一种基于稀疏盲源分离的卫星微振动源定量识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110110619A(43)申请公布日2019.08.09(21)申请号201910323968.0(22)申请日2019.04.22(71)申请人西安交通大学地址710049陕西省西安市咸宁西路28号(72)发明人张周锁王欢宫腾罗欣(74)专利代理机构西安通大专利代理有限责任公司61200代理人徐文权(51)Int.Cl.G06K9/00(2006.01)G01H17/00(2006.01)权利要求书3页说明书7页附图6页(54)发明名称一种基于稀疏盲源分离的卫星微振动源定量识别方法(57)摘要本发明公开了一种稀疏盲源分离的卫星微振动源定量识别方法，首先，在卫星舱段结构模型敏感载荷处及模型表面不同位置布置加速度传感器，采集各振动源正常工作时的振动信号，确保观测信号数目大于源的数目；然后，利用L1范数构造参考稀疏盲解卷积算法的参考L1范数目标函数，根据振动源的时频域特征先验信息构造参考信号，采用梯度下降法迭代优化目标函数寻找分离信号的最优解，实现单振源信号的提取。最后，利用频域单源响应信号求解方法计算各个振源在敏感载荷处的单源响应信号；利用基于向量投影的贡献量表征方法计算各个振源在敏感载荷处贡献量。贡献量评估指标是卫星微振动源定量识别的指标，可为微振动抑制提供依据。CN110110619ACN110110619A权利要求书1/3页1.一种基于稀疏盲源分离的卫星微振动源定量识别方法，其特征在于，包括以下步骤：(1)振动信号的采集在卫星舱段结构模型敏感载荷处及模型表面不同位置布置加速度传感器，采集各振动源正常工作时的振动信号，即观测信号：Tx(t)＝[x1(t),x2(t),...,xM(t),]其中，M为观测信号数目，xm(t)为t时刻在第m个观测点采集到的振动响应信号，m＝1～M；确保观测信号数目大于振动源的数目N；(2)基于参考稀疏盲解卷积算法的单振源信号的提取利用L1范数构造参考稀疏盲解卷积算法的参考L1范数目标函数，根据振动源的时频域特征先验信息构造参考信号，采用梯度下降法迭代优化目标函数寻找分离信号的最优解，实现单振源信号的提取；(3)利用频域稀疏贡献量估计方法计算各个振源对敏感载荷处贡献量利用频域单源响应信号求解方法计算各个振源在敏感载荷处的单源响应信号；利用基于向量投影的贡献量表征方法计算各个振源在敏感载荷处贡献量。2.根据权利要求1所述的一种基于稀疏盲源分离的卫星微振动源定量识别方法，其特征在于，步骤(2)具体包括：(2.1)利用L1范数构造盲解卷积算法的参考L1范数目标函数J(y,r)为：2J(y,r)＝||F(y)||1+λE{(y-r)}其中，y为分离信号；r为参考信号；F(·)为变量的离散傅里叶变换；λ为尺度因子；E{·}为变量的数学期望；(2.2)根据设备振动源的先验信息构造参考信号r；(2.3)设置分离滤波器长度L，将步骤(1)中得到的x(t)改写为时滞形式则盲解解卷积模型转化为标准的ICA模型：其中，为1×NL维的分离滤波器；此时，关于y的L1范数目标函数转化为关于的目标函数：由傅里叶变换理论将上式表达为：其中，Re为经傅里叶变换后的实部构成的矩阵；Im为经傅里叶变换后的虚部构成的矩阵；(2.4)利用梯度下降法迭代优化参考L1范数目标函数，通过对分离向量迭代更新寻找目标函数最小时所对应的分离信号y的最优解。3.根据权利要求2所述的一种基于稀疏盲源分离的卫星微振动源定量识别方法，其特2CN110110619A权利要求书2/3页征在于，步骤(2.4)中的迭代更新过称为：其中，k代表第k次迭代更新，g是目标函数J(y,r)对的偏梯度，α是算法的迭代步长；每次迭代得到新的后，对其进行归一化：迭代直至收敛得到分离向量的最优解，则分离信号为实现单振源信号的提取；通过构造不同的参考信号实现不同源信号的提取。4.根据权利要求2所述的一种基于稀疏盲源分离的卫星微振动源定量识别方法，其特征在于，步骤(3)具体包括：(3.1)设y(t)为提取出的分离信号，由盲解卷积理论，存在一个滤波器h(τ)满足如下关系式：x(t)＝h(τ)*y(t)其中，*为卷积运算；基于卷积理论，将卷积运算形式表达为频域内的乘积形式，即得到每一个频点ω处观测信号的频域值X(ω)，滤波器频域值H(ω)和分离信号频域值Y(ω)之间的矩阵关系：X(ω)＝H(ω)Y(ω)在频域中每一个频点处均能得到一个混合矩阵H(ω)，计算各源信号中频率ω处成分的能量占该源信号总能量的比重，比重最大的源信号就是频点ω处观测信号的产生来源；假设频点ω0处观测信号来自Yn，则其余观测信号在该点处幅值为0，在频点ω0处可得：求解上式即得频点ω0处的混合矩阵H(ω0)；采用相同的方法求解各个频点处的混合