基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
机械噪声的测试分析是实时故障检测诊断的重要手段,通常情况下,传感器检测得到的信号是多个噪声源叠加的结果,可采用盲源分离分析方法分离出待检测对象信号.提出先对混合信号小波系数序列进行盲源分离分析,再做小波逆变换得到分离信号.与直接的盲分离比较,小波系数比原始信号的超高斯性更强,因此分离处理的收敛速度更快,分离效果更好.由于在小波变换的过程中可以引入阈值去噪,因此基于小波变换得到的分离结果较之常规方法有更强的抗噪能力.
推荐文章
基于小波变换消噪和盲源信号分离的过程监控方法
小波变换
盲源信号分离
过程监控
基于小波变换和神经网络的车内噪声信号重构
车内噪声
小波变换
BP神经网络
重构
基于新阈值函数小波变换的噪声盲分离算法
盲源分离
自然梯度算法
偏差去除技术
小波阈值去噪
应用盲源分离法消除旋转机械振动信号噪音与干扰
盲源分离
噪音消除
机械振动
源扩展
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 机械噪声信号的基于小波变换的快速盲源分离法
来源期刊 工具技术 学科 工学
关键词 盲分离 超高斯信号 小波 机械噪声
年,卷(期) 2008,(3) 所属期刊栏目 试验与研究
研究方向 页码范围 41-45
页数 5页 分类号 TG7
字数 3325字 语种 中文
DOI 10.3969/j.issn.1000-7008.2008.03.010
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 彭东林 73 944 16.0 28.0
2 王春 4 13 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
盲分离
超高斯信号
小波
机械噪声
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
工具技术
月刊
1000-7008
51-1271/TH
大16开
成都市府青路二段24号
62-32
1964
chi
出版文献量(篇)
9497
总下载数(次)
13
总被引数(次)
34788
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导