基于解析二阶盲辨识的结构工作模态分析及真假模态区分

自动获取运行中的模态参数对于大型土木结构的健康状态实时在线监测具有重要意义。针对现有方法模态分辨困难的问题,提出了一种基于解析二阶盲辨识的工作模态分析方法,并相应提出了真假模态区分方法以实现模态参数自动识别。与传统方法不同,该方法无需引入稳定图,可直接从结构振动响应中有效分离出各阶模态响应。通过构造模态特征指标和K均值聚类实现真假模态自动区分,并采用频域参数拟合法估计模态参数。通过8自由度数值算例和混凝土重力拱坝工程实例对该文方法效果进行了验证。结果表明:该方法具有较好的模态自动分离和筛选能力,对固有频率、阻尼比和振型的识别精度均较高,尤其对于密集模态的识别具有显著优势。

采用FFT方法的抗阶数过估计信道盲辨识算法

针对二阶统计量信道盲辨识算法在小样本观测数据条件下性能恶化且对信道阶数误差敏感的问题,本文首先提出一种改进的基于FFT变换的信道盲辨识算法(FFT-MCR),该算法充分利用MCR算法只需最小冗余度信息求解信道向量的特性,有效地降低了原算法(BI-FFT)的计算复杂度且性能相当。研究表明FFT-MCR算法在信道阶数过估计情况下额外引入的公零点具有单位圆聚集性,同时提出一种具有较强阶数鲁棒性的盲辨识算法(R-FFT-MCR),算法通过聚类的思想搜索单位圆周围的公零点并将其移除,实现准确的信道估计。理论分析与仿真实验验证了所提算法的有效性。

基于二阶盲辨识结合小波包的脑电信号预处理

针对脑机接口(BCI)中脑电信号(EEG)含有的伪迹,提出一种基于二阶盲辨识结合小波包分解(SOBI-WPD)的去除伪迹方法.首先将多个导联EEG采用SOBI分解成若干独立分量.然后根据眼电和工频干扰直观特征,将对应的独立分量置零.进而将剩余独立分量分别用‘haar’小波基进行6层WPD分解,取每个独立分量分解后与任务相关的子带进行逆变换,形成对应的新的独立分量.最后将这些新分量投影重构,得到去伪迹的EEG.对3组实验数据,使用SOBI-WPD、独立成分分析和SOBI 3种预处理方法,单个样本处理时间分别为61,239和47ms;相同的特征提取和分类方法下,识别正确率分别为86.7%,73.0%和79.8%.SOBI-WPD能快速有效地去除伪迹信号,为BCI中EEG的预处理奠定了基础.

ARMA模型盲辨识仿真研究及其在机械故障诊断中的应用

介绍一种新的基于高阶累积量的ARMA模型的递推盲辨识算法,并对ARMA模型的盲辨识方法进行了仿真研究,同时与常用的方法(残余时间序列法、q切片法、Newton法)进行了比较和分析。仿真结果表明,该算法具有良好的收敛性和准确性,运行速度快。特别是随着系统的阶次的增加,速度提高越明显。由于在计算中引入高阶累积量,因而该算法还可抑制高斯噪声的干扰。在此基础上,将该方法应用到机械故障诊断中,并进行实验研究,实验结果表明,该方法是有效的。

基于时频单源点检测和聚类验证技术的欠定混合盲辨识算法

针对欠定混合盲辨识问题,提出了一种基于时频单源点检测及聚类验证的盲辨识算法。检测各个源信号的时频单源点,利用奇异值分解的方法求解不同单源点集合对应的混合矢量,利用基于k均值的聚类验证技术完成源信号数目和混合矩阵的联合估计。算法放宽了已有方法对时频单源区域的假设,不需要假设信号存在时频单源区域,可以完成仅存在离散的时频单源点条件下的欠定混合盲辨识;同时克服了传统算法需要假设源信号个数已知的不足,可以有效地估计源信号数目。仿真结果验证了算法的有效性。

基于FFT盲辨识的肌电信号建模及模式识别

针对表面肌电信号(Electromyographic signal,sEMG)产生原理复杂、易受人体自身及外界因素影响的特点,采用基于快速傅里叶变换(Fast Fourier transform,FFT)的盲辨识方法建立肌电信号模型.该方法通过计算即可确定信道阶次,无需人为凭借经验设定,且计算简单、易于实现、运算速度快.其利用输出信道间的相互关系特性,实现信号的频域盲辨识,建立数学模型.此方法适用于小样本信号建模,非常适合易受肌肉疲劳影响的表面肌电信号.将模型系数作为改进的BP神经网络的输入,实现多运动模式识别,与其他盲辨识方法比较,此方法识别效果较好.

