（机械设计及理论专业论文）基于声信号盲分离的特征提取方法研究.pdf

摘娶 基于声信号盲分离的特征提取方法研究 摘要 f i 声学故障诊断技术作为故障诊断方法之一，目前已经落后于已经发展成一套比较 完整的体系的振动故障诊断技术。这有多方面的原因，其中主要原因是在实际生活中， 往往面临大面积、非稳态、多声源等的复杂空间声场，传声器采集到的信号往往是多 台机器发出的声音的混合信号。 信号盲处理技术，是近年来出现的一种新兴的信号处理方法，给声学信号处理中 的多源问题提供了一个全新的思路。随着对盲处理问题的解的存在性和求解原理的深 入认识，信号盲处理方法的研究已经成为了一个热点，并且在无线通信、图象处理、 地震信号处理和生物医学信号处理等领域已得到了广泛的应用。但是将其应用到声学 信号处理与故障诊断方面的研究在国内外都少有文献。j 一 因此本文的大部分工作是从最基本作起提出概念、系统模型，并利用仿真和实 验数据对模型和算法进行检验和修正，并建立初步的声学故障诊断思想与系统，为进 步完善分析诊断理论与方法奠定理论和实践基础。 本文的主要工作和成果如下： 1 根据点声源的自由声场模型和盲源分离技术，提出了复杂声场中混合信号多 声源的频谱特征提取模型。哒个模型是在以下三个假设条件下建立起来的： 假设1 ：声源发出的声音信号是各态历经的平稳随机信号，而且测量过程中的 噪声是加性高斯白噪声；假设2 ：每台机器都看成为一独立声源；假设3 ：混 合信号是各源信号瞬时相加的，即在某个时刻f ，各个信号源之间是加性的； 信号与噪声之间相互独立。十 2分析了信号源盲分离问题的数学模型，就盲分离问题的可解性进行了讨论。 介绍了混合信号的预处理，即去除均值和预白化的具体方法，这在信号源盲 分离算法中是必须的。分析了盲分离算法的评价方法，给出了盲分离算法的 性能指标。 3对多声源信号混合，在源信号和传递通道未知的情况下，选用基于独立性的 等变自适应分离算法( e a s i 算法) 技术，进行混合信号的分离。怀仅能够对 同系混合信号进行盲分离，而且对杂系混合信号，利用e a s i 的改进算法也能 够有效地进行分离。通过计算机仿真算例对此算法进行检验习讨论t e a s i 及 其改进算法在噪声存在时的分离混合信号的能力，给出了仿真算例，通过仿 上j 每趸通大学硕士学位论文 摘要 真，说明算法具有定的抗噪声干扰能力。 4 对信号源盲分离问题中的未知信号源数目的估计问题进行了分析研究。在现 有的信号源盲分离算法中，一个普遍的假设就是认为未知信号源的数目与观 测到的混合信号的数目是相等的，这实际上就是认为信号源数目是已知的。 但是对许多的盲分离问题来说，信号源数目己知的假设与实际情况不符。j 7 本 文通过计算混合信号数据矩阵的奇异值分解进行信号源个数的估计，给出了 理论证明及实际的计算方法。通过计算机仿真实例说明了主奇异值分析方法 的正确性及有效性。 5 将算法、模型应用到实验数据分析中，一共分为两个部分。一部分是半消声 室实验，利用分扇和电动机为信号分离对象，实验结果表明分扇和电动机的 频谱结构都得到了很好地分离，证明了算法的正确性和可靠性。另一部分在 实际的房间里完成的，尽管分离的效果比半消声室要差一些，但考虑到实际 情况的复杂性( 房间相对较小，堆放物较多等) ，实验结果还是从一定程度上 证明了算法的正确性。 6 最后，基于本文的盲分离算法而提出的对实际生产机器的故障诊断方法和实 际系统的初步建立，主要思路利用设备在正常时和发生故障时的特征频率会 发生变化。其中，基于现场诊断的实时要求，诊断系统的数据采集模块基于 v x i 总线，数据分析处理模块的芯片采用d s p 芯片。最后介绍了基于l a b v i e w 软件的故障分析诊断系统的软件，并已经编写完了初步系统的软件。 与术 0 耻劫 澉 她删 提 声声 b 钾孵 黻 戥副 濞 魄割 m 离糕 认 铈擞 吨 蹶川 氤豢荔 辫一 瓣导澌罴匡啡啪声 上海交通大学硕士学位论文摘要 r e s e a r c ho na c o u s t i c a lf e a t u r ee x t r a c t i o n v i ab l i n ds o u r c es e p a r a t i o n a b s t r a c t a c o u s t i cd i a g n o s i st e c h n o l o g yi so n eo ff a u l td i a g n o s i sm e t h o d sw h i c h n o w d r o p sb e h i n d t h ev i b r a t i o nd i a g n o s i st e c h n o l o g y t h e r ea r em a n yr e a s o n s f o rt h i s t h em a i nr e a s o ni st h a ta c o u s t i cd i a g n o s i so f t e nf a c e st h ep r o b l e mo f m u l t i p l e s o u n ds o u r c e s ，h u g e s u r f a c ea n d u n s t