Component isolation for multi-component signal analysis using a non-parametric gaussian latent feature model
Component isolation for multi-component signal analysis using a non-parametric gaussian latent feature model
复制标题
使用非参数高斯潜在特征模型进行多分量信号分析的分量隔离
DOI：
10.1016/j.ymssp.2017.09.041
复制
发表时间：
2018-03
影响因子：
8.4
通讯作者：
David A. Clifton
中科院分区：
文献类型：
--
作者：
Yang Yang;Zhike Peng;Xingjian Dong;Wenming Zhang;David A. Clifton
分析非平稳多分量信号的一个挑战是分离出非线性时变信号，特别是当它们在时间和频率平面上重叠时。本文提出了一种基于时频分析的解调和非参数高斯潜在特征模型相结合的框架来分离和恢复这类信号的分量。前者旨在消除高阶调频(FM)，以便后者能够在同时发现目标分量的数目的同时推断解调的分量。该方法能有效地分离出具有相同调频行为的多个分量。实验结果表明，该方法在恢复叠加分量的幅值和相位方面优于基于奇异值分解的广义解调方法、基于滤波的参数时频分析方法和基于经验模型分解基的方法。
A challenge in analysing non-stationary multi-component signals is to isolate nonlinearly time-varying signals especially when they are overlapped in time and frequency plane. In this paper, a framework integrating time-frequency analysis-based demodulation and a non-parametric Gaussian latent feature model is proposed to isolate and recover components of such signals. The former aims to remove high-order frequency modulation (FM) such that the latter is able to infer demodulated components while simultaneously discovering the number of the target components. The proposed method is effective in isolating multiple components that have the same FM behavior. In addition, the results show that the proposed method is superior to generalised demodulation with singular-value decomposition-based method, parametric time-frequency analysis with filter-based method and empirical model decomposition base method, in recovering the amplitude and phase of superimposed components.
登录
查看更多内容
DOI：
--
发表时间：
2005-12
期刊：
--
影响因子：
--
作者：
T. Griffiths;Zoubin Ghahramani
通讯作者：
T. Griffiths;Zoubin Ghahramani
DOI：
10.1007/978-3-642-28551-6_28
发表时间：
2012-03
期刊：
--
影响因子：
--
作者：
F. Nesta;M. Omologo
通讯作者：
F. Nesta;M. Omologo
影响因子：
7.7
作者：
Yang, Yang;Zhang, Wenming;Meng, Guang
通讯作者：
Meng, Guang
影响因子：
10.6
作者：
Portilla, J;Strela, V;Simoncelli, EP
通讯作者：
Simoncelli, EP
基于迭代广义解调的时频解调分析用于行星齿轮箱非平稳故障诊断
影响因子：
8.4
作者：
Feng, Zhipeng;Chen, Xiaowang;Ma, Fei
通讯作者：
Ma, Fei