基于VMD的噪声信号去噪源分离

• 作者: 林建辉 靳行
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 声学 变分模态分解 主成分分析 去噪盲源分离 噪声测试
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 运载工具振动与噪声
• 页码范围: 167-173
• 页数: 7页
• 分类号: TN911
• 字数: 3048字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2020.02.030

摘要

针对噪声信号分析中的欠定盲源去噪问题,基于变分模态分解(Variational Mode Decomposition,VMD)、主成分分析(Principal Component Analysis,PCA)和去噪盲源分离(Denoising Source Separation,DSS)各自的优点,提出一种基于VMD和PCA的欠定去噪源分离方法(QVMD-PCA-DSS).所提方法首先通过第一次VMD分解得到窄带本征模态分量(Band-Limited Intrinsic Mode Function,BIMF),根据BIMF分量的PCA特征值梯度获得最优VMD分解参数,解决VMD参数选择问题,故称作二次估计型可变微分模态(Quadratic-estimates Variational Mode Decomposition,QVMD),然后使用基于QVMD分解得到的BIMF分量来解决盲源分离中源信号数据不足的问题,再根据PCA特征值选择模型估计源信号数量,最后应用DSS进行源信号估计.数据仿真证明,所提QVMD-PCA-DSS方法可以准确估计源信号,与传统方法相比,基于新方法所得估计源信号与源信号更为接近.将该方法应用于内燃机车司机室噪声测试分析中.结果表明,该方法可以自适应解决欠定盲源去噪问题,对降噪分析与噪声分析具有重要的工程意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林建辉	西南交通大学牵引动力国家重点实验室	200	1374	17.0	29.0
2	靳行	西南交通大学牵引动力国家重点实验室	17	39	3.0	5.0