a t i o n a r y s t a t e t h e s i g n a l a c q u i r e db y s e n s o r si st h em i x e d s i g n a le m i t t e db ym a n y s o u n ds o u r c e s t h e t e c h n o l o g yo fb s s ( b l i n ds o u r c es e p a r a t i o n ) w h i c hh a sd e v e l o p e d f a s ti nr e c e n td e c a d e s g i v e su saw h o l e - n e wi d e ao nt h ep r o b l e mo f m u l t i p l e s o u r c e s w i t ht h ed e e pu n d e r s t a n d i n gt ot h ee x i s t e n c ea n ds o l u t i o np r i n c i p l e o fb s s p r o b l e m ，t h er e s e a r c ho f b s sh a sb e c o m e v e r yi m p o r t a n ta n d b r o a d i t h a sb e e nw i d e l ya p p l i e di nw i r e l e s sc o m m u n i c a t i o n s ，i m a g em a n i p u l a t i o n ， s e i s ms i g n a lp r o c e s s i n g ，b i o m e d i c i n es i g n a lp r o c e s s i n ga n de t c u n f o r t u n a t e l y , t h er e s e a r c ho f a p p l y i n g t h eb l i n ds o u r c es e p a r a t i o nf o rs o u n df a u l td i a g n o s i s i si u s ta ti t sb e g i n n i n ga n dt h e r ea r ef e wa r t i c l e sa b o u ti t s o m o s to fw o r ki nt h i st h e s i si sd o n ef r o mt h eb a s i c ：p u tf o r w a r dt h e c o n c e p t ，s e tu pt h es y s t e m s m o d e l ，a n d v e r i f i e si tw i t hs i m u l a t e da n d e x p e r i m e n t a ld a t a a tl a s tt h et h e s i sp u tf o r w a r dt h ef a u l td i a g n o s i sm e t h o d a n ds e tu pt h es i m p l es y s t e mb a s e do nt h ea b o v em o d e l a l lo ft h e s ef o u n da s o l i db a s i sf o rf u r t h e rr e s e a r c ho n t h e o r ya n d m e t h o d s t h em a i nw o r ka n dc o n t r i b u t i o n so f t l i st h e s i sa r es h o w na sf o l l o w s ： 1 p u tf o r w a r dt h em o d e lo f s e p a r a t i n g t h em u l t i p l es o u r c e s s p e c t r u mf r o m t h em i x e ds i g n a li nc o m p l e xs o u n df i e l d t h i sm o d e li ss e tu po nt h e a s s u m p t i o no fs o m ec o n d i t i o n sw i t ht h eh e l p o fa c o u s t i c sa n db l i n d s o u r c es e p a r a t i o nt h e o r y a s s u m p t i o ni ：a c o u s t i cs i g n a l sf r o ms o u r c e s a r et i m e i n v a r i a n t s t a t i o n a r y r a n d o m s i g n a l s a n dn o i s e s i g n a l s a r e g a u s s i