基于ICA的信噪分离方法在微弱信号提取中的应用.pdf

《基于ICA的信噪分离方法在微弱信号提取中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、A—cademic学术基于ICA的信噪分离方法在微弱信号提取中的应用221116中国矿业大学机电工程学院江苏徐州一王彩／宋耀文／程刚摘要：本文应用基于ICA的信噪分离方法，研究微弱信号被大信号淹没等问题，旨在通过先进的信号处理方法，^⋯I⋯J⋯⋯⋯⋯㈣挖掘出隐藏的微弱特征信息。通过运用Matlab对仿真信号的分离，验证了该方法对微弱信号提取的有效性，为实际工程中分离出微弱有用信号提供了一种新的思路。在实际的工程应用中，我们采集到的信号假定ICA中的一个模型是由一些非高斯矩阵x和。中往往存在着很多的噪声。其中这些噪声有可且相互独立的未知变量

2、(即称为独立成分)的2．3．采用ICA方法对上面的混合矩阵X能是由传感器所引起的，也有可能是所采用模线性或非线性的未知系统混合而成，其中独立和进行处理，从而得到分离的独立成分R．和型的不准确性导致的。由于噪声信号的幅值一成分可以经过ICA方法将其分离出来。ICA方R。。通过上述步骤可以看出，上述方法实现了将般较大，因此有用的信号相对来说被大的噪声法在某种程度上可以看成是白化分析和主成分采集到的信号x中的噪声干扰信号R剔除，分信号所淹没，如果不将噪声信号从混合信号中分析的延展。然而，经过试验证明，ICA是一离出我们想要的微弱有用信号。剔除出

3、去，噪声信号的干扰可能将有用的微弱个更加有效和实用的方法，当经典传统方法失3．仿真实验的分析故障信息完全掩盖，导致分析结果不准确。因此，效时，它依旧能够找出支撑观测数据的内在在仿真实验中，假设混合信号X，X由大信从测得的混合信号中分离出有用的微弱信号是因子或源。传统的方法主要包括主成分分析号R。以及幅值为R的1／10000的微弱信号十分必要的。(principalcomponentanalysis—PCA)、去构成，其中R和R：的叠加方法如下：“微弱信号”不是指信号的幅值很小，其相关(decorrelation)、白化(whitening

4、)X=冠+尼=100COSf2pi+40tl+0．01中的“微弱”是相对噪声而言的，主要是指被和球面化(sphering)。然而，这些方法与ICA(sin(2pi十39f)+sin(2pi}41t))淹没在噪声中的信号。微弱信号检测技术的重相比有一定的弱势：它们只能估计模型的某一点是利用电子学、信息论和物理学等方法提高个方面。例如：在PCA中，冗余度是用数据间其中所取的采样点数为1024。如图1为混信号的信噪比，从而将有用的微弱信号从噪声的相关来度量，而在ICA中用含义更丰富的独叠信号的时域波形图和频谱图。可以得出，从中检测和分离出来，满

5、足了现代科学研究和技立性来度量，而且在ICA中并没有强调降维。频谱图中只能分辨出40Hz的基波频率信号，而术发展的需要。由于噪声的来源、性质和传播与此同时，它们之间又有一定的联系，PCA是另外两个微弱信号被噪声大信号所淹没，根本途径的不确定性，我们需要研究被测微弱信号ICA之前的有效预处理步骤。其中，ICA的混合一检测不到，从而影响我们对于数据的分析和处与噪声的统计特性和差别，从而寻找从背景噪解混过程简图如图1所示：理。声中检测和分离出有用信号的理论和方法。，一一一一一一一⋯、利用上文提出的基于ICA的信噪分离方法。．：解混系统：对于信号

6、检测和分离的方法有很多，特别首先对图2中的混合信号频谱图进行分析和处是近年来随着计算机技术的发展，其中有很多理，可以检测和提取出大信号，并将此大信号基于计算机软件的微弱信号检测提取方法被提和混合信号作为ICA算法中的源信号。然后，出，例如盲源分离、随机共振、小波消噪、混将源信号通过随机矩阵得到混合矩阵和，即沌阵子等。其中独立分量分析(independent图1混合一解混过程简图得到独立分量分析的两个输入信号。最后，采componentanalysis—ICA)方法是信号处理领域2．方法的提出用快速独立分量分析算法对两个输入信号进行在2O世

7、纪9O年代后期发展起来的一项新处理由于存在噪声信号的干扰，导致微弱有用处理，得到如图3和图4所示的分离结果。其方法，其思想是：在被测的有用信号未知的情信号被淹没。进而提出一种基于ICA的信噪分中，图3和图4中分别为分离信号1和分离信况下，将传感器中检测到的多通道信号按照有离方法，其思想是先将原始信号通过分析处理，号2的时域波形图和频谱图。从频谱图中可以用信号和噪声独立的原则，通过一定的优化算检测出幅值大的信号，然后将检测出的大信号看出，分离的信号1即为混合信号中40Hz的模法将独立分量分离出来，最终有效地实现了噪和原始信号作为ICA的源信

8、号，经过ICA算法拟干扰大信号，分离的信号2即为我们需要检声信号与有用微弱信号的分离。由上可知，应处理后，从而将微弱的有用信号从原始信号中测的39Hz和41Hz频率微弱信号。用上述方法可以解决