下面就是小编给大家带来的地震灾害救助系统中声波／振动信号的分离（共含7篇），希望能帮助到大家!同时，但愿您也能像本文投稿人“微微微甜”一样，积极向本站投稿分享好文章。
地震灾害救助系统中声波／振动信号的分离
摘要：从独立分量分析（ICA）的原理和算法入手，用傅立叶和ICA对实际测得的地震灾害救助系统中的声波／振动信号进行分离。从分离的结果看，ICA在复杂信号的分离中更具优越性。关键词：独立分量分析（ICA）傅立叶声波／振动信号分离
实际应用中，希望在未知源信号的情况下，从已有混合信号中分离出需要的源信号，为此，人们研究了盲信源分离BSS（BlindSourceSeparation）方法。盲信源分离是指在信号的理论模型和源信号无法精确获知的情况下，从混迭信号（观测信号）中分离出各源信号的过程。独立分量分析ICA（IndependentComponentAnalysis）是近年来由盲信源分离技术发展来的多道信号盲信源分离方法。对它的研究已成为信号处理领域的一个热点。ICA在本文运用到了一个新的领域――地震救援的声波／振动信号的分离。
由于地震后，会有活着的人被埋在废墟中。他们通过各种方式发送信号，希望得到援助。研制开发声波／振动生命探测定位仪的基本目的是发现幸存者的移动、敲击、刮擦和呼喊等表示他们依然活着的信号。技术上，就是通过高灵敏的传感器，探测分析通过固体或空气传播的表示生存的微弱振动信号。
对于一个传感器接收的只是一个信号的情况，比较容易处理。但是，当同一传感器接收到不同呼救者传来的信号时，就要对接收的信号进行分离。即把不同的呼救者传来的信号分开，以便通过数学计算，确定呼救者（即振源）的位置（或方向）。
1ICA的理论基础
噪声的存在使源信号的恢复变得困难，所以应先对混合信号去噪。即根据测量结果，得出在不同介质中传输的信号的频率，进而去掉噪声部分，进行预处理。
1．1预处理
实际上，独立分量分析是一种优化问题，即如何使分离出的各独立分量更好地逼近各源信号。但它的前提是源信号相互独立，且最多有一个源信号是高斯分布。而实际的观测信号也许并不满足这个要求。基于此，在对观测数据进行ICA处理前，应先对其进行预处理，包括去均值、白噪化。预处理后，使采集的实际信号尽可能满足ICA的前提条件。
1．2ICA原理
设观测信号X＝{x1(t),x2(t),…,xn(t)}是未知的相互独立的源信号S＝{s1(t),s2(t),…,sm(t)}(m≤n)的线性组合，m＝n时的ICA的线性组合模型如下面的矩阵所示。
矩阵中的aij(i)j＝1,2,…)是未知的模型系数，可描述为:
X＝AS（1）
式（1）中，A是未知的.混合矩阵。由（1）式可以得到未知的源信号为:
S＝A－1X＝WTX（2）
式（2）中，A－1是A的逆矩阵，WT为矩阵W的转置矩阵。从该式中，可以清楚地知道，要想求出源信号S，求未知的混合矩阵W是关键。
在本文中，因为多个传感器所围成的区域比较小，所以考虑源信号的个数小于等于得到的混合信号个数（m≤n）的情况。当m＞n时演。
1．3ICA算法
本文采用了一种快速定点算法[1]。该算法通过kurtosis的最大化得到W的学习过程，即：
kurt(y)＝E(y4)－3(E(y2))2(3)
由此，W的递推公式如（4）式：
W(k)＝E(X(WT(k－1)X)3)－3W(k－1)(4)
具体的算法实现如下：
(a)初始化W(0)，令‖W(0)‖＝1，置k＝1；
(b)代入（4）式求W(k)，其中的期望值可由大量X向量的采样点计算出来；
(c)用‖W(k)‖去除W(k)；
(d)如果｜WT(k)W(k－1)｜不是足够接近1,那么置k＝k＋1，返回至（b）；否则,输出向量。
图1、图2和图3
本算法最后给出的向量W(k)等于正交混合矩阵中的一列，在信号分离中意味着分离了其中的一个非高斯信号。即WT(k)X(t)，t＝1,2，…等于其中的一个源信号。该算法一个显著的特性是迭代次数非常
少，一般3～20次(次数用误差矩阵控制)。为了估计n个独立成分，必须运行上面的算法n次。
2声波信号的分离