a nd i s t r i b u t e dw h i t en o i s e a s s u m p t i o ni i ：e v e r y m a c h i n ei s i n d e p e n d e n t t l i ：m i x e ds i g n a l sa r ea d d e db y s o u r c es i g n a l s 上海趸通大学硕士学位论文摘姜 2 a n a l y z et h eb s s m a t h e m a t i cm o d e i d i s c u s st h es o l u t i o nt ot h eb s s p r o b l e m i n t r o d u c e t h e p r e t r e a t m e n t t ot h em i x e d s i g n a l s a n d g i v e d e t a i l e dm e t h o d sf o rc e n t e r i n ga n dw h i t e n i n g a 1 1a b o v ea r en e c e s s a r y f o rb s s d i s c u s st h ee v a l u a t i o nm e t h o dt h e ng i v et h ep e r f o r m a n c ei n d e x t o b s s 3 s e l e c tt h ee f f i c i e n ta l g o r i t h mf o rb s st h a ti sc a l l e de q u i v a r i a n ta d a p t i v e s e p a r a t i o n v i a i n d e p e n d e n c ef e a s i ) w i t ht h eh e l p o fe a s ia n di t s e x t e n d e da l g o r i t h m ，w es e p a r a t et h em i x e ds i g n a lt og e te v e r ys o u r c e s s p e c t r u m t h e n d i s c u s st h ee a s i s c a p a b i l i t y o fs e p a r a t i o nw i t ht h e e x i s t e n c eo fn o i s e t h r o u 【g ht h es i m u l a t i o n w ec o n c l u d et h a te a s i a l g o r i t t u nh a st h ea b i l i t yt os e p a r a t en o i s e m i x e d s i g n a l s 4 m a k ear e s e a r c ho nt h ee s t i m a t i o no fs o u r c e s n u m b e r s a l lt h eb s s a l g o r i t h m sp r o p o s e di nt h el i t e r a t u r ea s s u m et h a tt h en u m b e r o fs o u r c e s i g n a l s i sk n o w na p r i o r ia n de q u a l st ot h en u m b e r o fm i x e d s i g n a l s t h i s a s s u m p t i o ni s h o w e v e gu n r e a l i s t i ci nm a n y c a s e s a ne s t i m a t i o nm e t h o d t o g e t h e r w i t hi t s p r o o fi sp r o p o s e d i n t h i st h e s i st h a te s t i m a t e st h e n u m b e ro fs o u r c e sr e l i a b l yw h e nt h en u m b e ro fs e n s o ro b s e r v a t i o n si s n o tl e s st h a nt h en u m b e ro fs o u r c e s t h r o u l g ht h es i m u l a t i o n ，t h i s e s t i m a t i o nm e t h o di sc o r r e c ta n de f f e c t i v e 5 a p p l y i n g t h es y s t e mm o d e la n da l g o r i t h mf o rt h ee x p e r i m e n t t h e r ea r e t w op a r t s t h ef i r s te x p e