基于二阶盲辨识的运动想象脑电信号分类

人类的思维活动会引起脑电信号的变化,而对特定的脑电信号的分析可以设计脑机接口通信系统。文章提出了一种应用于脑机接口系统的运动想象脑电信号分类方法,即采用一种盲源分离算法——二阶盲辨识对运动想象脑电信号进行处理,进而根据不同类型间的Fisher距离提取特征,最后运用多层BP神经网络进行分类,3个样本的平均分类准确率达到90.9%,而直接对原始脑电信号进行分类,其平均分类准确率仅为72.6%,这表明二阶盲辨识算法的运用明显改善了运动想象脑电信号的分类准确率。不同受试者及不同训练样本的分类准确率表明,以BP神经网络作为分类器,其结果与训练样本关系密切,尤其是在样本数较少的情况下。从实时性方面来说,二阶盲辨识算法完全满足要求。

基于时频分布的欠定混合矩阵盲辨识

针对欠定混合矩阵的盲辨识问题,提出了基于空间时频分布的盲辨识算法,首先计算信号的空间时频分布并找出源信号的自源时频点,然后把所有自源点对应的时频分布矩阵表示成高维矩阵的形式,再通过联合对角化和特征值分解估计出混合矩阵.该方法不需要假设源信号是稀疏的或独立的,此外通过检测能量足够大的自源时频点,提高了算法的鲁棒性.仿真结果表明在相同信噪比条件下与已有算法相比,本文方法提高了混合矩阵的估计精度.

控制系统的一种直接盲辨识方法

提出一种在时域中直接盲辨识系统传递函数的方法。首先利用过采样方法,将SISO系统转换为具有相同零极点的SIMO系统进行处理;然后通过对新的SIMO模型先估计分子参数、后估计分母参数的方法,即可获得原SISO模型的参数估计。该方法也可用于辨识非最小相位系统。

基于自相关的AR模型的盲辨识算法

研究了一种 AR模型的盲辨识算法 ,该算法可同时辨识 AR模型的阶次及相应的模型参数 ,而不需事先确定 AR模型的阶次或者假定 AR模型的阶次已知 .其特点是计算量小 ,具有很好的收敛性 ,适合在线建模 ,并与常用的奇异值 -最小二乘法相比较 ,无论是运行速度、还是辨识精度方面 ,都具有优势 ,尤其随着阶次的增加 ,优势越明显 .仿真结果表明该算法是很有效的 .

一种基于信道盲辨识和盲均衡的多径信道调制方式识别算法

针对多径环境下MPSK和MQAM信号的调制识别问题,该文提出了一种基于信道盲辨识和盲均衡的调制识别算法。算法首先进行信道阶数精确估计,然后以矩阵外积分解为基础,加入特征值扰动分析,提高了信道盲辨识和盲均衡的稳定性,最后,对均衡后的星座图进行多级减法聚类,得到信号的调制方式。与现有算法相比,算法结构简单,所需数据量小,适用范围广,实用性强。仿真结果证明了算法的有效性。

基于二阶盲辨识的系统谐波阻抗计算

文章指出随机独立矢量法的误差是由于将公共耦合点的谐波电流近似等效为用户侧谐波电流引起的,根据误差分析,提出基于二阶盲辨识的系统谐波阻抗估计方法。首先分离测量得到的谐波电压和电流信号为快速变化部分和缓慢变化部分。根据系统侧和用户侧谐波电流快速变化部分近似独立性的性质,对公共耦合点的谐波电流和电压快速变化部分进行二阶盲辨识计算,得到4个独立信号;根据公共耦合点的谐波电流近似等于用户侧谐波电流,即具有较大的相关系数,计算独立信号与公共耦合点谐波电流之间的相关系数,根据相关系数的大小判断4个独立信号中的用户谐波电流实虚部;最后,根据随机矢量协方差为零的性质,计算得到系统谐波阻抗值。通过仿真计算表明,文中方法有效的提高了随机独立矢量法的计算精度,具有较高的准确性。

