独立分量分析方法在经验模式分解中的应用.docVIP

独立分量分析方法在经验模式分解中的应用 陈建国 张志新 郭正刚 王奉涛 李宏坤 （大连理工大学机械学院，振动工程研究所, 大连，116023） 摘 要：若信号间的能量和频率比例过大，经验模式分解不能分解出正确的单一模式分量。针对这 种状况提出一种经验模式分解与独立分量相结合的信号分析方法。该方法能分离出IMF分量的固有特性，消除EMD分解过后各IMF之间信息混淆问题，恢复各个单分量所丢失的信息特性，改善了经验模式分解能力不足所带来局限性，保障经验模式分解的有效性。通过仿真信号和实际工程信号研究，验证了该方法的可行性。表明该方法对信号分解和故障诊断具有很好的前景。 关键词：独立分量分析，经验模式分解，FastICA算法，信息特性 中图分类号：TN912, TH133 文献标识码: A ICA(Independent Component Analysis)是盲信号处理的相对成熟的一种方法，主要针对混叠信号进行独立源信号的分离，在实际应用中相当于消除各个传感器采集信号 [1] 的数据冗余。EMD (Empirical Mode Decomposition,)是把复杂信号分解成若干IMF (Intrinsic Mode Function)。每个IMF都是任意时刻的单一振荡模式，每个时刻具有单一瞬时频率。但是受到采样频率，边界效应，曲线拟合的影响，当信号之间的频率比和能量比超出一定值时，EM