r i m e n ti sd o n ei nt h eh a l f - a n e c h o i cr o o m a n d t h e r ea r et h r e eg r o u p s t h er e s u l t sf r o mh a l f - a n e c h o i cr o o ms h o wt h a t t h e s p e c t r u m s o f e x p e r i m e n t a lo b j e c t s ，w h i c h a r ef a na n dm o t o r r e s p e c t i v e l y , a r e w e l l s e p a r a t e df r o mt h e m i x e ds i g n a l s t h es e c o n d e x p e r i m e n ti sf i n i s h e di nar o o mw h o s es o u n df i e l d i s v e r yc o m p l e x a l t h o u 出t h er e s u l t sa r er e l a t i v e l yw o r s et h a nt h o s ei nt h eh a l f - a n e c h o i c r o o m ，t h e y c a ns t i l lp r o v et h ev e r a c i t yo f t h ea l g o r i t h m 6 t h el a s ti sa b o u tt h ed i a g n o s i sm e t h o db a s e do nt h es y s t e mm o d e l t h e m e t h o di st h a t c o m p a r e st h e r a wd a t aw i t ht h ed a t ao ft h e t y p i c a l m a c h i n e s f a u l t s ar e a l d i a g n o s i ss y s t e m i se s t a b l i s h e d t h ed a t a a c q u i s i t i o nm o d u l ei s b a s e do nv x ib u s t h ed a t ap r o c e s sm o d u l ei s b a s e do nd s p c h i p l a b v i e w i st h ep r o g r a m m i n gl a n g u a g e b yn o w , t h e 上海趸通大学硕士学位论文：竺兰 d i a g n o s i ss y s t e m a n di t ss o f t w a r eh a v eb e e nd o n e t h i sw o r kw a ss u p p o r t e db y t h en a t i o n a l s c i e n c ef u n d ( a p p r o v e d n o 5 0 0 7 5 0 5 2 ) a n db y b e i j i n gh i g h t e c h l a b o r a t o r y f o rp h o t o e l e 。i 。 c o n v e r s i o ne q u i p m e n t a n dn o i s es i g n a lp r o c e s s i n g k e vw o r d s ：a c o u s t i cd i a g n o s i s ，s p e c t r u m s e p a r a t i o n ，b l i n d s o u r c e s e p a r a t i o n ，e a s ia l g o r i t h m ，f e a t u r e e x t r a c t i o n 上海交通大学 学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用的内容外， 本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。 对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式 标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：荪嘶 日期：2 0 0 丐年l 月j 1 日 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和借阅。本人授权上海交通大学可以将本学位 论文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印或扫描等复制手段保存和汇编本学位论文。 保密口，在一年解密后适用本授权书。 