本发明专利技术的一种基于积分改进广义互相关的传动装置信号分离方法是将广义互相关算法与非负矩阵分解算法相结合的一种新的盲源分离方法，进行分离不同传动装置的声音信号。将广义互相关算法结合非负矩阵分解算法，利用广义互相关算法获得到达时间差，判断源的数量；再结合非负矩阵分解，获得具体的字典原子是来自于哪个源这项信息，从而为生成不同源的掩码矩阵提供事实依据；使用积分法改进广义互相关，提高到达时间差估计的准确度；设计一种新的非负矩阵分解初始化方法，降低计算非负矩阵分解的时间。本发明专利技术方法解决了其他盲源分离方法依赖理想数学模型或者依赖训练神经网络的问题。赖理想数学模型或者依赖训练神经网络的问题。赖理想数学模型或者依赖训练神经网络的问题。
【技术实现步骤摘要】
一种基于积分改进广义互相关的传动装置信号分离方法
[0001]本专利技术属于传动装置信号分离方法
，涉及一种基于积分改进广义互相关的传动装置信号分离方法。
技术介绍
[0002]传动装置把动力装置的动力传递给工作机构等设备，在各种机械或车辆上都能看到传动装置的身影，其中主要以做圆周运动的轴承等机构居多。由于设备工作的环境可能非常苛刻，提高了设备的故障率，影响作业的正常进行，为了保证机械运作正常，需要对其进行性能监测，以便及时发现问题，及时维修以恢复工作。通常可以使用特定的传感器来获取传动装置的声音信号或者振动曲线，但在一些特殊场景里，无法加装传感器，需要使用无接触的方式来进行监测。对于有多个传动装置的场景里，可以使用盲源分离技术来进行声音信号的分离，将多个传动装置的声音信号分离出来，用来进行状态监测。盲源分离能够在不确定混合信号混合过程及源信号的条件下，从观测到的混合信号中恢复出源信号的波形。盲源分离的“盲”主要有两点：源信号是未知的、并且信号的传输通道参数也是未知的。
[0003]盲源分离技术的起源可以追溯到20世纪80年代，先驱性的工作主要由Jutten和Herault完成，他们在美国举行的有关神经网络的会议中，基于反馈神经网络模型提出了盲源分离中的H
‑
J学习算法，完成两个混叠源信号的分离，并且可以解决源信号数量及信道的不确定性，后来还有人设计出专用的CMOS芯片来实现其算法。截止目前，国内外众多学者都对盲源分离这一技术有很深入的研究。如独立成分分析(Independent Component Analysis,ICA)法，只要恢复出混合信号各个信号之间的相互独立性就可以完成对源信号的分离。在ICA理论的基础上，涌现了一大批优秀的盲源分离算法：可利用过采样将去卷积问题转换成瞬时问题，再利用传统ICA方法进行分离；可采用ICA对信号的小波分解进行正则化，用来寻找独立特征，进行小波ICA；可使用约束ICA算法，利用类牛顿学习的自适应解决方案来解决约束优化问题。此外，基于ICA原理及非高斯性最大定点算法，FastICA被提了出来，还可将盲源分离问题转化为对密度函数的估计，再进行研究。但上述算法都假设声音服从一定的分布，符合理想情况下的数学模型，但实际场景中难以满足这种假设，因此上述方法展现出的鲁棒性不够强。此外基于深度学习的盲源分离方法依赖于预先训练，无法即时应用，且分离效果十分考验网络的泛化性能，稳定性不是很好。
技术实现思路
[0004]为解决上述技术问题，本专利技术的目的是提供一种基于积分改进广义互相关的传动装置信号分离方法。
[0005]本专利技术提供一种基于积分改进广义互相关的传动装置信号分离方法，包括：
[0006]步骤1：进行原始双通道音频混合信号的采集并对混合信号进行预处理；
[0007]步骤2：进行双通道音频混合信号的时频分析，得到混合信号的时频信息，其中包括幅度谱和角度谱；
[0008]步骤3：使用积分改进广义互相关算法进行时延的估计，得到不同声源的时延；
[0009]步骤4：对幅度谱进行非负矩阵分解，得到字典矩阵和系数矩阵；
[0010]步骤5：将积分改进广义互相关算法与非负矩阵分解算法联合起来，生成掩码矩阵；
[0011]步骤6：将掩码矩阵与系数矩阵逐元素相乘，得到分离后的系数矩阵；
[0012]步骤7：进行逆非负矩阵分解，将字典矩阵和分离后的系数矩阵相乘，得到分离后的不同声源的幅度谱；
[0013]步骤8：将分离后的不同声源的幅度谱和角度谱相结合并进行逆短时傅里叶变换，得到分离后的不同声源的时域信息，完成分离。
[0014]在本专利技术的基于积分改进广义互相关的传动装置信号分离方法中，所述步骤1具体为：
[0015]步骤1.1：使用双通道的麦克风阵列进行原始音频混合信号的采集，采集时不同声源放在不同的方向，不同声源同时发出声音，模拟不同传动装置发出的声音；
[0016]步骤1.2：为了提高混合信号的信噪比，进而提升分离的质量，对原始音频混合信号进行预处理，采用多项式最小二乘法消除趋势项误差。
[0017]在本专利技术的基于积分改进广义互相关的传动装置信号分离方法中，所述步骤2具体为：
[0018]步骤2.1：对音频混合信号进行离散短时傅里叶变换：
