利用参量结构实现复杂信号环境下盲信号分离方法研究

The blind source separation (BSS) technique is proposed to retrieve the target source signals from mixtures captured in complicated signal environment, for the purpose of its application in such realistic field as machine monitoring and damage detection in mechanical system. Based on the existed research foundations, the dense mixtures will be made sparse. High quality matrix will be developed to low the data dimension and restrain the noise. The traits of complicated signal environment will be deeply studied in order to establish the logical signal model. The cost function will be designed on the base of the full utilization of the structural characters of concerned variables and the space-domain, time-domain and frequency-domain information comprised by received mixtures. After the relaxation procedure of non-convex problem, the convex optimization algorithm is utilized to derive the BSS algorithm. During the process of optimization, the ingenious utilization of prior information and the new structural characters, and the adoption of the method of multi-stage decomposition and integration, will result with the good iterative algorithm which posses the traits like low computation, fast convergence, good robustness and fitting to complicated signal environment such as underdetermined, a few snapshots and low signal-to-noise ratio. The algorithm will manage to retrieve the target sources blindly from mixtures captured in complicated signal environment. The harvest research results of this project will facilitate the fast development of the BSS technique, and will supply steady theoretical foundation and strong technical support for the BSS technique being used in such complicated signal environment as mechanical system.

针对复杂信号环境下目标信号的提取问题，着眼于机械系统状态监测及故障诊断等实际应用领域，采用盲信号分离技术作为解决方法，在前期研究的基础上，对密集信号进行稀疏化预处理，并构造高精度降维矩阵以达到数据降维及噪声抑制，深入研究复杂信号环境的典型特点建立科学合理信号模型，充分挖掘利用观测数据的空域、时域、频域信息以及观测数据所有可能的参量结构，设计有效代价函数，在实现非凸优化问题松弛的基础上，利用先进的凸优化算法，研究高效盲信号分离方法。在优化过程中，巧妙利用参量结构的先验信息，并及时发掘利用中间参量新的结构特点，采用多阶段分解与重构的思想，研究计算复杂度低、收敛速度快、稳健性能好且适合欠定、小样本、低信噪比等复杂情况的快速迭代算法，实现复杂信号环境下目标信号的盲分离。本项目的研究成果将为盲信号分离技术的深入发展及其在机械系统等复杂信号环境领域的实际应用提供坚实的理论基础和强大的技术支持。

盲信号分离又称盲源分离，广泛应用于无线通信，雷达，图像，语音，生物医学，地震波检测等各个领域，是信号处理领域的热点研究课题。在本基金的支持下，针对复杂信号环境下目标信号的提取问题，着眼于机械系统故障诊断、阵列信号盲参数估计等实际应用领域，采用盲信号分离技术作为解决方法，在前期研究的基础上，在紧密跟踪学习国内外盲信号分离研究成果并密切关注盲信号分离应用现状的前提下，就盲信号分离新算法及其相关应用问题，开展了深入细致的研究工作，并取得了相应的研究成果。研究提出了一种多步分解算法，在引入预白化的基础上，估计酉混迭矩阵，有效地解决了盲源分离问题。为了消除多步分解等算法预白化操作引入的误差，进一步提出了一种基于结构特点的联合对角化算法，既取消了预白化操作解除了对目标矩阵组的正定性限制，又允许目标矩阵组为复值，极大地提高了算法的适用范围，与具有广泛代表性的对目标矩阵无特殊限制的复数域联合对角化算法FAJD算法及CVFFDIAG算法相比，所提算法具有更高的收敛精度，能有效地解决盲源分离问题。波达方向是信号源的一个重要参数，利用传感器阵列接收数据并实现波达方向估计，在雷达、通信、声纳、地震探测等阵列系统中具有极其重要的地位，由于盲源分离算法解出的信道参数中蕴含着波达方向信息，为了探究盲源分离技术在阵列信号盲参数估计方面的应用，首先提出了一种将快速盲源分离算法直接应用于波达方向估计的机制和方法，随后，针对现存算法的不足，提出了一种解析的基于旋转矩阵估计的高分辨波达方向估计算法，仿真结果表明，与现存算法相比，所提算法具有更强的分辨能力以及更准确的估计性能。另外，研究提出了基于高分辨距离像子带融合的目标识别新算法。针对盲信号处理在机械系统故障诊断中的应用问题，分别研究提出了一种实现发电机组故障诊断的频率切片小波变换时频分析方法、一种基于时频峭度谱的滚动轴承损伤诊断方法、以及一种基于多传感器信息融合的SVM结构损伤诊断方法。针对目标跟踪问题，提出了具有间歇性观测的无线传感器网络分布式容错目标跟踪方法，基于CPCRLB和一致性算法的分散式传感器管理方法等多个算法。同时对图像处理领域相关问题也做了一定程度的研究。显然地，本项目的研究成果为盲信号分离技术的深入发展及其在机械系统、阵列信号处理、无线传感器网络等复杂信号环境领域的实际应用，提供了坚实的理论基础和强大的技术支持。