原始语音信号如图1，它们的混合信号如图2。
在图2(b)中，信号的低频和高频部分有比较明显的分界线（虽然也有很少的非主频的混叠），可以用传统的傅立叶对它进行分离。分离的结果如图3。从图3中可看出，结果是可以接受的。但用ICA分离的效果更好,如图4。
图4、图5和图6
3振动信号的分离
在实际的采集试验中(以两个振源为例),如果各个呼救者传来的信号间的时间间隔很小，使它们完全混合在一起，就无法轻易地看出混合信号的组成成分，如图5（a）。当然，它们也许在频率域是分开的，所以，对混合信号进行傅立叶变换，如图5（b）。从图5(b)中可知，它们的频谱也是混叠的，用傅立叶变换仍无法分离。因此，处理这种复杂信号，选用ICA。图6是用ICA分离的结果。用ICA分离后的信号进行数学计算，得出的振源位置和实际试验时得出的位置是一致的。
ICA对声波／振动信号的实际处理得到了满意的结果。尽管用ICA作信号分离的前提是被分离的源信号必须相互独立，但是它也提供了一种实际信号分离的有效手段。同时，在ICA中，时移信号的分析和源信号的数目大于混合信号的数目等问题，还有待进一步研究。
地震灾害救助系统中声波／振动信号的分离
摘要：从独立分量分析（ICA）的原理和算法入手，用傅立叶和ICA对实际测得的地震灾害救助系统中的声波／振动信号进行分离。从分离的结果看，ICA在复杂信号的分离中更具优越性。关键词：独立分量分析（ICA） 傅立叶 声波／振动信号 分离
实际应用中，希望在未知源信号的情况下，从已有混合信号中分离出需要的源信号，为此，人们研究了盲信源分离BSS（Blind Source Separation）方法。盲信源分离是指在信号的理论模型和源信号无法精确获知的情况下，从混迭信号（观测信号）中分离出各源信号的过程。独立分量分析ICA（Independent Component Analysis）是近年来由盲信源分离技术发展来的多道信号盲信源分离方法。对它的研究已成为信号处理领域的一个热点。ICA在本文运用到了一个新的领域――地震救援的声波／振动信号的分离。
由于地震后，会有活着的人被埋在废墟中。他们通过各种方式发送信号，希望得到援助。研制开发声波／振动生命探测定位仪的基本目的是发现幸存者的移动、敲击、刮擦和呼喊等表示他们依然活着的信号。技术上，就是通过高灵敏的传感器，探测分析通过固体或空气传播的表示生存的微弱振动信号。
对于一个传感器接收的只是一个信号的情况，比较容易处理。但是，当同一传感器接收到不同呼救者传来的信号时，就要对接收的信号进行分离。即把不同的呼救者传来的信号分开，以便通过数学计算，确定呼救者（即振源）的位置（或方向）。
1 ICA的'理论基础
噪声的存在使源信号的恢复变得困难，所以应先对混合信号去噪。即根据测量结果，得出在不同介质中传输的信号的频率，进而去掉噪声部分，进行预处理。
1．1 预处理
实际上，独立分量分析是一种优化问题，即如何使分离出的各独立分量更好地逼近各源信号。但它的前提是源信号相互独立，且最多有一个源信号是高斯分布。而实际的观测信号也许并不满足这个要求。基于此，在对观测数据进行ICA处理前，应先对其进行预处理，包括去均值、白噪化。预处理后，使采集的实际信号尽可能满足ICA的前提条件。
1．2 ICA原理
设观测信号X＝{x1(t),x2(t),…,xn(t)}是未知的相互独立的源信号S＝{s1(t),s2(t),…,sm(t)}(m≤n)的线性组合，m＝n时的ICA的线性组合模型如下面的矩阵所示。
矩阵中的aij(i)j＝1,2,…)是未知的模型系数，可描述为:
X＝AS （1）
式（1）中，A是未知的混合矩阵。由（1）式可以得到未知的源信号为:
[1] [2] [3]
双转子航空发动机振动信号的分离测试技术
阐述了用FFT(快速傅立叶变换)分离法和盲源分离法,对双转子航空发动机振动信号进行分离的原理和实现,并应用FastICA算法,对某型双转子航空发动机高、低压转子实测振动信号进行了盲源分离实践,分离结果验证了该方法的'可行性和有效性,从而为双转子发动机振动监测与故障诊断提供了一种可行的信号处理方法.
