基于極點對稱模態(tài)分解和時頻分析的盲分離算法

　　針對單通道振動信號盲源分離的觀察信號少于源信號，且傳統(tǒng)的盲源分離方法往往忽視信號非平穩(wěn)性的問題，提出一種基于極點對稱模態(tài)分解和時頻分析的盲分離算法（ ESMD-TFA-BSS）。首先，采用極點對稱模態(tài)分解方法將觀察信號分解成不同的模態(tài)，采用貝葉斯信息準則（ BIC）估計源信號個數(shù)并利用相關系數(shù)法選取最優(yōu)觀察信號，由原觀察信號與最優(yōu)觀察信號組成新的觀察信號；其次，根據(jù)新的觀察信號計算白化矩陣并將其白化，利用平滑偽Wigner-Ville分布將白化后的信號拓展到時頻域，采用矩陣聯(lián)合對角化方法計算酉矩陣；最后，根據(jù)白化矩陣和酉矩陣估計源信號。在盲源分離仿真實驗中，ESMD-TFA-BSS的估計源信號與仿真信號的相關系數(shù)分別為0.977 1、0.9784、0.9660，基于經(jīng)驗模態(tài)分解和時頻分析的盲分離算法（EMD-TFA-BSS）的相關系數(shù)分別為0.869 7、0.9706、0. 8548，ESMD-TFA-BSS比EMD-TFA-BSS的相關系數(shù)分別提高了12. 35%、0.80%、13. 00%。實驗結果表明，ESMD-TFA-BSS在實際工程中能夠有效地提高源信號分離精度。
?