本学位论文属于 不保密叫 ( 请在以上方框内打“4 ”) 学位论文作者签名：舔晚耳 指导教师签名： 日期：2 0 0 ；年2 月1 7 日 日期：伊，年乞月呼日 主要符号表 声压 距离 源信号构成的向量 观测信号构成的向量 盲分离恢复得到的信号向量 混合矩阵 噪声向量 信号的峭度 信噪比 特征值 奇异值 上标，表示矩阵共轭转置 上标，表示矩阵转置 其它符号在文中出现处说明 ，啪m a州舢。 ， 第一章绪论 第一章绪论 1 1 论文的研究背景 1 1 1 故障诊断及其发展现状【1 4 】 近年来，设备或机械的性能越来越高，功能越来越高，规模越来越大，结构越来 越来复杂。由于机械故障而迫使生产停顿的事故并不少见。机器的运行状态监测与故 障珍断技术是保证大型机组安全运行，防止恶性事故的有效手段。它可以及时发现机 组的运行故障先兆，诊断产生保障的原因，为生产和维修提供决策依据，同时也避免 了定期检修引起的生产停顿。因此，对关键设备进行实时在线状态监测可以产生巨大 的经济效益。设备是企业生产和经济发展的物质技术基础，机械设备的运转效益与企 业的经济效益密切相关。然而设备在使用过程中不可避免地会经历三种状态。即正常、 异常和故障。正常状态时，设备可以照常运行，发生异常后，说明状态已经恶化，应 引起检修人员的注意，监视状态的发展。发展到故障状态，必须立即停机检修。 故障诊断是根据设备运行状态信息查找故障源，并确定相应决策的一门综合性的 新兴学科。机械设备的状态监测与故障诊断技术初步形成于2 0 世纪6 0 年代末，迅速 发展在7 0 8 0 年代，集大成于8 0 9 0 年代，而如今更是得到了前所未有的广泛运用， 是一项具有相当前景的技术。1 9 6 7 年美国宇航局倡导成立了美国机械故障预防小组 ( m f p g - - m e c h a n i c a lf a u l tp r e v e n t i o n g r o u p ) ：英国在大致相同的时期，以 ra c o l l a c o t t 为首建立u km e c h a n i c a lh e a l t hm o n i t o rc e n t e r ，从事故障诊断技术的研 究和应用丌发；与此同时，瑞典、挪威、丹麦、日本等国也在发展相应的诊断技术， 如瑞典的轴承监测、挪威的船舶渗断、丹麦和日本的相关诊断仪器。 我国自8 0 年代中期起开始设备故障诊断技术的研究。从整体上看，尚属于跟随性 发展研究，但在一些领域也取得了丰硕的成果，并已形成高校、研究所及工厂的梯队 式研究、丌发和应用层次。国内高校每年都有许多以故障诊断为内容的论文发表。1 9 8 6 年，我国f 式成立了中国振动工程学会机械故障诊断分会。该分会已发起组织了多次 全国性的大型故障诊断学术交流会议，为推动设备诊断技术方法的进步和完善丌展了 大量有意义的工作。近几年，我国在设备诊断软硬件系统的开发研制方面取得了很大 进步，先后研制出了多种类型的在线和离线设备诊断系统。 从故障渗断技术的发展趋势看，由简单的状态监测向故障的诊断和预测方向发 展。随着现代化管理向系统工程发展，在诊断技术上同时出现提高和普及两种势头。 表现在由单参数测量到多参数测量，由不同步到同步，由静态到动态，由平均值、极 上海趸通大学硕士学位论文第一章绪论 值到过渡过程和平稳过程的瞬时值，由离线到在线，由事后分析到预测，由人工诊断 到自动渗断等等方面。 故障渗断就是系统识别。识别的方法很多，常用的有六种识别方法：统计识别方 法，函数识别方法，逻辑识别方法，模糊识别方法，灰色系统识别方法，神经网络识 别方法。无论是哪种识别方法，完整来说都必须包含四个部分，即信号测量，特征提 取，建立标准特征库和比较识别四个部分，如图1 1 所示。 图1 - 1 故障诊断必须包括的四个部分 f i g1 f o u ri n t a g r a n t si naf a u l td i a g n o s i ss y s t e m 现代故障渗断技术是随着现代系统工程、信息论、控制论、电子技术、计算机技 术、通信技术等的发展而发展起来的，是多种学科和技术交叉与渗透而形成的一门新 兴综合性学科，其研究内容涉及故障机理、传感器与测量技术、数据采集、数字信号 处理、数据库、专家系统、计算机软硬件、通信等技术领域。 就现在来说，机械故障诊断技术仍然处在个以传感技术和动态测试技术为基 础，以信号处理技术为手段的常规诊断技术发展阶段。这一阶段的诊断技术已在工程 中获得了大量的应用，并产生了巨大的经济效益。从技术手段上看，现代诊断技术吸 收了大量的现代科技成果，使得诊断技术可以利用振动、噪声、力、温度、电磁、光、 射线等多种信号实施诊断，由此产生了机械故障的振动诊断技术、振声渗断技术、光 谱珍断技术、铁谱珍断技术、无损检测技术及红外和热成象诊断技术等。信号分析与 数值处理技术的发展，特别是计算机技术的迅速发展，使各种诊断方法应运而生，形 成了状态空间分析诊断、对比诊断、函数诊断、逻辑诊断、统计诊断和模糊诊断等方 法。 近十年来，各种有关数据处理软、硬件的发展，对机械故障诊断技术的发展更是 一个极大的推动，使机械设备的实时在线诊断成为可能，如美国a t l a n t a 公司的m 6 0 0 0 、 b e n t t y 公司的d d m 在线实时诊断系统，以及国内外大量的以软件为基础的诊断系统， 霉芦l 三 一特 v 一 一于二 第一章绪论 均在机械设备维修制度的现代化工程中发挥了重要作用。 