导读:本文包含了独立分量分解论文开题报告文献综述及选题提纲参考文献，主要关键词:局部放电,变分模态分解,独立分量分析,去噪
独立分量分解论文文献综述
靳海岗[1]（2019）在《应用变分模态分解和独立分量分析的变压器局部放电信号特征提取研究》一文中研究指出针对现有局部放电信号特征提取方法存在的不足以及变压器局部放电信号中存在大量的电磁干扰,提出了一种利用变分模态分解法将被测信号分解成围绕若干中心频率波动的模态,同时去除白噪声。再进行含变压器局部放电信息的模态重构,用独立分量分析法滤除周期干扰噪声,实现了信号的特征提取。仿真结果验证了该方法的有效性,保证原始信号能量损失较小,局部放电特征保留较好,是局部放电信号去噪的一种新方法。(本文来源于《电测与仪表》期刊2019年21期）
刘真海,王冬青,朱恒军[2]（2019）在《经验模态分解与独立分量分析融合的谐波信号的提取》一文中研究指出检验系统保密性能重要的手段之一是混沌信号分离。近年来,很多学者利用盲源分离技术来提取混沌背景下的谐波信号。结合经验模态分解和独立分量分析各自的优点,本文对谐波信号使用经验模态分解与独立分量分析相结合的算法对混沌信号进行分离,验证算法的可行性,解决了独立分量分析对单一信号分析的弊端。(本文来源于《信息通信》期刊2019年01期）
刘嘉辉,董辛旻,李剑飞[3]（2018）在《基于全矢谱时间固有尺度分解和独立分量分析盲源分离降噪的滚动轴承故障特征提取》一文中研究指出结合盲源分离技术和全矢谱技术的各自优势,提出一种同源双通道信噪盲源分离法。首先采用时间固有尺度分解(ITD)和独立分量分析(ICA)相结合的分析法降噪,对同源双通道的轴承信号进行ITD分解,根据相关系数准则将分解得到的PRC分量进行重组作为ICA输入矩阵,再采用FastICA解混,实现故障信号与噪声信号的分离;其次采用全矢谱技术对信噪分离降噪后的双通道有效分量信号进行全矢信息融合,做全矢谱分析。滚动轴承故障实验对比分析表明了该方法的有效性。(本文来源于《中国机械工程》期刊2018年08期）
柳晓云,马增强,张俊甲,王梦奇[4]（2017）在《基于变分模态分解与独立分量分析的轴承故障特征提取方法》一文中研究指出针对滚动轴承早期故障振动信号能量小且易受背景噪声干扰,从而导致故障特征提取困难等问题,提出基于变分模态分解(VMD)与独立分量分析(ICA)相结合的故障特征提取方法;该方法首先将原始故障信号进行VMD,得到若干正交的本征模态分量(IMF),然后依据峭度准则对分解后的信号进行分组重构,作为ICA的输入矩阵,最后采用Fast ICA算法实现故障信号与噪声信号的分离,从而提取机械故障特征信息;将轴承故障数据作为研究对象进行故障特征提取,并与集成经验模态分解-独立分量分析(EEMD-ICA)方法对特征信号的提取效果进行对比。结果表明,基于VMD与ICA的轴承故障特征提取方法提高了分解效率,解决了信号易受噪声干扰的问题,实现了轴承故障的精确诊断。(本文来源于《济南大学学报(自然科学版)》期刊2017年03期）
吴金斌,周世健[5]（2016）在《经验模式分解联合独立分量分析降噪研究》一文中研究指出针对高精度GPS变形监测的噪音成分以及多路径效应的剔除,提出了一种新的经验模式分解联合独立分量分析的滤波降噪法。采用模态相关准则进行信号层与噪音层的判定,有效地解决了低信噪比情况下信号层与噪音层分界点的判定,实现了噪音最大化的去除以及有用信息的最大化保留;基于经验模式分解的独立分量分析滤波降噪法,采用更为简单科学的数学判定方法,避免了人为的经验判定方法,实现了信号层与噪音层的自适应判定以及降噪效果更佳。实验结果表明:所用算法不仅能够有效地去除噪音成分,而且能够很好地保留大部分有用信息,研究结果对高精度GPS变形监测的去噪以及多路径效应的剔除研究具有一定意义。(本文来源于《测绘科学》期刊2016年07期）
王成彬,陈建国,肖凡,梁良[6]（2014）在《经验模态分解和独立分量分解在航磁数据处理中的应用》一文中研究指出以东天山1∶20万航磁数据为例,利用经验模态分解(EMD)方法对航磁数据进行分解,然后利用独立分量分析(ICA)方法对分解出的固有模态函数(IMF)数据进行重构。分解出来的从高频到低频IMF与地质体的分布具有一定的相关性,不同频率的IMF代表了一定的地质意义。经过ICA重构后的独立分量(IC)能够对异常IMF函数从盲源分离的角度进行有效的重构,其结果可以在一定程度上解释不同的地质事件对磁异常的贡献,并对构造识别和构造区域划分具有一定的指示意义。(本文来源于《地质学刊》期刊2014年04期）
王成彬,陈建国,肖凡,梁良[7]（2014）在《经验模态分解(EMD)和独立分量分解(ICA)在航磁数据处理中的应用》一文中研究指出目前获取的物化探信息往往是多期次、多源地质信息的综合。本文以东天山20万航磁数据为例,利用经验模态分解(EMD)方法对航磁数据进行分解,然后利用独立分量分析(ICA)方法对分解出的固有模态函数(IMF)数据进行重构。分解出来的从高频到低频IMF数据与地质体的分布具有一定的相关性,不同频率的IMF代表了一定的地质意义。经过重构的独立分量(IC)能够对异常IMF函数从盲源分离的角度进行有效的重构,其结果可以在一定程度上解释不同的地质事件对磁异常的贡献,并对构造识别和构造区域划分具有一定的指示意义。(本文来源于《第十叁届全国数学地质与地学信息学术研讨会论文集》期刊2014-10-10）
