基于EEMD和ICA的单通道列车信号盲分离

• 来源期刊: 计算机应用研究
• 关键词: 盲源分离 单通道 列车故障 经验模态分解 独立分量分析
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 1551-1553
• 页数: 3页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.05.065

摘要

针对列车混合故障的诊断，提出了一种基于集合平均经验分解（EEMD）和独立分量分析（ICA）的盲分离诊断方法。通过EEMD算法将混合信号分解为包含不同源信号特征的本征模态函数（IMF），组成新的多维信号；用主成分分析准确估计源信号个数，解决了单通道信号盲分离的欠定问题；利用快速独立分量分析（Fast-ICA）算法实现了信号的盲分离。实验信号分别采用仿真信号和列车实验信号进行实验，实验结果表明，该算法可以有效地分离出列车的单故障信号。