[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

说明书

公开了一种燃气轮机相关噪声源识别的卷积盲源分离方法，方法中，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；对所述时频域复值信号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；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；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。

技术领域

本发明属于机械结构声辐射信号处理技术领域，特别是一种用于燃气轮机相关噪声源识别的卷积盲源分离方法。

背景技术

燃气轮机是航空、舰船和能源的核心装备。燃气轮机的噪声监测信号往往是各个噪声源信号经过复杂混合过程的结果，多个激励源响应之间相互干扰，噪声传播路径复杂，精确模型难以建立，给噪声源的识别带来困难。

盲源分离方法可以在源信号及传输信道均未知的情况下将源信号分离出来。基于独立成分分析(Independent Component Analysis，ICA)的盲源分离方法是基于源信号的独立性假设，然而燃气轮机高低压转子相互耦合，机械内部件级联耦合，存在一定的因果关系，非相关源及存在一些交叉频率的相关源噪声信号混合在一起。燃气轮机的噪声源既有独立源又有相关源，基于独立性假设的盲源分离方法不再适用。

有界成分分析(Bounded Component Analysis，BCA)，为相关源信号的分离提供了一种新的方式。因此，研究相关噪声源的盲源分离对燃气轮机噪声源识别具有重要的工程意义与价值。瞬时混合是盲源分离中最简单的模型，如基于最小凸周长、最大化体积比的盲源分离方法等。然而这些方法的目标函数计算复杂，计算效率低。此外，对于燃气轮机来说，传感器采集的燃气轮机噪声是由多级零部件以及船舱内壁传递反射混叠形成的，通俗的说传感器接收的声波可分为两部分：一部分为由声源发出的直达声；另一部分为由声源发出经过其它途径传递到达的反射波。在声学上由反射波产生的效应称为混响，急需更精确的盲源分离模型以识别燃气轮机相关噪声源。

在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。

发明内容

针对现有技术中存在的问题，本发明提出一种燃气轮机相关噪声源识别的卷积盲源分离方法，利用卷积混合模型描述盲源分离问题更符合实际要求，能够精确地识别燃气轮机相关噪声源。

本发明的目的是通过以下技术方案予以实现，一种燃气轮机相关噪声源识别的卷积盲源分离方法包括，

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。

所述的燃气轮机相关噪声源识别的卷积盲源分离方法中，假设燃气轮机噪声共有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为每个频点处的瞬时混合模型：