一种基于多种特征量约束的钢轨裂纹信号盲源提取方法技术

一种基于多种特征量的盲信号提取方法，本发明专利技术提出利用一种或多种特征量同时对盲信号进行提取，对传统盲源提取方法添加各种约束并进行改进。本发明专利技术的步骤为：一、利用可变或多种特征值添加约束对传统盲源提取算法进行改进。二、利用预定的各个特征量对初始权限量进行选择。三、利用初始权限量进行迭代计算得到提取结果。本发明专利技术采用多种特征量同时对一个信号进行约束提取，让盲源提取的过程不再局限于固定的特征量进行判断，而是变为可变特征量或多种特征量同时进行判断，泛用性较强，优化了盲源提取方法。

A blind source extraction method for rail Crack Signals Based on multiple feature constraints

A blind signal extraction method based on a variety of feature quantities is proposed in the invention, which uses one or more feature quantities to simultaneously extract the blind signal, and adds various constraints to the traditional blind source extraction method and improves it. The steps of the invention are as follows: 1. The traditional blind source extraction algorithm is improved by using variable or multiple eigenvalue addition constraints. Two, select the initial weight limits by using the predetermined characteristic quantities. Three, the initial weights are used to calculate the extracted results. The blind source extraction process is no longer limited to a fixed feature quantity for judging, but becomes a variable feature quantity or a variety of feature quantity for judging at the same time. The method has strong generality and optimizes the blind source extraction method.

