一种基于动态进化粒子群屏蔽EMD的混合信号分离方法.pdf
雨巷****怡轩
亲,该文档总共16页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于动态进化粒子群屏蔽EMD的混合信号分离方法.pdf
本发明属于信号处理技术领域,具体涉及一种基于动态进化粒子群屏蔽EMD的混合信号分离方法,该方法步骤为:S1,利用无线测量仪器对数台设备的声音进行采集,得到t时刻的单通道混合信号s(t);S2,利用EMD方法对混合信号s(t)进行分解,得到imf信号,利用imf信号初始化屏蔽信号的幅值A和频率f;S3,通过基于动态进化粒子群屏蔽EMD的混合信号分离方法,利用动态进化粒子群对粒子进行优化,进而实现屏蔽信号的幅值A和频率f的优化,再通过优化后的幅值A和频率f构造屏蔽信号,并对混合信号s(t)进行分离;S4,计算
一种基于粒子群优化的信号分离方法.pdf
本发明公开了一种基于粒子群优化的信号分离方法,包括:(1)输入观测信号;(2)以最小化分离信号联合概率与边缘概率简单乘积间的差值为优化目标,建立独立分量分析算法优化模型;(3)根据奇异值分解法估计源信号个数,依此确定优化变量个数;(4)计算观测信号间的相关系数,确定优化变量取值范围;(5)利用粒子群优化算法对分离矩阵进行优化;(6)优化结束后最后一代种群中适应度最优的粒子为最优分离矩阵,将其与混合信号相乘,即可得到最优分离信号。该方法基于粒子群优化的独立分量分析,具有普遍适用性,对于各种盲源分离问题均具有
基于改进粒子群优化的分段盲信号分离方法.pdf
本发明属于信号处理技术领域,本发明旨在实现将粒子群算法应用于快速分离阶段,且有更快的收敛速度和更好的稳态性能。本发明采用的技术方案是,基于改进粒子群优化的分段盲信号分离方法,包括如下步骤:步骤(1):对于当前时刻输入的信号,计算当前的信号的整体分离程度D(t);步骤(2):根据D(t)来选择步长的确定方式,当D(t)>0.25时,分离过程处于快速分离阶段,选择改进粒子群算法来确定当前步长;步骤(3):当D(t)≤0.25时,分离过程处于精细分离阶段,选择相对平缓的非线性函数来确定当前步长;利用改进的
一种混合信号分离方法.pdf
本发明公开了一种混合信号分离方法,其包括:获取齿轮箱的故障信号;通过对故障信号进行频谱分析,获取频谱特征参数;根据频谱特征参数和预设的波动范围和波动步长,生成平稳调制基函数集合;对平稳调制基函数集合与故障信号进行相关运算,提取出与故障信号最相关的平稳调制分量;从故障信号中减去上一步骤中提取出来的平稳调制分量,将两者差值记为剩余项;比较故障信号与剩余项的差值,若小于预设值,则执行下一步骤;否则以剩余项作为故障信号,重复执行上两个步骤;将提取出的所有平稳调制分量相加,获得平稳调制信号;对剩余项进行小波变换,提
基于动态粒子群算法的流程雁阵实时进化方法的中期报告.docx
基于动态粒子群算法的流程雁阵实时进化方法的中期报告一、研究背景流程雁阵是一种优化算法,通过模拟雁群飞行过程中的协调行为,寻找最优解。不同于其他优化算法,流程雁阵算法具有较高的搜索效率和准确率,适用于解决复杂优化问题。但是,传统的流程雁阵算法存在一些问题,如收敛速度较慢,易陷入局部最优解等。针对这些问题,研究者提出了基于动态粒子群算法的流程雁阵实时进化方法,该方法融合了粒子群算法和流程雁阵算法的优势,通过动态调整粒子数和权值等因素,提高算法的搜索效率和求解精度。二、研究内容和进展本研究基于MATLAB平台进