出了采用其它非线性函数作为比照函数的定点算法,并提出了增强稳定性的改进方法; 应用不同的非线性函数所构成的比照函数对不同分布类型的独立分量的提取进行了仿真研究; 针对盲源分离过程中信号次序的不确定性,研究了分离信号次序重排的方法。研究了中厚板轧机主传动系统的主要结构特点,分析了主传动系统的固有振动频率,建立了主传动系统的振动模型,指出了主传动系统中易受破坏的的关键传动部件——万向联轴器的破坏机理; 设计并开发了一套基于DataSocket 的Internet 通信方式
论文目录:
摘要
ABSTRACT
1 绪论
1.1 研究问题概述
1.2 文献综述
1.3 本文的组织结构与主要创新点
2 PCA、ICA 的理论基础及方法
2.1 统计量、二阶统计量与高阶统计量
2.2 多元分析中的二阶统计方法
2.3 基于高阶统计量的ICA
2.4 独立与相关、大数定理
2.5 高斯分布及分布检验
2.6 白化理论
2.7 小结
3 主分量分析(PCA)及其应用
3.1 PCA 概述
3.2 主分量的求解
3.3 PCA 自适应算法及实现
3.4 基于PCA 的信号预处理——解相关与降维
3.5 轧机主传动系统主电机驱动电源信号的PCA 分析
3.6 小结
4 独立分量分析――ICA
4.1 ICA 概述
4.2 数学模型及假设条件
4.3 独立分量高斯性的测度――比照函数
4.4 ICA 神经网络算法
4.5 ICA 仿真研究
4.6 调频信号的ICA 仿真研究
4.7 小结
5 快速ICA 自适应算法
5.1 基于峭度的定点算法
5.2 基于非峭度的定点算法
5.3 比照函数性能仿真对比
5.4 分离后的独立分量自适应排序
5.5 小结
6 ICA 在轧机监测与故障诊断中的应用
6.1 概述
6.2 2800 中厚板轧机主传动系统的工作特点及监测信号的选取
6.3 主传动系统扭转振动分析
6.4 轧机监测系统设计及实现
6.5 扭矩监测
6.6 轧机扭振信号的ICA 分析
6.7 轧机主传动轴振动信号的ICA 分析
6.8 小结
7 总结与展望
7.1 全文总结
7.2 研究展望
致谢
参考文献
附录1 攻读学位期间发表学术论文目录
附录2 振动信号的概率分布分析
附录3 盲分离后独立分量重排序算法仿真
附录4 同频载波调制同频率信号相互干扰分离仿真
附录5 项目验收证明
发布时间: 2006-04-05
参考文献
- [1].稳定分布噪声下的盲信号处理方法及应用研究[D]. 郭文强.大连理工大学2007
- [2].盲信号处理与分离技术研究[D]. 冯平兴.电子科技大学2016
- [3].自适应盲信号处理理论及应用研究[D]. 王惠刚.西北工业大学2002
- [4].机械噪声监测中盲信号处理方法研究[D]. 王宇.昆明理工大学2010
- [5].OFDM信号盲估计与识别关键技术研究[D]. 蒋清平.重庆大学2010
- [6].民航地空通信盲自适应干扰抑制技术研究[D]. 石庆研.西安电子科技大学2012