1 1 2 声学故障诊断的发展概况 目前，针对机器产生的故障，比较常用的诊断方法是利用机器运行时所产生的振 动信号进行分析，从而推断出机器故障，这种诊断方法目前已经发展得较为完善。不 过，振动故障诊断技术也有其局限性，即诊断人员通常要在机器停止运行的状态下安 装传感器。因此，在一些停产就会带来巨大损失的流水生产线上，在高温、高腐蚀以 及人类不易接近的坏境下，这种方法就不太合适了。 机器在运行的时候，除了产生振动以外，还产生噪声，噪声中也含有丰富的特征 频率，特别是一些早期的故障能够在噪声频谱中能得到很好地体现。因此，利用声音 进行故障珍断( 称为声学故障诊断) 成为近年来故障诊断领域新的发展方向f 引。声学 故障诊断具有其特有的优点：操作简单、非接触式测量( 即无需事先安装传感器) 、 渗断时机器可继续工作、可以在线监测等。因此，声学故障诊断在一些不易测量振动 信号的场合得到了越来越广泛的应用。 事实上，人们最早开始故障诊断的时候，就是利用机械发出的声音。如果机械的 声音突然发生了变化，就往往既明机械有了故障，需要进行修理。有经验的师傅还可 以根据声音的变化，推断是什么故障。不过这种方法只是利用个人所具有的知识和经 验，况且这种技巧又不易掌握。 但是由于实际声场的复杂性造成声学信号信噪比比较低，声学故障诊断技术的发 展渐渐地落后于振动故障诊断技术。到目前为止，振动故障渗断技术已经发展成一套 比较完整的体系，而声学故障诊断技术却始终处于起始阶段。 声学分析方法始于8 0 年代中期，9 0 年代以来，随着声学研究的发展，而且由于声 学故障珍断技术的优越性，人们又重新对其发生了浓厚的兴趣，进行了一些研究，大 多数方法都是以单台机器为诊断对象的。女n k a t s u h i k os l l i b a t a 口i 等人则通过对称点阵 ( s d p ，s y m m e t r i s e d d o tp a r e m ) 、小波变换等方法将噪声信号用图表方式表示出来， 在电动机的轴承故障渗断应用中有良好的效果。c u r t i s s w r i g h t 6 1 分析器也是利用机器 零件或部件开始磨损或者经历某些物理变化时，其声音信号的特性就发生变化的特 性，对军用发动机及其相关联的动力传动系统进行声学故障诊断，并且在轴承的故障 渗断中取得了良好的效果，缺陷是对齿轮的声音监控方面效果不明显。目前在控制噪 声方面还有一些噪声源的分析方法，有分段分析法、频谱分析法、声全息法、表面强 度法1 7 j 等。 1 1 3 盲源分离技术 近几年，盲源分离的研究已经成为信号处理领域一个引人注目的热点问题。盲源 上海交通大学硕士学位论丈第一幸绪论 分离( b l i n ds o u r c es e p a r a t i o n b s s ) ，是指在不知源信号和传输通道参数的情况下， 根据输入源信号的统计特性，仅由观测信号恢复恢复出源信号各个独立成分的过程。 典型的情况如下，观测数据向量是一组传感器的输出，其中每个传感器接收到的是源 信号的不同组合。术语“盲”有两重含义：( 1 ) 源信号不能被观测；( 2 ) 源信号如何 混合是未知的。 较早进行盲分离方法研究的是h e r a u l t 和j u t t e n 1 2 - 1 3 ，他们提出了一类神经盲源分 离的方法。陔方法基于反馈神经网络，通过选取奇次的非线性函数构成h e b b j l i 练， 从而达到盲源分离的目的。但是该方法不能完成多于两个混迭源信号的分离，非线性 函数的选取具有随意性，并且缺乏理论解释。t o n g 和l i u 0 4 】分析了盲源分离问题的可 分离性和不确定性，并给出了一类基于高阶统计的矩阵代数特征分解方法。c o a d o s o 【1 5 j 提出了基于高阶统计的联合对角化盲源分离方法，并应用于波束形成。c o m o n ”l 系统 地分析了瞬时混迭信号盲源分离问题，并明确了独立分量分析的概念。利用了可以测 量源信号统计独立的k u l l b a k l e i b l e r 准则作为对比函数，并由此给出了一类基于特征 分解的独立分量分析方法。s e j n o w s k i ；和b e l l l 2 2 基于信息理论，通过最大化输出非线性 节点的熵，得出了一种最大信息传输的准则函数，并由此导出了一种自适应盲源分离 方法，当咳方法中非线性函数的选取逼近源信号的概率分布时，可以较好地恢复出源 信号。该算法只能用于源信号峭度大于某一值的信号的盲分离，所以它对分离线性混 迭的语音信号非常有效。a m a r i ：f t l c i c h o c k i 2 8 1 基于信息理论中概率密度g r a m c h a r l i e r 展丌，利用最小互信息准则函数，得出了一类前馈网络的训练算法，可以有效分离具 有负峭度的源信号，该算法具有等变特性，即不受混迭矩阵的影响。h y v a r i n e n d 6 i 基 于源信号非高斯性峭度，给出一类定点训练算法，该算法可以提取单个具有正或负峭 度的源信号。 由于信号源盲分离问题本身的复杂性，现有的多数信号源盲分离算法都只对信号 源数目和混合信号数目相等的情况进行研究。