基于EEMD的单通道机械噪声信号盲分离

摘要：

盲源分离在机械设备状态监测与故障预判中可以有效的去除干扰并恢复源信号,有助于信号进一步分析,具有重要应用价值.实际环境中机械信号通常是非平稳信号,经验模态分解对于解决实际应用中非平稳非线性的机械信号是一种有效方法.为了促进机械声学诊断的发展,解决混合声信号难处理的问题,同时为了降低实际信号采集成本,本文提出基于EEMD与Fast-ICA相结合的单通道机械噪声信号盲源分离方法,奠定机械声学故障诊断的基础.该方法利用EEMD算法将单个传声器接受的观测信号分解成多个IMF分量,然后选出合适的IMF分量与单通道信号组合,再利用特征值占优比估计源数目,以此为依据重构多维观测信号,实现单通道升维,最后利用Fast-ICA恢复机械信号.并将该方法用于三台异步电动机噪声信号的单通道盲分离实验,分离效果良好.

关键词：盲源分离、单通道、集合经验模态分解、源数估计、机械噪声信号

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省科技发展计划项目20150414051GH

在线出版日期：2017-12-14（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：134-137