自适应局部独立分量分析

摘要：

提出一种自适应局部独立分量分析降噪算法.该算法先将一维时间序列重构到高维相空间,用聚集模糊K均值聚类和聚类评价函数求取高维数据集的聚类个数和聚类中心位置,然后利用K均值聚类寻找局部投影区间,对每个聚类进行独立分量分析并投影到低维空间,将低维空间数据排列并重构成一维时间序列.与使用聚类的局部独立分量分析相比,该算法具有自适应性和稳定性.使用数值仿真试验和齿轮故障信号对该算法进行验证,结果表明该算法对此类信号具有良好的降噪效果.

关键词：聚集模糊K均值聚类、局部独立分量分析、降噪、故障诊断

所属期刊栏目：31

分类号：TH11.3.1

资助基金：武汉晨光计划200950431201;湖北省教育厅科研计划Q20100003;博士点基金200804880002

在线出版日期：2012-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：148-151