论文部分内容阅读
用独立分量分析（ICA）分解和表示数据时，假设整个数据分布完全可以用一个坐标系来描述。然而，当观测数据是由许多自相似的、非高斯的流形组成时，则硬是用一个单独的、全局的表示是不合适的，这样会产生一个次优的表示。针对ICA在盲源分离中的不足，在变分贝叶斯理论的基础上提出了一种基于变分贝叶斯混合独立分量分析的机械故障源盲分离方法。该方法是考虑到源信号来自于多个坐标系，然后在多个坐标系下建立独立分量分析混合模型对观测信号进行学习分离。实验结果表明．本文提出的方法是非常有效的。