自适应最优保存遗传算法在盲信号分离中的应用

独立分量分析方法(ICA)是信号处理的一种新技术。其基本目标是寻找线性变换矩阵，将观测的多维混合信号进行变换，变换后的输出信号各分量之间尽可能统计独立。将遗传算法与ICA相结合，提出基于GA的盲分离算法，并分析了它们的收敛性和稳态性能。其有效性为仿真结果所证实。     

基于CZT变换分段频谱细化的鼠笼式异步电动机转子故障诊断

提出一种基于CZT变换分段频谱细化的鼠笼式异步电动机转子故障监测和诊断方法.从理论上推导鼠笼式异步电动机转子故障时的电流信号模型,利用CZT变换的分段频谱细化性质,将故障电流信号进行分段频谱细化分析,达到消除电源基波和噪声影响、突出故障特征的目的.同时采用CZT快速精确估计方法估计出故障特征频率成分.通过对样机实测信号进行分析处理,验证了CZT变换的分段频谱细化算法的有效性和优越性.     

基于WHT的多分量LFM参数估计与分离

强度相当的多分量LFM信号在Wigner-hough(WHT)平面上呈现出多个尖峰值,各尖峰值对应各分量在时频平面上频率轴上的初始频率和调频斜率。提出了一种基于WHT的多分量LFM信号的参数估计与信号分离算法。该算法结合解线调和窄带滤波器分离和估计各分量的参数的算法,可以一次提取多个尖峰值。仿真结果证明,此方法可有效地对多分量IJM信号进行精确的参数估计与分离且不出现虚假信息。     

自适应最优保存的模拟退火遗传算法及应用

在分析遗传进化的基础上，提出了一种自适应最优保存的模拟退火遗传算法，自适应地保存最优个体，并对其进行模拟退火，与简单最优保存遗传算法（MOSGA）进行了性能比较，结果表明本算法明显比MOSGA搜索能力更强，有极强的跳出局部成的能力，有效地解决了MOSGA的早熟现象。     

基于局部分割的快速人脸识别

针对人脸识别系统易受光照,表情与遮挡等因素的影响,提出一种基于局部分割的快速人脸识别算法。首先,建立高斯肤色模型,并融合几何特征快速实现人脸粗定位;然后,利用局部初次匹配与全局特征的方法排除背景环境对人脸检测的干扰以及减少匹配过程中的计算量,同时运用LBP算子对2D-Fr FT的幅度与相位特征的互补信息进行编码;最后,采用最近邻分类器进行分类识别。本文的方法在公共人脸图像数据库上进行仿真实验。结果表明,该算法简单、鲁棒性高、在速度与准确性方面具有良好的性能。     

改进的粒子群算法及其非线性盲源分离

采用粒子群算法与自然梯度法相结合进行非线性混叠信号盲分离。用高阶奇数多项式拟合非线性混合函数,建立非线性信号盲分离模型。同时根据粒子群算法的特点,作了改进,引入了“迁徙操作”和局部深度搜索方法。对多项式的参数用粒子群算法来求估计,然后用自然梯度法对线性去混合矩阵进行迭代。仿真结果表明,粒子群算法可以快速、有效地求得非线性混叠信号盲分离的优化解。     

基于短时分数阶傅里叶变换的异步电机转子断条故障诊断

分析了异步电机在启动、稳态、失电三种运行状态下的转子断条故障情况,根据电机启动过程中故障特征频率的特点,提出一种基于短时分数阶傅里叶变换(STFrFT)的转子故障诊断方法。采用STFrFT对定子启动电流信号进行时频分析,解决了故障信号和工频信号难以分离、不易提取的问题。实验结果表明,该方法不仅能有效检测出故障信号,而且能反映出故障特征频率的变化趋势。