李小彪，吕 勇，易灿灿

(1.武汉科技大学冶金装备及其控制教育部重点实验室，湖北 武汉，430081；2.武汉科技大学机械传动与制造工程湖北省重点实验室，湖北 武汉，430081)

在实际工业生产中，多种设备故障有可能同时出现，其振动信号表现为故障特征的相互耦合，给故障诊断带来很大困难。盲源分离(blind source separation, BSS)是从可观测的混合信号中恢复不可观测的源信号的方法，为机械复合故障诊断提供了一种有效途径，相关研究成果也有不少。焦卫东等[1]结合独立分量分析和主分量分析的各自优势，将隐藏于多通道观测信号中的独立源信号分离出来，从而实现不同源信号的识别。Li等[2]研究了基于两阶段稀疏表示的欠定盲源分离方法。董绍江等[3]在形态学滤波的基础上结合匹配跟踪算法和盲源分离算法各自的特点，提出了一种基于最优匹配追踪信号分解的单通道盲源分离方法。然而这些机械故障源分离方法要求源信号满足非高斯、平稳且相互独立的假设，但在复杂工况下，实际采集到的机械振动信号并不一定能满足这些前提条件。

针对以上不足，研究者提出了一种基于时频(time-frequency，TF)分析的设备故障源盲分离方法，由于时频分布(time-frequency distribution, TFD)提供了信号的频谱内容随时间变化的信息，因此该方法充分利用了信号的非平稳特征。目前，基于Cohen类时频分布[4]、分数傅里叶变换[5]、局域均值分解[6]和Wigner-Ville分布(WVD)[7]等时频分析工具的机械故障信号盲源分离研究成果有不少，但仍有进一步拓展的空间。……