王晓伟，石林锁

(第二炮兵工程大学 502教研室，西安 710025)

盲信号处理(Blind Source Separation，BSS)是指在未知源信号和传输通道参数的情况下，仅由传感器阵列获得的观测信号恢复出各源信号的过程。其在无线通信、雷达信号处理、地质勘探和生物医学信号检测方面有着广泛的应用前景和价值［1］，近年来也越来越广泛地应用于机械设备状态监测和故障诊断中［2-3］。

当前应用盲信号处理技术进行机械故障诊断，绝大部分是假设源信号是线性混叠的，然而在实际中非线性的情况是广泛存在的［4］，混叠模型更多的情况应该是非线性或者弱非线性的。传统的非线性盲信号处理算法的学习速率是固定的［5-6］，学习速率选择的过大或过小，都将影响算法收敛的精度和速度。最佳分离结果通常对应于目标函数的极值点，然而目标函数通常存在很多的局部极小值点，这就会导致算法在局部极小值点收敛，从而陷入局部最优解，难以获得全局最优解。

本文将模拟退火算法与基于核函数的非线性盲处理算法相结合，提出一种基于核函数的自适应非线性盲处理算法，以提高非线性盲信号处理的收敛精度和全局寻优能力，进而提高信号特征提取的效果。通过仿真和实测齿轮箱振动信号的实验，表明与传统的非线性盲处理算法相比，该算法具有更好的消噪和信号特征提取能力。

1 非线性BSS问题

设源信号 s=［s1(t)，s2(t)，s3(t)，…，sN(t)］T零均值统计独立，则非线性瞬时混合模型可表示为［7］：

式中：x(t)=(x1(t)，x2(t)，x3(t)，…，xM(t))T为传感器测得的M维数据向量，f(·)为未知的可逆实值非线性混合函数，n(t)是与源信号统计独立的加性信号。……