吴加福，吴安定，肖 涵

（1．温州市特种设备检测研究院，浙江 温州 325000；2.武汉科技大学，湖北 武汉 430081）

1 引言

盲源分离是指在源信号和混合矩阵都未知的情况下，基于源信号之间相互独立的假设，从测得的观测信号中分离出源信号一种经典的信号处理方法。针对这个问题，Comon 提出经典的独立分量分析（Independent Component Analysis，ICA）方法，有效地解决了线性混合信号的盲源分离问题[1]。随后，在复数信号[2]的处理中提出了快速ICA 算法（FastICA），其给出局部一致的估计量，在频域盲分离中得到了广泛的应用。然而，传统的盲源分离仅适用于源数小于观测通道的情况下，而对于观测数小于源数的欠定情况效果不佳。针对欠定情况下的，学者提出了基于经验模式分解（Empirical Mode Decomposition，EMD）和主成分分析（Principal Component Analysis，PCA）的欠定去噪源分离方法[3]。文献[4]采用集合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）、独立分量分析和连续小波变换相结合的方法，在克服ICA 中传感器数目大于源信号数目的限制条件时，获得了单通道含噪信号较好地分离。文献[5]提出了一种结合经验模式分解、奇异值分解（Singular ValueDecomposition，SVD）和贝叶斯信息准则（BayesianInformation Criterion，BIC）的源信号数量估计方法，解决了卷积混合的机械振动信号在欠定情况下的源数估计问题。但是，基于EMD 及其改进版本的欠定盲源分离方法都存在模式混叠、边界效应等问题[6-7]。拟运用经验小波变换[8]（Empirical Wavelet Transform，EWT）的理念进行单通道盲源分离，可以在一定程度上改善EMD 的缺陷。

单通道盲源分离是观测通道只有一个的特殊的欠定盲源分离，提出了一种基于经验小波变换（Empirical Wavelet Transform，EWT）的单通道盲源分离方法，使用EMD-SVD-BIC 方法估计源数以确定EWT 中频谱分割边界的个数N。……