文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 高等教育 > 工学 > 独立成分分析在内燃机噪声源识别中的应用
侵权投诉

独立成分分析在内燃机噪声源识别中的应用

首先对独立成分分析基本原理进行了简要叙述,之后详细论述了几个常用的ICA估计准则,以及独立成分分析在内燃机噪声源识别中的应用。

独立成分分析及其在内燃机噪声源识别中的应用

摘要:本文首先对独立成分分析基本原理进行了简要叙述,之后详细论述了几个常用的ICA估计准则,以及独立成分分析在内燃机噪声源识别中的应用。

关键词:内燃机,噪声,独立成分分析

Abstract: First, this paper briefly introduced the principle and algorithm of independent component analysis. Then, several guide lines used commonly for ICA was been expatiated detailedly.In addition to these, the ICA’s application into the noise source identification of engine was been presented finally.

Key words: Engine, Noise, Independent component analysis

引言

在内燃机噪声控制工程中,噪声源的识别占有重要地位。合理控制内燃机噪声,首先应了解内燃机振动噪声的产生原因,即对噪声源的产生部位,噪声源的特性进行准确测量和分析,然后根据噪声的大小,结合内燃机结构特点,采取相应的措施,以降低内燃机噪声[1]。 内燃机噪声信号包括燃烧噪声、活塞敲击噪声、进排气门落座噪声、喷油泵噪声和正时齿轮噪声等多种噪声。测量时,因为多种噪声源的响应相互交错、相互耦合,从而给精确识别内燃机噪声源带来一定的难度。

目前常采用的噪声源识别方法,如:统计分析、谱分析、时-频分析和小波分析等,一般根据信号能量的成分得到内燃机噪声的信息,将噪声信号以时域、频域和时频域的形式表达,并根据信号的能量程度将噪声源识别出来[5]。这些方法对找到信号中起突出作用的成分是非常有用的,但由于在时频变换中需要保持高能量成分的信息,对一些相对低能量级的噪声源信息就不能有效地识别。

独立成分分析(independent component analysis,ICA)是近年来伴随着盲源识别(blind source separation,BSS)问题发展起来的一项统计信号处理技术,采用该技术进行信号分离时,不受源信号时间互相交叠和频谱互相交叠的影响,而且分离后的输出信号不会丢失源信号中的微弱特征信息[1]。ICA处理的对象是相互统计的信源经过线性组合而产生的一组混合信号,其最终目的是从混合信号中提取出各独立的信号分量。最近已有报道,独立成分分析已经开始应用于生物医学信号处理、混合语音信号分离和图像信号消噪等领域,并取得了一定的研究成果。但是,关于独立成分分析在内燃机噪声源识别中的应用,目前国内外还鲜有报道。2004年1月,上海交通大学图像处理与模式识别研究所孔薇博士发表了题为“基于独立成分分析的强背景噪声去噪方法”的文章,对独立成分分析在混合语音信号特征提取方

[2]面的应用做了一定的研究。2004年7月天津大学刘月辉博士发表了题为“基于独立分量分

析的内燃机噪声信号分离”的文章,对独立成分分析在内燃机噪声源识别中的应用进行了初步探讨。

鉴于独立成分分析在特征信号提取方面具有较大的应用潜力,本文在对ICA理论分析研究的基础上,将对其在内燃机噪声源识别中的应用做进一步的探讨。

一、独立成分分析(ICA)概述

1、 独立成分分析基本原理

假设有n个统计独立的信号源和m个传感器,测量信号和源信号之间存在如下关系:

X(t) AS(t) (1) 其中,X(t) x1(t),x2(t), xm(t) 表示已知的m个测量信号序列,T

TS(t) s1(t),s2(t), sn(t) 表示统计独立的n个未知的源信号序列,A为未知的m n的

第1页

你可能喜欢

  • 中的应用
  • ICA算法
  • 工具使用
  • 主成分分析原理
  • 主成分分析案例

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email