CN107025465A - 光缆传输煤矿井下求救信号重构方法和装置 - Google Patents
光缆传输煤矿井下求救信号重构方法和装置 Download PDFInfo
- Publication number
- CN107025465A CN107025465A CN201710268025.3A CN201710268025A CN107025465A CN 107025465 A CN107025465 A CN 107025465A CN 201710268025 A CN201710268025 A CN 201710268025A CN 107025465 A CN107025465 A CN 107025465A
- Authority
- CN
- China
- Prior art keywords
- signal
- input signal
- optical cable
- array
- cable transmission
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Alarm Systems (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种光缆传输煤矿井下求救信号重构方法和装置。该方法包括:对光缆传输信号进行采集,得到含有噪声的被测信号;对该信号进行模数转换后存储;对数字量被测信号进行时间延迟以构造多个数据序列,利用多个数据序列构建输入信号阵列;利用二阶盲辨识算法,根据互信息最小化准则,对输入信号阵列进行盲源分离,以分离数字量被测信号中的噪声和求救信号;采用重构算法获得求救信号的波形。本发明的上述技术,能够在煤矿井下发生事故时,在低信噪比情况下,从光缆传输的含有各种噪声的信号中准确地分离出求救信号。
Description
技术领域
本发明涉及信号处理技术,尤其涉及一种光缆传输煤矿井下求救信号重构方法和装置。
背景技术
我国是世界上最大的产煤国,虽然国家制定了清洁能源规划,但由于我国缺油少气,煤炭在相当长的一段时期内仍将是主要的一次能源。在煤炭生产过程中,由于地质条件复杂,煤层埋藏较深,尽管采取了各种安全生产措施,不可避免地会发生瓦斯、粉尘爆炸、透水、冒顶、瓦斯突出等事故。事故发生后,由于各种机械设备和通讯设施损毁,井上井下失去联系,急需了解井下情况。
然而,目前在煤矿井下发生事故时,在低信噪比情况下,现有系统检测能力差、分辨率低,不能够从光缆传输的含有各种噪声的信号中准确地分离出求救信号
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
鉴于此,本发明提供了一种光缆传输煤矿井下求救信号重构方法和装置,以解决煤矿井下发生事故时,在低信噪比情况下,现有系统检测能力差、分辨率低、不能够从光缆传输的含有各种噪声的信号中准确地分离出求救信号的问题。
根据本发明的一个发明,提供了一种光缆传输煤矿井下求救信号重构方法,光缆传输煤矿井下求救信号重构方法包括:对光缆传输信号进行采集,得到含有噪声的被测信号;对含有噪声的被测信号进行模数转换,得到模数转换后的含有噪声的被测信号,作为数字量被测信号;对数字量被测信号进行时间延迟以构造多个数据序列,利用多个数据序列构建输入信号阵列;利用二阶盲辨识算法,根据互信息最小化准则,对输入信号阵列进行盲源分离,以分离数字量被测信号中的噪声和求救信号;采用重构算法获得求救信号的波形。
进一步地,对数字量被测信号进行时间延迟以构造多个数据序列、利用多个数据序列构建输入信号阵列的步骤包括:设数字量被测信号由有若干个自由度的信号构成,并设在时刻t,观测数据矢量x(t)的延迟矢量为:X(t)={x(t-τ),x(t-2τ),…,x(t-(m-1)τ)}∈R,其中,τ是时间延迟因子,τ=kΔt(k=1,2,…),Δt为采样时间,m是延迟数量;假设观测数据矢量为x(t)(t=1,2,…,N),x(t)的表达式为:x(t)=f[X(t-1),X(t-2),…,X(t-d)];式中,d为系统自由度;获得由一系列延迟矢量构成的输入信号阵列,该输入信号阵列为:
当延迟因子τ=1时,利用m≥fS/fL来确定m的最小值;式中fS为采样频率,fL为观测信号的最低频率。
进一步地,对输入信号阵列进行盲源分离的步骤包括:估计输入信号的协方差矩阵得到和其中,采用正交变换对矩阵进行对角化,获得的特征值分解形式当对角矩阵有不同的特征值时,估计获得分离矩阵利用分离矩阵与输入信号阵列相乘,分离得到数字量被测信号中的噪声和求救信号。
