單通道ICA及其在變形分析中的應(yīng)用.pdf

1、從變形監(jiān)測數(shù)據(jù)中分離出噪聲、系統(tǒng)誤差、不同影響因素引起的變形或不同特征的變形信息是變形分析的一項主要工作，可為變形預(yù)報或工程結(jié)構(gòu)損傷狀態(tài)識別提供必要的信息。獨立分量分析(IndependentComponent Analysis，簡稱ICA)是一種盲信號分離方法，在信號分離方面具有獨特的優(yōu)勢，可利用原信號的相互獨立特性從混合觀測信號中分離出原信號，該特性使得ICA可作為變形分析的有力工具。然而獨立分量分析要求輸入信號不小于輸出信號，而在

2、單測點變形分析中通常只有一個通道的觀測數(shù)據(jù)。為此，本文將單通道ICA方法引入變形分析中，在對已有的單通道ICA算法進(jìn)行比較分析的基礎(chǔ)上，深入研究了基于相空間重構(gòu)的單通道ICA算法，提出了基于增強(qiáng)經(jīng)驗?zāi)Ｊ椒纸獾膯瓮ǖ罆r變ICA算法，并利用這些算法進(jìn)行變形監(jiān)測數(shù)據(jù)去噪、變形效應(yīng)分量的分解及變形建模。主要研究工作與成果如下:
　　1.研究了獨立分量分析的基本理論研究，總結(jié)分析了FastICA算法、多維獨立分量分析等幾種常用的獨立分量分析

3、算法。
　　2.通過無噪和有噪模擬信號實驗比較分析了動態(tài)嵌入ICA(DE-ICA)、小波ICA(WT-ICA)算法、經(jīng)驗?zāi)Ｊ椒纸釯CA(EMD-ICA)和增強(qiáng)經(jīng)驗?zāi)Ｊ椒纸釯CA(EEMD-ICA)四種單通道ICA算法，結(jié)果表明:DE-ICA算法的信號分離效果最優(yōu);EMD-ICA算法最為簡單，無需任何參數(shù)設(shè)置;WT-ICA算法和DE-ICA算法速度較快，EMD-ICA算法其次，而EEMD-ICA算法由于多次迭代運(yùn)行效率最低。

4、　　3.利用相空間重構(gòu)方法選取合適的嵌入維數(shù)和時間延遲，解決DE-ICA中嵌入維數(shù)過多會導(dǎo)致信號冗余和難以選取的問題，形成了基于相空間重構(gòu)的單通道ICA算法(PSR-ICA)。模擬實驗驗證了相空間重構(gòu)的單通道ICA算法不僅可以數(shù)據(jù)去噪，而且可以有效地分離觀測信號中的獨立信號。
　　4.利用PSR-ICA對五強(qiáng)溪大壩位移監(jiān)測數(shù)據(jù)進(jìn)行了分析，首先利用PSR-ICA對位移監(jiān)測數(shù)據(jù)去噪，然后對利用該方法分離的位移分量與溫度、水位等影響因素

5、進(jìn)行關(guān)聯(lián)分析。結(jié)果表明:其中兩個提取的位移分量分別與溫度和水位高度相關(guān)，與利用大壩統(tǒng)計位移模型計算的溫度和水位分量也基本一致，說明了PSR-ICA可有效地分離出大壩位移的各效應(yīng)分量。
　　5.研究了在線盲源分離的ICA算法——EASI算法，該算法可用于識別混合矩陣緩慢變化，具備FastICA這類離線算法所沒有的時變處理能力。模擬實驗驗證了EASI算法在多通道的時不變、突變和時變混合情況下的良好分離效果。提出了基于EEMD的單通道E