[发明专利]一种多故障源声发射信号分离方法

权利要求书

1.一种多故障源声发射信号分离方法，其特征在于，包括以下步骤：

步骤一：对仪器采集的M路线性混迭含噪观测信号X＝[x₁,x₂…,x_M]^T由选定小波包基函数进行n层小波包分解，分别对分解的2ⁿ个小波包系数进行重构，获得各不同频段的2ⁿ个重构信号，选择占混合信号能量80％-85％的幅值较大且频率范围连续的重构信号进行相加作为小波包降噪信号；

步骤二：对所述小波包降噪信号进行FastICA多源盲分离；

步骤三：选择每个故障信号的概率密度模型，获得所述故障信号的收缩函数，利用其对步骤二分离出的各个故障源进行收缩去噪。

2.根据权利要求1所述一种多故障源声发射信号分离方法，其特征在于，所述步骤一中小波包分解层数n是根据传感器采集信号的频谱，以能保留能量的80％-85％来确定。

3.根据权利要求1或2所述一种多故障源声发射信号分离方法，其特征在于，所述步骤一中的小波包基函数的确定方法是根据权利要求2中确定的分解层数，采用不同基函数进行去噪实验，以降噪结果中信噪比和相关系数两个指标中综合最优的为最佳小波包基函数。

4.根据权利要求1所述一种多故障源声发射信号分离方法，其特征在于，所述步骤二中

FastICA多源盲分离算法主要步骤如下：

步骤1、数据进行去均值、白化预处理；

步骤2、初始化i＝1，M为故障信号个数；

步骤3、初始化权矢量w_i，并对其归一化处理；

步骤4、迭代并归一化：w_i←E{zg(w_i^Tz)}-E{g'(w_i^Tz)}w_i，w_i＝w_i/||w_i||；

步骤5、正交归一化处理：wi←wi-Σj=1i-1(wiTwj)wj,wi=wi/||wi||;]]>

步骤6、如果w_i不收敛，则返回到步骤4；

步骤7、w_i收敛，则i＝i+1，若i≤M，则返回到步骤3；

步骤8、得到解混矩阵W＝[w₁,w₂,…,w_M]^T，根据Y＝WZ求得解混信号Y＝[y₁,y₂,…,y_M]^T。