关于模态参数识别与盲源分离方法的一点问题
关于振动信号的盲源分离技术是从语音信号处理中移植过来的，很多都是直接应用，并未有太多改进，如sobi，ICA，jade等等。南航李舜酩教授的《振动信号的盲源分离技术及应用》做了比较详细的讲解。受限于背景噪声，及算法本身的各种不确定等问题，在实际应用中的局限性比较多。有关盲分离方法有个应用还是比较有吸引力的，就是模态参数识别。模态参数一般有，频率，阻尼和振型。当不同的单模态信号被分离出来的时候，前两个参数还是比较容易求解的。但是，关于振型的求解我有些疑问。很多论文中，是利用的（X=A*S，X测量信号，A混合矩阵，S多个源信号）中的矩阵A得到各单模态信号在不同测点处的振型。由于盲源分离方法恢复信号时存在着恢复源幅值不确定的问题，此时得到的A也不应该是原始的混合矩阵，为什么直接利用A就可以得到各测点振型？有没有这方面的专家给一些指导给学生。
论文：
基于盲源分离的结构模态参数识别。
基于SONS的结构模态参数识别研究。
基于盲源分离技术的工程结构模态参数识别方法研究
好多这方面的论文基本都是按照这个思路来的。这只是其中的三篇。
振型矩阵本就是归一化的，所以盲源分离分离得到的幅值不确定没有关系(对于同一个源信号，在各个通道的放大倍数是一样的)。对于实模态分析来说，各个模态间相互正交，这个条件要强于相互独立。所以，实模态分析与盲源分离瞬时混合模型能够对应上。 盲源分离在模态分析上的应用的文章还是有不少，据我所知国外多伦多大学有一个研究小组在这方面做了挺多的工作。杂志mechanical systems and signal processing上有一些文章。 {:{39}:}建议看看交大史习智教授的书及论文。 本帖最后由 yugang2010 于 2014-5-7 00:29 编辑
yghit08 发表于 2014-5-6 19:33
盲源分离在模态分析上的应用的文章还是有不少，据我所知国外多伦多大学有一个研究小组在这方面做了挺多的工 ...
版主。恩 好的的的 A就是传递函数矩阵吧 米斯兰达 发表于 2014-5-7 07:04
A就是传递函数矩阵吧
似得，小米 参考这篇文章看看
Estimation of modal parameters using the sparse component analysis based underdetermined blind source separation.
Mechanical Systems and Signal Processing. 2014, 45: 302-316
http://dx.doi.org/10.1016/j.ymssp.2013.11.018
yghit08 发表于 2014-5-7 11:08
参考这篇文章看看
Estimation of modal parameters using the sparse component analysis based underdete ...
这篇文章是你写的么？我怎么看着里面的实验数据和设备跟你发的一个帖子里的照片那么像呢？TFRIOM方法他们公布了源代码，不过只有线性的。曾经MSSP在2005年有个special issue，里面有14篇论文。TFRIOM比较详细的思路发表在了里面的一篇。
yugang2010 发表于 2014-5-7 11:49
这篇文章是你写的么？我怎么看着里面的实验数据和设备跟你发的一个帖子里的照片那么像呢？TFRIOM方法他们 ...
不是我写的。
不清楚你回复里说的线性的是什么意思。 yghit08 发表于 2014-5-7 12:15
不是我写的。
不清楚你回复里说的线性的是什么意思。
http://www.ast.obs-mip.fr/article715.html
这是上面那篇文章里的算法源代码的网址。
线性指的是里面的信号混合方式。
他们给的名字是“ LI-TIFROM ”software
yugang2010 发表于 2014-5-7 15:11
http://www.ast.obs-mip.fr/article715.html
这是上面那篇文章里的算法源代码的网址。
线性指的是里面 ...
除了线性混合还有做非线性混合的么？一直看的是线性混合的盲源分离算法。 yghit08 发表于 2014-5-7 15:45
除了线性混合还有做非线性混合的么？一直看的是线性混合的盲源分离算法。
还有卷积混合和回响混合。对语音信号来说，卷积和回响更符合实际一些。
个人感觉，线性混合还是能代表很大一部分的振源混合模式的。
但是，那些做噪声信号处理的，个人认为卷积和回响更好一些。 应该是“线性瞬时（立即）混合模式”。 没听过回响混合，卷积混合在频域下是不是可以看成是瞬时线性混合?
页:
[1]
2