基于极点对称模态分解和时频分析的盲分离算法

　　针对单通道振动信号盲源分离的观察信号少于源信号，且传统的盲源分离方法往往忽视信号非平稳性的问题，提出一种基于极点对称模态分解和时频分析的盲分离算法（ ESMD-TFA-BSS）。首先，采用极点对称模态分解方法将观察信号分解成不同的模态，采用贝叶斯信息准则（ BIC）估计源信号个数并利用相关系数法选取最优观察信号，由原观察信号与最优观察信号组成新的观察信号；其次，根据新的观察信号计算白化矩阵并将其白化，利用平滑伪Wigner-Ville分布将白化后的信号拓展到时频域，采用矩阵联合对角化方法计算酉矩阵；最后，根据白化矩阵和酉矩阵估计源信号。在盲源分离仿真实验中，ESMD-TFA-BSS的估计源信号与仿真信号的相关系数分别为0.977 1、0.9784、0.9660，基于经验模态分解和时频分析的盲分离算法（EMD-TFA-BSS）的相关系数分别为0.869 7、0.9706、0. 8548，ESMD-TFA-BSS比EMD-TFA-BSS的相关系数分别提高了12. 35%、0.80%、13. 00%。实验结果表明，ESMD-TFA-BSS在实际工程中能够有效地提高源信号分离精度。