自从c o m o n 的文献【l2 】发表以后，对信号 源盲分离问题的研究就迅速发展起来了。事实上，有很多的信号源盲分离算法都是基 于t o n g 和c o m o n 的结果提出的。 c o m o n 的文献 1 2 】的贡献在于证明了只要通过适当的线性变换恢复出混合信号中 各个分量之间的两两统计独立性就可以实现信号源的盲分离，并且充分认识到了这一 结论的重要价值。c o m o n 在文献 1 2 1 中还对h e r a u l t 和j u t t e n 提出的独立分量分析的概念 给出了严格的数学定义，并将盲解卷积中的对照函数( c o n t r a s tf u n c t i o n ) 的概念借用 到了独立分量分析当中，对独立分量分析的对照函数进行了定义。简单地说，独立分 量分析的对照函数就是一个用于测量多个随机变量之间的统计独立性的实数值的标 量函数，对照函数实质上是一个随机变量的概率密度函数的泛函，当且仅当对照函数 第一章绪论 所测量的各个随机变量之间两两统计独立时，函数取得其最大值或最小值。这样，通 过对对照函数的最大化或最小化就把随机矢量的独立分量分析问题转化为一个优化 问题。 c o m o n 的工作给信号源盲分离问题赋予了一个清晰的脉络，使得以后的算法设计 丌始有了明确的理论依据。事实上，在c o m o n 以后出现的绝大多数信号源盲分离算法 都是利用独立分量分析的方法实现的，通过不同的原理和途径提出了各种相同或不同 的刑。照函数以及相应的优化算法。可以说，c o m o n 的工作实际上使得对信号源盲分离 算法的研究变成了对独立分量分析的对照函数及其优化算法的研究。基于独立分量分 析的原理，先后出现了信息最大化信号源盲分离算法【2 2 】、鲁棒神经网络信号源盲分离 算法【2 3 - 2 4 1 、非线性主分量分析信号源盲分离算法【2 5 】、极大似然法信号源盲分离算法 1 2 6 - 2 7 1 以及自然梯度法信号源盲分离算法1 2 8 2 9 1 等。 国内近期关于盲信号处理理论和应用技术的研究几乎是与国际上同步进行的。凌 燮亭川和何振亚3 4 1 在国内较早地注意了盲信号处理研究凌燮亭【3 0 】利用反馈式神 经网络根据h e b b i a n 的学习算法，实现了近场情况下般信号的盲分离，并对算法的 渐近收敛性和实现信号分离状态的稳定性进行了讨论。何振亚【3 1 彤】在基于特征分析和 高阶谱的盲源分离和盲反卷积方法研究中，提出了一系列新的基于高阶统计和信息理 论的判掘和算法。在盲系统参数估计和盲波束形成等方面的也取得许多很好的研究成 果。最近胡光锐【82 j 也开始了盲语音分离问题的研究，并提出了基于高斯混合模型概率 密度估计的语音分离方法。 盲源分离技术最初用于军事上的雷达定位，现已广泛应用于雷达、声纳、无线电 通讯n 生物医学例、谈话者的定位跟踪【1 叭、信号重建以及图象处理u 等领域，取得 了良好的效果。 1 1 。4 课题研究的来源、意义和方向 本文受国家自然科学基金资助项目“基于盲源分离的复合声频信号处理与故障诊 断方法”( 项目编号：5 0 0 7 5 0 5 2 ) 资助和北京市光电转换装置与噪声信号处理技术实 验室资助。 作为故障渗断方法之，声学故障诊断技术目前已经落后于已经发展成一套比较 完整的体系的振动故障诊断技术，这有多方面的原因，其中主要原因之一就是在实际 生活中，往往面临大面积、非稳态、多声源等的复杂空间声场，传声器采集到的信号 往往是多台机器发出的声音的混合信号。另外，实际生产环境的声场也非常难以建立， 这主要是声波是一种机械波，可以发生发射和折射，甚至是绕射，所以要想从数学上 严格求解这些声场模型是不现实的。近十几年来，盲源分离技术的兴起给声学信号处 上海交通丈学硕士学位论文第一章绪论 理中的多源问题提供了一个全新的思路。不过，由于近年来盲源分离技术主要是应用 于声纳、无线电通讯、生物医学、信号重建等方面，将其应用到声学信号处理与故障 珍断方面的研究在国内外都少有文献，因此本文的大部分工作是从最基本作起。 本文讨论在多个声源的情况下如何建立混合信号模型，并利用盲源分离技术，从 混合信号的互谱种分离出各个声源的频谱，尤其是声源信号的特征提取。最后对如何 应用模型进行声学故障诊断进行探讨和建立初步系统。 1 2 本文研究内容 本文针对声学信号分析和故障诊断时经常遇到的多声源问题，引入盲源分离技 术，结合声学故障渗断的特点，建立了源信号混合系统模型和多声源频谱分离的亩分 离算法。 通过仿真和实验数据对模型和算法进行了检验和修正，并探讨了以此算法为基础 的声学故障渗断的思路与系统的初步建立。 论文的主要研究内容如下： 1 第一章回顾了设备故障诊断的发展概况，声学故障诊断的优点和发展现状， 简要地回顾了盲源分离技术的发展，叙述了课题研究的来源、意义和方向以 及本文的研究内容。 2 第二章对机械设备故障的传统诊断方法和技术进行了回顾介绍。然后引入声 学珍断技术在机械设备诊断中的优点。介绍了声学的基本性质及声学故障诊 断技术，其中声学的基本性质中介绍了声压等基本概念；另一部分介绍了机 械噪声的产生与传播和机械噪声的测量方法，并简要介绍了一些常用的发声 源分析方法。 3 第三章介绍了信号源盲分离问题的数学模型，并给出了信号源盲分离问题应 满足的基本假设，并且就盲分离问题的可解性进行了讨论。