【技术实现步骤摘要】
一种基于多种特征量约束的钢轨裂纹信号盲源提取方法
本专利技术涉及盲源提取领域的方法，具体涉及一种基于多种特征量约束的盲源提取方法。
技术介绍
盲信号处理主要分为盲源分离，盲源提取，盲反卷积，盲均衡，盲辨识，而本专利技术中提到的盲源提取则是盲源处理中的一种。为了在源信号未知或混合方式未知的情况下有效地提取出源信号，提出了盲源提取的方法，早在上世纪九十年代这个方法就已经被提了出来，这种方法实现了信号源个数未知时源信号的提取，而随着这一方法的逐渐发展，在2002年的时候提出了基于四阶累积量的盲源提取方法。在本专利技术中是以盲源分离方法为基础，并在此基础上进行进一步的处理，获得盲源提取的方法。对于盲源分离的算法早在上个世纪中期就已经提出，不过长期没有受到关注，直到1991年才被再次提出，经过多年的发展，在2004年一种非独立分量分析的方法被提出，自此转换了盲源分离的研究思路。钢轨裂纹检测技术在中国美国印度俄罗斯等国家均有所发展，从2007年至今有多个学者在此领域进行研究，钢轨裂纹无损检测的方式主要有声发射检测法，脉冲涡流检测法，漏磁检测法和光学图像检测法等等，本专利技术中涉及到的检测方式主要是声发射检测方式。本专利技术以盲源分离算法为核心算法，基于多种特征量对算法过程进行约束，提出基于多种特征量约束的钢轨裂纹信号盲源提取方法，利用信号之间各种特征量的不同来完成对不同信号的自由提取，对现有盲源提取方法进行改进，让方法不局限于单一的一种特征量，而是多种特征量同时影响下对一种信号进行提取。
技术实现思路
本专利技术的目的在于提出一种基于多种特征量约束的钢轨裂纹信号盲源提取方法。突破了传统的盲源提取方法中利用单一特征量进行提取的限制。本专利技术的目的是通过以下技术方案实现的：首先对所有可能涉及的信号及其各类特征量及其对应的初始权值进行计算，得到一系列数据备用，再根据预先设定的所需特征量和阈值与所有信号的数据进行对比，并选择出合适的输出数据所对应的初始权值，再以此初始权值为方向进行迭代并分离出所需要的信号，达到盲源提取的目的。本专利技术的流程图如图1所示，共分为三个步骤，具体步骤如下：步骤一：利用可变或多种特征值添加约束对传统盲源提取算法进行改进。1)首先针对j组源信号，设定初始权向量为一组长度为j的列向量，原则上初始权向量的选取为随机选取，但是考虑到不同权值的效果不同，而且权值在计算过程中首先要经过归一化处理，因此在这里为了在归一化后突出不同的提取信号，在这里选用的一组向量为其中α＝sgn||sgn(n-k)|-1|，在这里k为向量序号，n为每个向量内元素序号，n,k＝1,2,3,…,j,这j个向量分别对应一组源信号，而后续的工作就是将这j组权值分别和每组信号一一对应。2)对可能分离出的信号进行计算，令混合后的信号为S，分别利用j种向量作为初始权向量进行迭代计算，当迭代h次后停止，分别计算其特征值。传统的盲源提取迭代过程利用的公式为其中W为前一次的权向量，为迭代后的权向量，β＝E{WTSg(WT)}，g为非线性函数，通常取g(y)＝y3,g(y)＝tanh(y)等。经过此公式迭代得到的结果具有很大的随机性，并不能满足盲源提取方法中定向地提取出需要的信号的要求，因此在此基础上应进行进一步的推导使其满足盲源提取的要求。在这里取g(y)＝tanh(y)，对于此迭代过程结果不确定性最大的原因就是初始权向量W的取值并不固定，而对于不同的情况W取值的不同得到的结果也并不相同，因此在迭代之前应对W进行处理，而在步骤一的1)中已经对此权向量进行处理，所以在这一步骤中主要是对W进行选择以及分类。因此先取第一个采样点的其中α＝sgn||sgn(n-k)|-1|，在计算h次后停止，此时将各个特征量存储备用。因此，在这里对特征量初步的计算公式如下：其中p为采样点序号，k为向量序号，n为每个向量内元素序号，n,k＝1,2,3,…,j，α＝sgn||sgn(n-k)|-1|，将得到的各个特征量tl，l＝1,2,3…存储备用。需要取出相关初始权向量时，以两个预定特征值为例进行说明，设有两个特征值范围分别为a1<T1<b1,a2<T2<b2，此时对于Wk的选取遵循规则a1<tk1<b1,a2<tk2<b2此时，迭代公式变为本专利技术中使用的特征值是振铃计数和峭度，振铃计数是设定一个固定的阈值，对于超过的阈值采样点进行计数，对于峭度则利用公式来计算，在这里y为任意目标信号。如果每一次迭代都重新计算整个信号显然浪费资源与运算时间，因此为了简化计算在这里引入常数f，f<1，令其中k为当前采样点数，m4(y(k+1))＝f×m4(y(k))+(1-f)×y(k)4m2(y(k+1))＝f×m2(y(k))+(1-f)×y(k)2最终对得到的数据与预期进行比较，得到结果。步骤二：利用预定的各个特征量对初始权向量进行选择。对于上一步中得到的各个向量以及其对应的初步分离的各个特征量进行存储，在涉及到预定特征量的时候取出这些存储好的特征量进行比较，找到符合条件的特征量就可以找到其对应的向量，并以此向量为初始权向量进行迭代计算。步骤三：利用初始权向量进行迭代计算得到提取结果。对于上一步中得到的初始权向量，进行迭代计算，计算的公式为公式与步骤一中所用相同，其中p为采样点序号，k为向量序号，n为每个向量内元素序号，n,k＝1,2,3,…,j,m为预先设定的判断点，其作用为当判断结果出现偏差时重置初始权向量，α＝sgn||sgn(n-k)|-1|，Wk为前一次的权向量，为迭代后的权向量。理论上来说，第一次选择得到的权向量进行迭代的结果就是最终结果，但是有些时候会有各个特征量完全重合的情况存在，因此为了避免得到的结果有误，在计算过程中到固定的节点时会进行判断，判断的方式是计算此时各个分离结果的特征量，如果特征量满足要求则继续进行迭代运算，如果特征量不满足预期要求则变换初始权向量重新进行迭代，这样的结果就保证避免了当特征量范围完全重合时会造成的提取结果有误的情况出现。本专利技术与现有技术相比具有如下优点：本专利技术采用多种特征量同时对一个信号进行约束提取，让盲源提取的过程不再局限于单一的一种特征量的判断，本专利技术针对传统的盲源提取方法，在盲源分离的基础上对判断和计算过程进行改进，提出了一种基于多特征量约束的盲源提取方法，针对不同的特征量无需在迭代过程中做改动，只需要添加判断条件即可，应用简单，常用的信号特征量均可以添加至约束条件中，泛用性较强，优化了盲源提取方法。附图说明图1为本专利技术的流程图图2为本专利技术的源信号图图3为本专利技术源信号局部放大图图4为本专利技术源信号经过随机混合后信号图图5为本专利技术混合信号局部放大图图6为本专利技术盲源提取结果图图7为本专利技术结果图局部放大图具体实施方式下面结合实施例和附图说明本专利技术的具体实施方式：验证本专利技术的数据来自matlab数据仿真以及实际实验中采集到的断裂信号。执行步骤一：为了证明本专利技术在任何情况下，或者大部分情况下均适用，在本专利技术中使用的信号为四组信号，分别为三个模拟信号和一组真实信号，使用模拟信号的目的是作为噪声添加到真实信号中，而最终的目的则是在一组混合信本文档来自技高网...

