强干扰下复杂系统的独立源识别方法
【摘要】:为了识别强干扰环境下复杂系统的独立源信号,利用主分量分析(PCA)的主投影方向辨识能力,以及独立分量分析(ICA)的冗余取消与盲源分离特性,提出一种基于复合PCA-ICA神经网络的独立源识别方法。ICA与PCA的有机结合使两者优势得到充分发挥,隐藏于多通道传感观测中的独立源波形得以分离。借助基于快速傅里叶变换与最大相关分析准则的自适应分析校正,消除ICA估计源的盲不确定性,准确地估计源波形及其混合参数,从而实现独立源信号的识别。仿真试验结果证明该方法的有效性,也表明它在复杂系统源识别方面具有较大的应用潜力。
【作者单位】:
浙江大学机械工程系 嘉兴学院机电工程学院
【关键词】: 主分量分析 独立分量分析 最大相关准则 源识别
【基金】:国家自然科学基金(50505016) 浙江省自然科学基金(Y105083)资助项目
【分类号】:TB535
【DOI】:CNKI:SUN:JXXB.0.2006-09-027
【正文快照】:
【关键词】: 主分量分析 独立分量分析 最大相关准则 源识别
【基金】:国家自然科学基金(50505016) 浙江省自然科学基金(Y105083)资助项目
【分类号】:TB535
【DOI】:CNKI:SUN:JXXB.0.2006-09-027
【正文快照】:
0前言源识别是噪声与振动控制中的基本问题,只有在查明主噪声源并了解其频率特性的基础上,才能对症下药,取得良好的应用效果。噪声源的识别方法有很多,如铅覆盖法、谱分析、相干分析和声强分析技术、声全息技术等〔,一,这些方法的应用范围与条件不同,并有一定的局限性
CAJViewer7.0阅读器支持所有CNKI文件格式,AdobeReader仅支持PDF格式
| 【参考文献】 | ||
|
|||
|
|||
|
|||
|
|||
| 【共引文献】 | ||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||
|
|||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
| 【同被引文献】 | ||
|
|||
|
|||
| 【二级参考文献】 | ||
|
|||||||
|
|||||||
| 【相似文献】 | ||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
| 相关期刊 | ||||||||||||||||||||
|
||||||||||||||||||||
| 相关机构 | ||||||||||||||||||||
|
||||||||||||||||||||
| 相关作者 | ||||||||||||||||||||
|
||||||||||||||||||||



