[发明专利]一种基于极小化极大化的欠定盲源分离方法及系统和装置

说明书

本发明公开了一种基于极小化极大化的欠定盲源分离方法及系统和装置，利用短时傅里叶变换将时域瞬时混合信号转化为每个频带上的频域瞬时混合，基于源信号的稀疏性，提取复值混合矩阵实部向量与虚部向量，通过余弦角进行单源点判定与提取，对单源点归一化和取模运算，通过对单源点的层次聚类实现混合矩阵的估计；利用混合矩阵以及源信号的稀疏性假设将源信号恢复问题转化为l₁范数优化问题，将源信号在时频域恢复后采用短时傅里叶逆变换将时频域的源信号变换回时域从而实现欠定盲源分离。构建非凸罚函数使目标函数的优化逼近l₀范数优化，避免了传统的l₁范数正则化的系统性低估及依照稀疏性假设恢复的源信号，并且保证了目标函数的凸性。

技术领域

本发明属于机械振动噪声信号处理领域，具体涉及一种基于极小化极大化的欠定盲源分离方法及系统和装置。

背景技术

燃气轮机等高端装备零部件众多，回转体不平衡运动、转子不对中以及夹装不紧产生的振动加速其与其连接件磨损，严重影响设备性能与寿命，而振动产生的辐射噪声则降低军事装备隐蔽性，严重影响军队作战能力。对燃气轮机等高端装备采取减振降噪措施能够有效抑制振动噪声，燃气轮机等高端装备具有结构复杂精密、振动噪声源众多、结构紧凑的特点，使得识别与定位振动噪声源尤为困难，成为实现减振降噪的技术瓶颈。因此对燃气轮机等高端装备进行振动噪声源识别，精准定位振噪源零部件，揭示其传递混合机制，可以有针对地指导燃气轮机等高端装备的减振降噪。

高端装备内部传感器采集的信号是多个振动噪声源传递至传感器的叠加。但由于燃机等高端装备内部结构精密紧凑，工作环境高温高压，传感器可安装位置少，无法安装足够的传感器。欠定盲源分离能够在缺乏先验知识且传感器数量少于源信号数量的情况下，有效分离出源信号。目前，欠定盲源分离方法主要通过信号在变换域进行聚类提取单源点并估计混合矩阵，然后利用混合矩阵采用l₀范数优化恢复源信号，但l₀不连续导致恢复的源信号误差很大，无法有效分离舰载燃气轮机等高端装备内部机械混合信号。

发明内容

本发明的目的在于提供一种基于极小化极大化的欠定盲源分离方法及系统和装置，以克服现有技术的不足。

为达到上述目的，本发明采用如下技术方案：

一种基于极小化极大化的欠定盲源分离方法，包括以下步骤：

步骤1)、将采集的若干观测信号做短时傅里叶变换得到时频域复矩阵；

步骤2)，对时频域复矩阵进行单源点识别，提取时频域复值单源点；

步骤3)，根据步骤2中得到的频域复值单源点，通过层次聚类法对得到的时频域复值单源点进行聚类并估计出瞬时混合矩阵；

步骤4)，根据步骤3)中得到的瞬时混合矩阵，对基于非凸罚函数的范数目标函数进行全局寻优，实现频域复值源恢复，最后采用短时傅里叶逆变换将恢复的频域信号变换回时域得到分离信号。

进一步的，步骤1)具体为：采集M个观测信号x(t)＝[x₁(t)x₂(t)…x_M(t)]^T，其中上标T表示转置，采样时间序列t＝1,2,…,T，将采集的观测信号做短时傅里叶变换得到时频域的复矩阵X。

进一步的，通过短时傅里叶变换将每个待分析的时域观测信号x_i(t)变换到时频域X_i＝[X_i,1,X_i,2,…,X_i,J]，其中第一维表示频率，第二维表示的是时间；所有的观测信号的时频域为一个三维矩阵X＝[X_i,j,k]其第一维是观测信号序列，第二维表示时间，第三维表示频率。