【技术保护点】
1.一种基于多种特征量约束的钢轨裂纹信号盲源提取方法，其特征在于它包括如下步骤：步骤一：利用可变或多种特征值添加约束对传统盲源提取算法进行改进；步骤二：利用预定的各个特征量对初始权向量进行选择；步骤三：利用初始权向量进行迭代计算得到提取结果。

【技术特征摘要】
1.一种基于多种特征量约束的钢轨裂纹信号盲源提取方法，其特征在于它包括如下步骤：步骤一：利用可变或多种特征值添加约束对传统盲源提取算法进行改进；步骤二：利用预定的各个特征量对初始权向量进行选择；步骤三：利用初始权向量进行迭代计算得到提取结果。2.根据权利要求1所述的一种基于多种特征量约束的钢轨裂纹检测盲源提取方法，其特征在于所述的步骤一为：1)首先针对j组源信号，设定初始权向量为一组长度为j的列向量，在这里选用的一组向量为其中α＝sgn||sgn(n-k)|-1|，在这里k为向量序号，n为每个向量内元素序号，n,k＝1,2,3,…,j,这j个向量分别对应一组源信号，而后续的工作就是将这j组权值分别和每组信号一一对应。2)对可能分离出的信号进行计算，令混合后的信号为S，分别利用j种向量作为初始权向量进行迭代计算，当迭代h次后停止，分别计算其特征值。传统的盲源提取迭代过程利用的公式为其中W为前一次的权向量，为迭代后的权向量，β＝E{WTSg(WT)}，g为非线性函数，通常取g(y)＝y3,g(y)＝tanh(y)等，此基础上应进行进一步的推导使其满足盲源提取的要求。在这里取g(y)＝tanh(y)，在迭代之前主要对W进行选择以及分类。因此先取第一个采样点的其中α＝sgn||sgn(n-k)|-1|，在计算h次后停止，此时将各个特征量存储备用。因此，在这里对特征量初步的计算公式如下：其中p为采样点序号，k为向量序号，n为每个向量内元素序号，n,k＝1,2,3,…,j，α＝sgn||sgn(n-k)|-1|，将得到的各个特征量tl，l＝1,2,3…存储备用。需要取出相关初始权向量时，以两个预定特征值为例进行说明，设有两个特征值范围分别为a1<T1<b1,a2&lt...

【专利技术属性】
技术研发人员：章欣，唐志一，王艳，沈毅，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23