[0019][0020]其中，f为频率、t为时间、STFT(f,t)为时频信息、k为积分操作所需的临时变量、x()为输入信号，g()为窗函数，具体采用Hamming窗；
[0021]步骤2.2：利用如下公式对时频信息进行分解：
[0022][0023]其中，V
ft
为幅度谱，分为左通道的幅度谱V
lft
，右通道的幅度谱V
rft
；φ
ft
为角度谱。
[0024]在本专利技术的基于积分改进广义互相关的传动装置信号分离方法中，所述步骤3具体为：
[0025]步骤3.1：基本广义互相关算法定义为如下式：
[0026][0027]其中，τ为时延、为互功率谱、ψ
ft
为频率加权函数、G
τt
为互相关函数；
[0028]步骤3.2：使用积分法改进基本广义互相关算法，在通过公式(3)求得互相关函数G
τt
前，将互功率谱沿时间t一轴进行积分：具体为选择指定的窗口长度，在互功率谱的每一行上进行滑动窗口算法，计算窗口内的均值，并将这个值赋到窗口中心的元素上，再进行互相关函数G
τt
的计算；
[0029]步骤3.3：将得到的互相关函数G
τt
沿时间t一轴求和，互相关函数便变为一维的时
延曲线使用峰值检测算法找出中的峰值，峰值的横坐标对应的时延即为求得的时延τ
S
(s＝1,2...n)，s表示不同的声源，n为声源的个数。
[0030]在本专利技术的基于积分改进广义互相关的传动装置信号分离方法中，所述步骤4具体为：
[0031]步骤4.1：字典矩阵的初始化：从幅度谱V
ft
中选择若干个无穷范数最大的列向量，进行平均之后作为字典矩阵的列，列的无穷范数定义如下：
[0032][0033]其中，||vec||
∞
即为向量vec的无穷范数，v
i
为向量的元素，len为向量的长度；
[0034]步骤4.2：系数矩阵由随机初始化方式进行初始化；
[0035]步骤4.3：字典矩阵W
fd
和系数矩阵H
dt
初始化后采用下列迭代公式进行迭代若干次，求出分解后的字典矩阵和系数矩阵：
[0036][0037][0038]其中，为第m次迭代计算获得的字典矩阵，为第m次迭代计算获得的系数矩阵。
[0039]在本专利技术的基于积分改进广义互相关的传动装置信号分离方法中，所述步骤5具体为：
[0040]步骤5.本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于积分改进广义互相关的传动装置信号分离方法，其特征在于，包括：步骤1：进行原始双通道音频混合信号的采集并对混合信号进行预处理；步骤2：进行双通道音频混合信号的时频分析，得到混合信号的时频信息，其中包括幅度谱和角度谱；步骤3：使用积分改进广义互相关算法进行时延的估计，得到不同声源的时延；步骤4：对幅度谱进行非负矩阵分解，得到字典矩阵和系数矩阵；步骤5：将积分改进广义互相关算法与非负矩阵分解算法联合起来，生成掩码矩阵；步骤6：将掩码矩阵与系数矩阵逐元素相乘，得到分离后的系数矩阵；步骤7：进行逆非负矩阵分解，将字典矩阵和分离后的系数矩阵相乘，得到分离后的不同声源的幅度谱；步骤8：将分离后的不同声源的幅度谱和角度谱相结合并进行逆短时傅里叶变换，得到分离后的不同声源的时域信息，完成分离。2.如权利要求1所述的基于积分改进广义互相关的传动装置信号分离方法，其特征在于，所述步骤1具体为：步骤1.1：使用双通道的麦克风阵列进行原始音频混合信号的采集，采集时不同声源放在不同的方向，不同声源同时发出声音，模拟不同传动装置发出的声音；步骤1.2：为了提高混合信号的信噪比，进而提升分离的质量，对原始音频混合信号进行预处理，采用多项式最小二乘法消除趋势项误差。3.如权利要求1所述的基于积分改进广义互相关的传动装置信号分离方法，其特征在于，所述步骤2具体为：步骤2.1：对音频混合信号进行离散短时傅里叶变换：其中，f为频率、t为时间、STFT(f,t)为时频信息、k为积分操作所需的临时变量、x()为输入信号，g()为窗函数，具体采用Hamming窗；步骤2.2：利用如下公式对时频信息进行分解：其中，V
ft
为幅度谱，分为左通道的幅度谱V
lft
，右通道的幅度谱V
rft
；φ
ft
为角度谱。4.如权利要求3所述的基于积分改进广义互相关的传动装置信号分离方法，其特征在于，所述步骤3具体为：步骤3.1：基本广义互相关算法定义为如下式：其中，τ为时延、为互功率谱、ψ
ft
为频率加权函数、G
τt
为互相关函数；步骤3.2：使用积分法改进基本广义互相关算法，在通过公式(3)求得互相关函数G
τt
前，将互功率谱沿时间t一轴进行积分：具体为选择指定的窗口长度，在互功率谱的每一行上进行滑动窗口算法，计算窗口内的均值，并将这个值赋到窗口中心的元素上，再
进行...
【专利技术属性】
技术研发人员：李旭，栾峰，王涛，吴艳，韩月娇，
申请(专利权)人：东北大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。