朱文龙,周建中,肖剑,肖汉,李超顺[8]（2013）在《独立分量分析–经验模态分解特征提取在水电机组振动信号中的应用》一文中研究指出提取出水电机组振动信号中故障特征和微弱征兆信号,可以更好地了解机组的运行状态和故障发展趋势,但由于水电机组多源振动信号的相互混迭,信号呈现出非线性、非平稳性,故障特征信号提取是该领域的一个难题。为此该文提出了一种基于独立分量分析(independent component analysis,ICA)和经验模态分解(empirical mode decomposition,EMD)的特征提取新方法(ICA-EMD)。首先,用ICA将多通道振动信号分离成为统计独立分量;然后,对这些统计独立分量做自相关分析,消除环境噪声的影响;最后,对消噪后的所有统计独立分量统计逐一进行EMD分解,并将各个统计独立分量内蕴的同频本征模态函数进行累加重构,最终提取出能表征机组故障的本征模态函数。仿真信号和实测信号的试验验证表明,与其他方法相比,该方法在提取故障早期信号、微弱信号和突变信号方面更具优越性和有效性,提取结果更能满足实际工程应用需求。(本文来源于《中国电机工程学报》期刊2013年29期）
张纯,杨俊安,叶丰[9]（2013）在《极值斜率经验模式分解结合独立分量分析的单通道盲分离》一文中研究指出针对单通道盲分离领域先验信息不足的问题,提出了一种基于极值斜率经验模式分解和独立分量分析的单通道盲分离算法。首先通过极值斜率经验模式分解算法以不同尺度逐次分解混合信号的波动和趋势,得到一组固有模态函数。然后将其作为独立分量分析算法的输入信号,从得到的独立分量中萃取出与源信号相似的独立分量,通过重构算法恢复源信号,达到分离目的。实验信号采取仿真信号和实际信号,实验结果表明,该算法不需任何先验信息,鲁棒性强,能较快地得到良好的分离效果。(本文来源于《电路与系统学报》期刊2013年02期）
刘柏森,苏凌峰,叶树江[10]（2013）在《基于极值域均值模式分解和独立分量分析的语音增强方法》一文中研究指出提出一种基于极值域均值模式分解与独立分量分析相结合的低信噪比语音增强算法,解决更多噪声环境下低信噪比语音信号增强问题。该算法的核心思想是:利用独立分量分析的特点,分离出选取的固有模态分量的固有特性,消除信息混淆。通过最大相似度,筛选出需要处理的固有模态分量,对其进行独立分量分析,使噪声特性能够进一步集中,提高最大相似度,这样更有利于噪声的滤除。由于独立分量分析存在幅值、位置的不确定性,所以对滤波后的独立分量要进行二度重构,即独立分量分析重构和极值域均值模式分解重构,得到增强后结果。(本文来源于《黑龙江工程学院学报(自然科学版)》期刊2013年01期）
独立分量分解论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
检验系统保密性能重要的手段之一是混沌信号分离。近年来,很多学者利用盲源分离技术来提取混沌背景下的谐波信号。结合经验模态分解和独立分量分析各自的优点,本文对谐波信号使用经验模态分解与独立分量分析相结合的算法对混沌信号进行分离,验证算法的可行性,解决了独立分量分析对单一信号分析的弊端。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
独立分量分解论文参考文献
[1].靳海岗.应用变分模态分解和独立分量分析的变压器局部放电信号特征提取研究[J].电测与仪表.2019
[2].刘真海,王冬青,朱恒军.经验模态分解与独立分量分析融合的谐波信号的提取[J].信息通信.2019
[3].刘嘉辉,董辛旻,李剑飞.基于全矢谱时间固有尺度分解和独立分量分析盲源分离降噪的滚动轴承故障特征提取[J].中国机械工程.2018
[4].柳晓云,马增强,张俊甲,王梦奇.基于变分模态分解与独立分量分析的轴承故障特征提取方法[J].济南大学学报(自然科学版).2017
[5].吴金斌,周世健.经验模式分解联合独立分量分析降噪研究[J].测绘科学.2016
[6].王成彬,陈建国,肖凡,梁良.经验模态分解和独立分量分解在航磁数据处理中的应用[J].地质学刊.2014
[7].王成彬,陈建国,肖凡,梁良.经验模态分解(EMD)和独立分量分解(ICA)在航磁数据处理中的应用[C].第十叁届全国数学地质与地学信息学术研讨会论文集.2014
[8].朱文龙,周建中,肖剑,肖汉,李超顺.独立分量分析–经验模态分解特征提取在水电机组振动信号中的应用[J].中国电机工程学报.2013
[9].张纯,杨俊安,叶丰.极值斜率经验模式分解结合独立分量分析的单通道盲分离[J].电路与系统学报.2013
[10].刘柏森,苏凌峰,叶树江.基于极值域均值模式分解和独立分量分析的语音增强方法[J].黑龙江工程学院学报(自然科学版).2013