基于自适应盲辨识的麦克风阵列直达波方向估计

针对多径环境下的麦克风阵列直达波方向估计问题,该文研究了一种基于多通道互关联的二阶统计量自适应盲辨识算法。算法采用稳健无约束的归一化最小均方误差自适应滤波器来盲估阵元间的直达波时延参数,消除了现有同类技术的恒模约束。理论推导和计算机仿真证明了该算法在多径条件下的有效性。

利用二阶循环平稳性的信道自适应盲辨识

提出了利用二阶循环平稳性信道盲辨识的自适应求解方法。通过递推更新循环相关函数,从而完成了循环相关矩阵的自适应估计。利用共轭梯度搜索的方法实现信道的自适应盲辨识,并讨论了梯度算法中步长选取的问题,提出了可变步长选取的方法。由于采用二阶循环统计量,因此算法既简单又可以很好的抑制平稳加性有色噪声。计算机仿真表明,在低信噪比情况下,自适应算法能很好的工作。

基于Volterra模型盲辨识的水轮机转轮状态识别

为实现水轮机转轮状态及时有效地识别,运用基于模型的状态识别方法建立水轮机转轮模型,从而提取转轮不同状态下的特征,达到状态识别的目的。鉴于水轮机转轮模型的输入量非常复杂且不易测得的特点,假定水轮机转轮受到的不均匀力作为一个随机输入,利用水导轴承摆度作为输出,提出了基于Volterra模型盲辨识的水轮机转轮状态识别方法。利用在线监测系统中已有的水导轴承摆度数据作为输出,辨识出水轮机转轮Volterra时域模型。结合多维傅里叶变化,建立转轮的广义频率响应模型(generalized frequency response function,GFRF)。通过模型频域上的变化,分析转轮状态的变化。仿真实验和实例研究表明,Volterra模型盲辨识方法能够很好地反映原系统的频域特性,实现了水电机组转轮频域特征的良好提取,进而可采用该方法对水轮机转轮进行状态识别。

基于调制引入循环平稳的单信道盲辨识和盲抗干扰均衡

该文针对单输入单输出(Single-Input-Single-Output,SISO)信道,设计了一种特殊的引入多个共轭循环平稳的恒模复调制方案,使得接收机只需要一个接收天线就可以对FIR信道进行辨识(包括定阶)。利用辨识出的信道,可以进行循环维纳滤波均衡,具有很强的抗噪声(干扰)能力。

基于粒子滤波器的盲辨识和盲均衡新方法

提出了一种新的基于粒子滤波器的盲辨识及盲均衡算法。在对信道进行辨识时,通过对信道均值的采样来代替对真实信道的采样,避免了对信道的后验密度进行采样,从而降低了算法的复杂度。算法还采用先验密度作为重要性函数,以便于对重要性函数进行采样。仿真结果表明,该算法收敛速度快,所需的数据量少,在信噪比较低时也能完成对信道的盲辨识和盲均衡。

基于循环累量的多用户信道盲辨识

本文针对多用户系统提出了一种新颖的盲辨识方法。它首次利用了调制产生的高阶循环平稳性,可以识别出不同的用户各自的传输信道。最后文中提出了循环c(q,n)公式,给出信道的估计。方法简单明了,适合于多用户上行链路信道的盲辨识。文中还讨论了对算法进行的计算机模拟。

基于高阶统计的水声信道盲辨识

本文给出了基于ARMA模型的水下通信系统模型,将一种基于三阶统计的算法应用到水声信道盲辨识领域,在不需要训练序列的条件下估计得到信道传输函数。与基于二阶统计特性方法相比,该算法具有较强的抗噪性,更适合信噪比低于12dB条件下水声信道的辨识。通过对水声信道盲辨识的计算机仿真,验证了该算法具有较高的辨识精度。

非线性有限冲激响应Volterra信道的盲辨识

提出了单输入多输出有限冲激响应 (SIMOFIR)Volterra系统的盲辨识及盲均衡的子空间方法 .首先描述了SIMO非线性Volterra信道模型 ,并将此模型转化为多输入多输出 (MIMO)信道模型 ;接着讨论了FIRVolterra系统盲可辨识条件 ,并给出了SIMOVolterra系统的盲辨识子空间算法 ;进一步讨论了VolterraFIR非线性信道的确定性盲均衡问题 ;最后用仿真实例验证了此算法的有效性 .所提方法与确定性的线性多信道方法相比 ,它的最大优点就在于所需约束条件少 ,此方法仅需要输入信号的自相关矩阵非奇异 ,且在低信噪比情况下 (SNR为 5dB)也有效 .