申请/专利权人：南京航空航天大学

申请日：2020-12-18

公开（公告）日：2024-04-16

公开（公告）号：CN112560699B

主分类号：G06F18/10

分类号：G06F18/10;G06F18/23

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.04.13#实质审查的生效;2021.03.26#公开

摘要：本发明公开了一种基于密度和压缩感知的齿轮振动信源欠定盲源分离方法，首先，采用小波降噪的方法对采集信号进行降噪预处理；其次，对混合信号使用短时傅里叶变换，实现时域内的卷积混合模型转化为各频带内的线性混合模型；然后，基于稀疏编码的单源点提取方法和基于密度峰值聚类法的振源数目识别方法，实现混合矩阵的有效估计；通过压缩感知方法对源信号进行恢复，获得分离信号；最后，对各频带的分离信号进行次序和幅度修正，然后将分离信号从频域转化为时域。本发明通过密度峰值聚类法进行振动源数目的估计增强对噪声的鲁棒性，降低产生虚假峰值的概率，进而降低振动源数目估计误差，能够有效完成对混合信号的分离工作。

主权项：1.一种基于密度和压缩感知的齿轮振动信源欠定盲源分离方法，其特征在于，包括以下步骤：1采用小波降噪的方法对采集信号进行降噪预处理；2对混合信号使用短时傅里叶变换，实现时域内的线性卷积混合模型转化为各频带内的线性瞬时混合模型；3基于稀疏编码的单源点提取方法和基于密度峰值聚类法的振源数目识别方法，实现混合矩阵的有效估计；4通过压缩感知方法对源信号进行恢复，获得分离信号：5对经过步骤4获取的各频带的分离信号进行次序和幅度修正，然后将分离信号从频域转化为时域；所述步骤4实现过程如下：压缩感知数学模型为：yy1,y2,…,ynT＝Ux＝UVs＝Ws16其中，y表示长度为m的压缩信号，且mn，传感矩阵Wm×n＝UV，压缩重构过程就是求压缩感知的逆过程；两个长度为t的混合信号变换为y＝y11,y12,…,y1t,y21,y22,…,y2tT；利用估计矩阵来构建出传感矩阵W，由压缩感知模型可知，当混合信号ymt×1时，其传感矩阵为Wmt×nt，利用单位矩阵Ei来扩充估计矩阵中的元素，即具体转换如式： 其中，重构信号x＝x11,x12,…,x1t,…,xn1,xn1,…,xntT维数为nt×1；平滑l0范数定义为其中： 平滑参数σ越小，Fs越接近于l0范数，初始σ取值较大，随着迭代过程，σ值逐渐减小，源信号采用下式进行估计： s←s-HTHHTHs-x21交替更新公式20和公式21可得到欠定情况下源信号的估计。

全文数据：

权利要求：

百度查询： 南京航空航天大学 基于密度和压缩感知的齿轮振动信源欠定盲源分离方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD