[发明专利]一种用于燃气轮机相关噪声源识别的卷积盲源分离方法

权利要求书

1.一种燃气轮机相关噪声源识别的卷积盲源分离方法，其特征在于，其包括，

步骤1，采集燃气轮机噪声的观测信号，对所述观测信号进行同步压缩变换得到相应的时频域复值信号X；

步骤2，对所述时频域复信号X在各个频点执行瞬时盲源分离，建立复值归一化边界目标函数，在各个频点基于次梯度优化方法迭代优化，通过执行多次盲抽取估计分离矩阵得到复值分离矩阵及分离信号；

步骤3，使用功率谱谱密度距离法对所述分离信号进行置换校准，使用最小失真算法执行幅度校准得到时频域分离信号；

步骤4，利用同步压缩逆变换将所述时频域分离信号恢复至时域，得到重构的时域分离信号。

2.根据权利要求1所述的燃气轮机相关噪声源识别的卷积盲源分离方法，其特征在于，优选的，燃气轮机噪声共有n个源信号经过混合以后，有m个传感器测量得到观测信号，通过同步压缩变换将卷积混合模型转换为每个频点f处的瞬时混合模型：

X(f，t)＝A(f)×S(f，t)，其中，X(f，t)＝[X₁(f，t)，…，X_m(f，t)]^T，其为混合信号时频向量，f为频点索引，t为时间索引，T为转置运算；A(f)＝[a₁(f)，…，a_n(f)]，其为频域混合滤波器；S(f，t)＝[S₁(f，t)，…，S_n(f，t)]^T，其为源信号时频向量，将时域的卷积混合转换为频域各个频点的瞬时混合。

3.根据权利要求2所述的燃气轮机相关噪声源识别的卷积盲源分离方法，其特征在于，当n个源信号和m个传感器数量相同时，混合滤波器存在逆滤波器，估计信号为：

Y_f(t)＝W_f×X_f(t)，

式中：W_f为频点f处的分离矩阵；Y_f(t)为频点f处的分离信号Y_f(f，t)。

4.根据权利要求1所述的燃气轮机相关噪声源识别的卷积盲源分离方法，其特征在于，复值信号的归一化边界目标函数为：

式中：表示边界运算，Re(·)表示求复值向量的实部运算，Im(·)表示求复值向量的虚部运算，E(·)表示求期望运算，公式中的“*”表示共轭运算符，分离向量通过最小化目标函数获得。

5.根据权利要求4所述的燃气轮机相关噪声源识别的卷积盲源分离方法，其特征在于，采用次梯度的优化方法对分离向量w进行优化推导，次梯度算法的优化迭代格式为：

w_(p+1)＝w_(p)-u_(p)g_(p)，

其中，g_(p)表示目标函数J(y)在w_(p)处的次梯度，u_(p)表示第p次迭代的步长。

6.根据权利要求5所述的燃气轮机相关噪声源识别的卷积盲源分离方法，其特征在于，每次迭代中自适应步长u_adap为：

其中，J_min为目标函数的极小值，为当前迭代与极小值距离的非负测度。

7.根据权利要求6所述的燃气轮机相关噪声源识别的卷积盲源分离方法，其特征在于，Δ_(p)的值在迭代过程中逐步减小至0。

8.根据权利要求6所述的燃气轮机相关噪声源识别的卷积盲源分离方法，其特征在于，通过多次盲抽取得到复值分离矩阵W_f，Y_f(t)＝W_f×X_f(t)为源信号S_f(t)的近似估计作为分离信号。