融合极点对称模态分解与时频分析的单通道振动信号盲分离方法

针对单通道振动信号盲源分离的观察信号少于源信号,且传统的盲源分离方法往往忽视信号非平稳性的问题,提出一种基于极点对称模态分解和时频分析的盲分离算法(ESMD-TFA-BSS)。首先,采用极点对称模态分解方法将观察信号分解成不同的模态,采用贝叶斯信息准则(BIC)估计源信号个数并利用相关系数法选取最优观察信号,由原观察信号与最优观察信号组成新的观察信号;其次,根据新的观察信号计算白化矩阵并将其白化,利用平滑伪Wigner-Ville分布将白化后的信号拓展到时频域,采用矩阵联合对角化方法计算酉矩阵;最后,根据白化矩阵和酉矩阵估计源信号。在盲源分离仿真实验中,ESMD-TFA-BSS的估计源信号与仿真信号的相关系数分别为0.977 1、0.978 4、0.966 0,基于经验模态分解和时频分析的盲分离算法(EMD-TFA-BSS)的相关系数分别为0.869 7、0.970 6、0.854 8,ESMD-TFA-BSS比EMD-TFA-BSS的相关系数分别提高了12.35%、0.80%、13.00%。实验结果表明,ESMDTFA-BSS在实际工程中能够有效地提高源信号分离精度。