基于自适应本征维数估计流形学习的相空间重构降噪方法

摘要：

针对实际工程领域振动信号噪声干扰大、具有强烈非线性等问题，提出了基于自适应本征维数估计流形学习的相空间重构降噪方法。利用相空间重构将一维含噪时间序列重构到高维相空间；基于极大似然估计法（maximum likelihood estimate，MLE）估计相空间中每个样本点的本征维数并使用自适应加权平均法计算全局本征维数；采用局部切空间排列（Local tangent space Alignment，LTSA）流形学习方法将含噪信号从高维相空间投影到有用信号的本征维空间中，剔除分布在高维空间中的噪声后，重构回一维时间序列。通过 Lorenz 仿真实验和风电机组振动信号降噪实例，证实了该方法具有良好的非线性降噪性能。

关键词：非线性降噪、流形学习、本征维数估计、极大似然估计、自适应加权

分类号：TN911;TH133

资助基金：国家自然科学基金资助项目51275546，51375514；高等学校博士学科点专项科研基金资助20130191130001

在线出版日期：2015-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：29-34