针对最大二阶循环平稳盲解卷积(Maximum second order cyclostationary blind deconvolution,CYCBD)的轴承故障诊断效果取决于选取的故障特征频率的精度以及滤波器的长度的问题,提出了用布谷鸟搜索算法(Cuckoo search algorithm,CSA)优...针对最大二阶循环平稳盲解卷积(Maximum second order cyclostationary blind deconvolution,CYCBD)的轴承故障诊断效果取决于选取的故障特征频率的精度以及滤波器的长度的问题,提出了用布谷鸟搜索算法(Cuckoo search algorithm,CSA)优化CYCBD,并以改进的最大谐波显著性指标(Improved maximum harmonic significance index,IHSI)为优化依据的诊断方法。该方法首先要预估故障特征频率以及滤波器长度的搜索范围,然后利用CSA比较不同故障特征频率以及滤波器长度下解卷积信号的IHSI值,并选取最大IHSI值对应的故障特征频率和滤波器长度作为CYCBD的输入参数,最后对解卷积后的信号进行平方包络来提取故障特征。仿真和实验结果表明,CSA能够高效地寻找出精确的故障特征频率以及合适的滤波器长度,从而确保CYCBD的解卷积效果,而CYCBD与最小熵解卷积(Minimum entropy deconvolution,MED)、最大相关峭度解卷积(Maximum correlation kurtosis deconvolution,MCKD)的比较显示,CYCBD拥有更强的故障特征提取能力。展开更多
近年来所提出的许多瞬时混合信号盲分离算法大都是基于高阶统计量(HOS:High Order Statistics),这使得算法不易收敛且计算量较大。在本文中,我们证明了当源信号是非平稳信号(语音信号、音乐信号等)时,使用二阶统计量(SOS:Second Or...近年来所提出的许多瞬时混合信号盲分离算法大都是基于高阶统计量(HOS:High Order Statistics),这使得算法不易收敛且计算量较大。在本文中,我们证明了当源信号是非平稳信号(语音信号、音乐信号等)时,使用二阶统计量(SOS:Second Order Statistics)就足以成功地对混合信号进行盲分离,从而,大大简化了计算的复杂度。据此,我们提出一种基于二阶统计量的盲分离算法,并在试验中用此算法成功地分离了语音和音乐的混合信号。展开更多
文摘近年来所提出的许多瞬时混合信号盲分离算法大都是基于高阶统计量(HOS:High Order Statistics),这使得算法不易收敛且计算量较大。在本文中,我们证明了当源信号是非平稳信号(语音信号、音乐信号等)时,使用二阶统计量(SOS:Second Order Statistics)就足以成功地对混合信号进行盲分离,从而,大大简化了计算的复杂度。据此,我们提出一种基于二阶统计量的盲分离算法,并在试验中用此算法成功地分离了语音和音乐的混合信号。