| 摘 要： | 针对采集到的纱线张力信号精确度低、对张力的大小读取困难的问题,课题组提出一种经验模态分解(empirical modal decomposition,EMD)、[JP2]奇异值分解(singular value decomposition,SVD)、快速独立成分分析(fast independent component analysis,FastICA)相结合的纱线张力信号盲源分离方法。[JP]应用经验模态分解方法对张力信号进行自适应分解,得到多个平稳、有线性特点的本征模态函数（intrinsic mode function,IMF）分量;将本征模态函数与张力信号组成多维观测信号,对其协方差矩阵进行奇异值分解,计算邻近奇异值差值并确定源信号的数目;计算IMF分量与张力信号间的相关系数,选择IMF分量与张力信号重构,得到虚拟的多通道信号;对得到新的多通道观测信号进行快速独立成分分析运算,实现纱线张力信号的噪声分离;搭建实验平台去噪实验对该算法进行分析验证。结果表明：该方法实现了纱线张力信号的有效分离,信噪比得到了提高,与15层小波去噪相比,信噪比提高了2.678 1 dB,完成了纱线张力自由振动信号的噪声去除。
|
