基于独立分量分析的电力线物联网去噪

为了降低电力线物联网通信中的噪声影响,使用松弛因子对盲源信号处理中的鲁棒性独立分量分析算法进行优化,并应用于电力线物联网中。通信接收端采用多路接收信号,使用预白化矩阵降低各路信号之间的相关性之后,再利用基于松弛因子优化的鲁棒性独立分量分析算法计算出分离矩阵,对多路信号分离,并通过判决从分离出的信号中找到传输的数据信号。通过对电力线环境建模仿真,实验结果表明,将此优化的算法应用于电力线物联网中可有效去除噪声,去噪后比去噪前信号的信噪比提高了2倍,且相比于直接应用鲁棒性独立分量分析算法,使用松弛因子优化后的算法使得去噪过程中不会出现算法不收敛的情况。

基于RVMD-RobustICA-ST联合相干性分析的电驱动总成噪声源识别

为研究集成一体化电驱动总成的噪声源特性,提出一种RVMD-RobustICA-ST联合算法融合相干性分析的噪声源识别方法。首先,采用基于奇异值分解的占优特征值准则估计噪声子空间维数对变分模态分解参数进行指向性条件约束,并利用鲁棒性独立分量分析联合占优特征值约束的变分模态分解对信号特征进行提取。然后,利用S变换和快速傅里叶变换对各分量信号时频特性进行识别。最后,在二次残差法分析分量信号波形误差度基础上,以电驱动总成振动信号、噪声信号、时频重叠分量信号为变量建立线性系统并进行相干性分析。结果表明,稳态工况下减速二级齿副啮合振动噪声对该电驱动总成噪声贡献度最大,且时频重叠分量信号的噪声能量主要由减速一级齿副啮合振动提供。

基于VMD-RobustICA与时频分析的永磁同步电机噪声源识别

针对永磁同步电机(PMSM)噪声源分离识别问题,应用一种基于变分模态分解(VMD)与鲁棒性独立分量分析(RobustICA)结合时频分析的方法。首先,采用VMD把永磁同步电机噪声信号分解为多种变分模态分量;然后,通过RobustICA提取主要信号的独立成分。最后,结合时频分析结果,对独立成分结果进行分析识别。该组合方法可以有效处理集成经验模态分解(EEMD)中存在的模态混叠问题,同时能对测试过程中传感器数量多于或等于噪声源的分离问题进行有效缓解。结果表明,提取的主要独立分量对应于PMSM产生的电磁噪声和机械噪声,采用该方法可以分离识别PMSM噪声中的电磁噪声和机械噪声。通过对PMSM不同噪声源的有效分离和准确识别,可以为降噪、运行状态监测和故障诊断提供可靠依据。

EEMD-RobustICA和Prony算法在电力系统低频振荡模态辨识中的应用

针对互联电网低频振荡辨识过程中Prony算法对噪声敏感的问题,该文将总体经验模态分解法、鲁棒性独立分量分析方法与Prony进行有机结合,运用到关键振荡模式辨识中。将待处理信号进行总体经验模态分解后得到的本征模态函数作为鲁棒性独立分量分析算法的输入,对得到的独立分量进行软阈值去噪后进行反变换得到重构后的本征模态函数,接着将重构后的本征模态函数相加得到去噪信号,用Prony算法对去噪信号进行辨识,最终得到低频振荡的模态参数。仿真结果表明:该方法综合利用了总体经验模态分解不依赖信号任何先验知识和完全由数据驱动的自适应性优点,及鲁棒性独立分量分析提取独立分量并保持分量信号完整性的优势,相比传统总体经验模态分解去噪算法,该方法在没有损失信号的前提下可提高分量信号的信噪比,克服Prony算法对噪声敏感的缺陷,更大程度去除噪声,有利于提高辨识精度和准确性,更能满足实际应用需求。

基于小波包和RobustICA的无线电混合信号分离

针对复杂电磁环境下无线电混合信号分离困难的问题,提出将小波包和鲁棒性独立分量分析(Robust ICA)算法应用于较低信噪比且频率接近的无线电混合信号的分离。首先用小波包分析方法对混合信号进行降噪预处理,然后采用盲源分离算法中的鲁棒性独立分量分析算法对降噪后的混合信号进行分离,通过观察分离后信号的波形和频率以及相似系数对分离结果进行定性和定量分析。所提算法与单独采用Robust ICA算法的结果对比表明:所提算法分离出的信号在波形和频率以及相似系数方面均比单独采用Robust ICA算法取得的效果好,从而证明所提算法可以较好地应用于无线电混合信号的分离。

EMD-Robust ICA在柴油机噪声源识别中的应用

为了有效地从复杂的单一通道噪声信号中分离和识别柴油机的噪声源,采用经验模态分解(EMD)和基于峭度的鲁棒性独立分量分析(RobustICA)相结合的方法,将EMD分解后的本征模态函数与原噪声信号作为RobustICA的输入,借助RobustICA良好的抗噪性,不需要对观测信号进行滤波处理就可以实现单一通道观测信号的源分量分离。模拟仿真的结果充分说明了该方法的可行性。应用于某四缸柴油机噪声信号分析,对分离出的独立分量进行小波(CWT)时频分析,结合内燃机的特性,从单一通道噪声信号中准确识别出柴油机的燃烧噪声和活塞敲击噪声。