獨立分量分析（independent component analysis, ICA）是上個世紀末發(fā)展起來的一種新的信號處理方法。它屬于盲源分離方法中的一個特殊方法被廣泛應(yīng)用于機械振動信號處理、生物醫(yī)學信號的處理、通信、陳列信號處理、語音信號處理等領(lǐng)域,并取得良好的效果。簡而言之,獨立分量分析的功能是通過優(yōu)化算法將由多個源信號線性混合而成的混合信號進行分解。它在盲源分離的基礎(chǔ)上假設(shè)源信號互相獨立,并以特定的優(yōu)化算法為手段將源信號逐個提取出來。ICA由盲源分離發(fā)展而來故又稱為盲分離。ICA在信號特征的提取,微弱信號提取方面有很好的效用。本課題對ICA的相關(guān)知識、原理、應(yīng)用方法等進行了詳細介紹以說明ICA功能的可能性,并通過理想化的仿真實驗以驗證它的可行性。任何方法都有它的優(yōu)缺點,獨立分量分析也不例外。優(yōu)點應(yīng)以繼承,缺點則應(yīng)予創(chuàng)新。本課題正是針對獨立分量分析方法的一個缺點（通道數(shù)不能少于源信號數(shù)）進行了嘗試性突破研究,提出了重盲分離方法（Re-ICA）并取得了成功。本研究將獨立分量分析與最經(jīng)典的頻域分析方法進行結(jié)合,依據(jù)頻譜分析來虛擬通道以實現(xiàn)測量通道數(shù)目的增加,再進行獨立分量分析。該方法... 

【文章來源】：天津大學天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究的背景與意義
    1.2 國內(nèi)外相關(guān)技術(shù)研究現(xiàn)狀
    1.3 課題來源及主要的研究內(nèi)容
    1.4 課題研究的創(chuàng)新內(nèi)容
第二章 機械系統(tǒng)故障檢測與診斷原理
    2.1 機械故障診斷基本原理
        2.1.1 機械故障概述
        2.1.2 機械故障特征參量
        2.1.3 機械故障診斷的一般思維方法
    2.2 故障診斷的信號分析與處理技術(shù)
        2.2.1 信號處理中常用變換
        2.2.2 時域分析方法
        2.2.3 頻域分析方法
第三章 獨立分量分析的盲源分離原理
    3.1 盲源分離的數(shù)學基礎(chǔ)
        3.1.1 概率論與統(tǒng)計特征
        3.1.2 信息論相關(guān)基礎(chǔ)知識
    3.2 基于獨立分量分析的盲源分離方法
        3.2.1 獨立分量分析的預處理
        3.2.2 獨立分量分析的一般提法與優(yōu)化判據(jù)
        3.2.3 獨立分量分析的優(yōu)化算法
        3.2.4 獨立分量分析仿真實驗
第四章 重盲分離方法與原理
    4.1 ICA 方法的缺點與不足
        4.1.1 獨立分量分析的不確定性與局限性
        4.1.2 有噪聲的獨立分量分析
    4.2 Re-ICA 方法的提出與原理方法
        4.2.1 Re-ICA 方法的提出
        4.2.2 Re-ICA 方法的原理
        4.2.3 Re-ICA 方法的仿真與應(yīng)用
        4.2.4 Re-ICA 方法的限定
第五章 結(jié)論與展望
參考文獻
發(fā)表論文和參加科研情況說明
致謝


【參考文獻】：
期刊論文
[1]基于頻譜相似度的ICA不確定性快速消除[J]. 莫崇相,陸森林.  噪聲與振動控制. 2008(05)
[2]基于獨立分量分析的聲發(fā)射信號去噪方法[J]. 顧江,張光新,劉國華,周澤魁.  江南大學學報(自然科學版). 2008(01)
[3]基于互相關(guān)和最大似然估計的弱信號檢測[J]. 呂振肅,熊景松.  武漢科技大學學報(自然科學版). 2007(04)
[4]基于FFT-MCC分析的ICA（BSS）盲不確定性消除[J]. 焦衛(wèi)東,楊世錫,錢蘇翔,嚴拱標.  中國機械工程. 2006(07)
[5]ICA不確定性問題在圓度誤差分離中的解決措施[J]. 張梅,金施群.  工具技術(shù). 2005(10)
[6]基于獨立分量分析的單通道語音降噪算法研究[J]. 周成,劉釗.  激光與紅外. 2005(05)
[7]故障診斷技術(shù)及其發(fā)展趨勢[J]. 陳煒峰,陸靜霞.  農(nóng)機化研究. 2005(02)
[8]機械設(shè)備故障診斷技術(shù)及其發(fā)展趨勢[J]. 黃偉力,黃偉建,王飛,杜巍.  礦山機械. 2005(01)
[9]基于獨立分量分析的消噪方法在旋轉(zhuǎn)機械特征提取中的應(yīng)用[J]. 季忠,金濤,楊炯明,秦樹人.  中國機械工程. 2005(01)
[10]基于獨立成分分析的強背景噪聲去噪方法[J]. 孔薇,楊杰,周越.  上海交通大學學報. 2004(12)

碩士論文
[1]故障診斷方法研究及軟件開發(fā)[D]. 劉軍.大連理工大學 2000



本文編號：3503717