还介绍了混合信 号的预处理，即去除均值和预白化的具体方法，这在有些信号源盲分离算法 中是必须的。讨论了盲分离算法的评价方法，给出了盲分离算法的性能指标。 最后就盲分离中主要的一类算法，独立分量分析的信号源盲分离方法进行了 对论。 4 第四章对多声源信号混合，在源信号和传递通道未知的情况下，对基于独立 性的等变自适应分离算法( e a s i 算法) 进行了讨论，通过计算机仿真算例对 此算法进行检验。讨论了e a s i 及其改进算法在噪声存在时的分离混合信号的 能力，给出了仿真算例，通过仿真，说明算法具有一定的抗噪声干扰能力。 最后，针对盲分离问题中，源信号未知的情况，通过计算混合信号数据矩阵 上海交通大学硕士学位论丈第一幸绪论 的奇异值分解进行信号源个数的估计，给出了理论证明及实际的计算方法。 通过计算机仿真实例说明了主奇异值分析方法的正确性及有效性。 5第五章实验的角度对模型进行了检验。半消声室的实验结果证明了算法的正 确性和有效性。实验中的对象风扇和电动机的频谱结构得到了很好的分离。 最后还在与模型吻合程度差一些的声场环境下做了实验，也一定程度上证明 了算法的e 确性和有效性。 6 第六章介绍了目前基于本文的盲分离算法而提出的对实际生产机器的故障渗 断思路与方法，主要思路利用设备在正常时和发生故障时的特征频率会发生 变化。其中，基于现场诊断的实时要求，诊断系统的数据采集模块基于v x i 总线，数据分析处理模块的芯片采用d s p 芯片。最后介绍了基于l a b v i e w 软件 的故障分析诊断系统的软件。 7 第七章为本论文总结与展望。 上海互通大学硕士学位论文第二章声学故障诊断技术 第二章声学故障诊断技术 2 1 机械设备故障诊断的常用方法 机械设备状态监测与故障诊断技术是项与现代化工业生产密切相关的技术，其 重点是研究故障诊断与故障预报的理论、方法以及实施技术。机械设备故障诊断是一 个相当复杂的过程，在多数情况下，仅依靠单一的方法往往无法有效地解决问题，因 此，必须从各种相关学科中，广泛探求有利于故障诊断的原理、方法和手段，这样就 使得故障诊断技术呈现多学科交叉融合这一鲜明的特点。 早期主要是依靠人的感觉( 听觉、触觉、视觉) 来直接进行状态分析，或者利用 物理或化学的原理和手段，通过伴随故障出现的各种物理或化学现象来直接检测故 障。在传感器技术和测试、处理分析技术进步后，逐步形成了依靠传统的信号分析手 段来完成监测与渗断的发展阶段。到今天已经突破了传统的分析方法限制，在大量吸 收相关学科知识的基础上，形成了以现代信号处理理论、软计算、智能化信息处理以 及计算机网络应用为核心的现代机械设备故障诊断技术。 2 1 1 振动监测诊断技术 设备的振动信号是设备状态信息的载体，它蕴含了丰富的设备异常或故障的信 息，而振动特征是设备运行状态好坏的重要标志。因此，振动测试是设备状态信号采 集的基本测试手段。对振动信号的检测能够获得设备状态的有效信息，对它的分析则 是机械设备的故障诊断领域中一个被广泛采用的方法。 现代传感技术的发展为振动信号的钡4 试提供了有力的保证。现代的振动测试都是 采用电测法，即把待测的机械振动量的变化转化成电量的变化，这种机一电转换是通 过传感器柬实现的。因此传感器性能的好坏将盲接影响到振动测量结果的准确性和可 靠性，从而影响到分析和诊断结果的正确性。 机械振动参数的测量分为接触式测量和非接触式测量。测量用传感器主要采用电 涡流传感器、速度传感器和加速度传感器三种，一般分别用于低频、中频和高频范围 的振动测量。 近年来，随着半导体加工工艺的日臻完美，微电子技术的新发展和新应用、微机 化机械加工技术的不断更新和加工工艺的不断改进，现代振动与冲击测量传感器正朝 着更小、更轻、更可靠耐用和更价廉物美的方向发展。国内外不断成功地研制和开发 了微电容式加速度传感器、静电平衡式加速传感器等新型加速度传感器以及激光测振 上海互通大学硕士学位论文第二章声学故障诊断技术 仪等新型位移传感器，这些传感技术大大推动了测试技术的发展。 2 1 2 信号特征提取 信号特征提取是故障诊断过程中的一个重要环节。早期的信号特征提取主要是借 助于傅立叶变换进行的，称为经典信号分析方法。基于傅立叶变换的信号分析发展缓 慢，主要是由于其计算量大，在快速傅立叶变换( f f t ) 的算法之后，经典信号分析 方法爿得到了迅速的发展，并在设备状态监测和故障诊断技术的实际运用中发挥了巨 大的作用。经典信号分析方法实际上就是状态信息特征的提取方法，即提取能量在不 同频段上的分布情况，以此作为诊断的依据。运用f f t 可以进行频谱分析、相关分析、 包络分析和倒谱分析等。直至今日，经典信号分析方法仍然是信号分析的主要方法之 然而，傅立叶变换分析方法存在若干难以克服的缺陷，主要是其频率成分的分辨 率不高、谱图有畸变、随机起伏明显、不光滑、不适于短数据，于是人们重新研究出 许多分辨率较高的现代谱分析方法。 1 9 6 7 年b u r g 提出的最大熵谱分析方法是最早开发的现代谱分析方法，其分辨率 高，适合于短数据。1 9 6 8 年p a r z e n 提出自回归( a r ) 谱估计方法；1 9 7 1 年，v a nd e n b a s 汪明了最大熵谱估计法与