作 者：宋晓萍 廖明夫 Song Xiaoping Liao Mingfu 作者单位：西北工业大学,德国柏林工业大学旋转机械与风能装置测控研究所,西安,710072 刊 名：机械科学与技术 ISTIC PKU英文刊名：MECHANICAL SCIENCE AND TECHNOLOGY 年，卷(期)： 25(4) 分类号：V23 关键词：航空发动机 双转子 FFT方法 盲源分离 振动分析声波/振动生命搜索与定位系统的定位方法研究
地震后的救助现场情况错综复杂,通过对受困人员发出的各种求救信号的分析,确定适合现场搜救的有效信号,而定位方法的研究是研制和开发声波/振动生命搜索与定位系统的基础.考虑现场救助的`困难和时间要求,提出了能量追踪的快速搜索方法.参考天然地震震源定位Giger法,提出了一种能够适用于地震救助现场,基于振动直达波到达时差的定位方法--4点时差定位的搜索理论方法,为声波/振动生命搜索与定位系统的开发提供了理论基础.
作 者：曹辉 王绪本 简兴祥 杨利容 徐雯琪 CAO Hui WANG Xu-ben JIAN Xing-xiang YANG Li-rong XU Wen-qi 作者单位：曹辉,王绪本,简兴祥,徐雯琪,CAO Hui,WANG Xu-ben,JIAN Xing-xiang,XU Wen-qi(成都理工大学信息工程学院,成都,610059)杨利容,YANG Li-rong(四川省核工业地质调查院,成都,610021)
刊 名：成都理工大学学报（自然科学版） ISTIC PKU英文刊名：JOURNAL OF CHENGDU UNIVERSITY OF TECHNOLOGY(SCIENCE & TECHNOLOGY EDITION) 年，卷(期)： 34(3) 分类号：P315.9 关键词：地震救助 声波 振动 生命搜索 定位基于独立分量分析的航空发动机振动信号盲源分离
阐述了基于峭度的盲源分离开关算法,对仿真信号进行分离,验证了该算法的可行性.并将该算法与FFT分离法结合,对某型双转子航空发动机高、低压转子实测振动信号进行了盲源分离实践,取得了很好的分离效果,从而为双转子发动机振动监测与故障诊断提供了一种可行的`信号处理方法.
作 者：刘秀芳 艾延廷 张k LIU Xiu-fang AI Yan-ting ZHANG Cheng 作者单位：沈阳航空工业学院工程振动与噪声研究所,辽宁,沈阳,110136 刊 名：沈阳航空工业学院学报 英文刊名：JOURNAL OF SHENYANG INSTITUTE OF AERONAUTICAL ENGINEERING 年，卷(期)： 25(5) 分类号：V263.6 关键词：航空发动机 盲源分离 峭度 FFT方法基于独立分量分析的潜艇振动信号盲分离技术
为了对潜艇实施减振降噪处理,需要对其进行振动测试.测试得到的振动信号实际上包含了多个振动源(如电机、轴、轴承、桨等)对于被测点振动的贡献.为了得到关于不同振动源的信息,采用基于自然梯度的独立分量分析(ICA)算法,分析振动测试信号的统计独立性,从而分离得到相互独立的振动源信号.仿真结果表明,采用该方法在无需任何先验知识的`情况下(如固有频率、器件型号),可以很好地将不同的振动源信号分离开来,从而解决了潜艇振动源信号的辨识问题,为潜艇的减振降噪奠定了基础.
作 者：王凌燕 黄公亮 侯文 作者单位：王凌燕,侯文(中北大学电子测试技术国家重点实验室,山西,太原,030051)黄公亮(解放军驻三五三一厂军事代表室(贵阳 550009))
刊 名：计量与测试技术 英文刊名：METROLOGY & MEASUREMENT TECHNIQUE 年，卷(期)： 36(3) 分类号：U6 关键词：独立分量分析 振动分析 盲信号处理辽宁省地震灾害快速评估系统设计与开发
本文利用现有模型及东北地区衰减关系介绍了在MAPINFO语言环境下研发的.辽宁省地震灾害快速评估系统的设计与实现.
作 者：宋思然 姜德录 王丽莉 郭丹阳 翟文杰 SONG Si-ran JIANG De-lu WANG Li-li GUO Dan-yang ZHAI Wen-jie 作者单位：辽宁省地震局,辽宁,沈阳,110034 刊 名：东北地震研究 英文刊名：SEISMOLOGICAL RESEARCH OF NORTHEAST CHINA 年，卷(期)：2009 25(1) 分类号：P315.9 关键词：Mapinfo Mapbasic 快速评估 建筑物震害损失矩阵★ 地震灾害应急预案
★ 简历中危险信号
