点击次数：

论文类型：期刊论文

发表时间：2010-02-25

发表刊物：振动与冲击

收录刊物：EI、PKU、ISTIC、CSCD、Scopus

卷号：29

期号：2

页面范围：189-192

ISSN号：1000-3835

关键字：独立成分分析 子带分解 互信息 峭度 independent component analysis (ICA) sub-band decomposition mutual information kurtosis

摘要：提出了一种改进独立分量分析(ICA)应用于时频图像的盲源分离问题.由于相似时频图像之间存在潜在的相关性,传统的ICA对于具有相关成分的时频图像盲源分离中效果比较差,利用互信息和峭度研究了图像子带之间的相关性和本身的非高斯性,选定特定的子带进行IcA分析.通过仿真时频图像的分离试验,说明此方法分离效果明显优于ICA分离效果,并将该方法应用于转子试验台的基座松动,不对中故障信号复合故障的时频图像中,成功获取了各自故障的时频图像,从而可以获得各自的故障特征信息.