根据本发明的另一方面,还提供了一种光缆传输煤矿井下求救信号重构装置,光缆传输煤矿井下求救信号重构装置包括:数据采集单元,其用于对光缆传输信号进行采集,得到含有噪声的被测信号;模数转换单元,其用于对含有噪声的被测信号进行模数转换,得到模数转换后的含有噪声的被测信号,作为数字量被测信号;存储单元,其用于存储模数转换单元获得的数字量被测信号;输入信号阵列构建单元,其用于对数字量被测信号进行时间延迟以构造多个数据序列,利用多个数据序列构建输入信号阵列;盲源分离单元,其用于利用二阶盲辨识算法,根据互信息最小化准则,对输入信号阵列进行盲源分离,以分离数字量被测信号中的噪声和求救信号;数据处理单元6,其用于采用重构算法获得求救信号的波形。
进一步地,输入信号阵列构建单元用于通过如下处理来构建输入信号阵列:设数字量被测信号由有若干个自由度的信号构成,并设在时刻t,观测数据矢量x(t)的延迟矢量为:X(t)={x(t-τ),x(t-2τ),…,x(t-(m-1)τ)}∈R;其中,τ是时间延迟因子,τ=kΔt(k=1,2,…),Δt为采样时间,m是延迟数量;假设观测数据矢量为x(t)(t=1,2,…,N),x(t)的表达式为:x(t)=f[X(t-1),X(t-2),…,X(t-d)];式中,d为系统自由度;获得由一系列延迟矢量构成的输入信号阵列,该输入信号阵列为:
当延迟因子τ=1时,利用m≥fS/fL来确定m的最小值;式中fS为采样频率,fL为观测信号的最低频率。
进一步地,盲源分离单元用于通过如下处理对输入信号阵列进行盲源分离:估计输入信号的协方差矩阵得到和其中,采用正交变换对矩阵进行对角化,获得的特征值分解形式当对角矩阵有不同的特征值时,估计获得分离矩阵利用分离矩阵与输入信号阵列相乘,分离得到数字量被测信号中的噪声和求救信号。
本发明的光缆传输煤矿井下求救信号重构方法和装置,其能够在低信噪比情况下从光缆传输的含有各种噪声的信号中准确地分离出求救信号的问题,应用二阶盲辨识盲源分离技术,可以实现准确的光缆传输煤矿井下求救信号重构。
通过以下结合附图对本发明的最佳实施例的详细说明,本发明的这些以及其他优点将更加明显。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解,其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分,而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中:
图1是示意性地示出本发明的光缆传输煤矿井下求救信号重构方法的一个示例性处理的流程图;
图2是示意性地示出本发明的光缆传输煤矿井下求救信号重构装置的一个示例的结构图。
本领域技术人员应当理解,附图中的元件仅仅是为了简单和清楚起见而示出的,而且不一定是按比例绘制的。例如,附图中某些元件的尺寸可能相对于其他元件放大了,以便有助于提高对本发明实施例的理解。
具体实施方式
在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见,在说明书中并未描述实际实施方式的所有特征。然而,应该了解,在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定,以便实现开发人员的具体目标,例如,符合与系统及业务相关的那些限制条件,并且这些限制条件可能会随着实施方式的不同而有所改变。此外,还应该了解,虽然开发工作有可能是非常复杂和费时的,但对得益于本公开内容的本领域技术人员来说,这种开发工作仅仅是例行的任务。
在此,还需要说明的一点是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
本发明的实施例提供了一种光缆传输煤矿井下求救信号重构方法,光缆传输煤矿井下求救信号重构方法包括:对光缆传输信号进行采集,得到含有噪声的被测信号;对含有噪声的被测信号进行模数转换,得到模数转换后的含有噪声的被测信号,作为数字量被测信号;对数字量被测信号进行时间延迟以构造多个数据序列,利用多个数据序列构建输入信号阵列;利用二阶盲辨识算法,根据互信息最小化准则,对输入信号阵列进行盲源分离,以分离数字量被测信号中的噪声和求救信号;采用重构算法获得求救信号的波形。
图1给出了本发明的光缆传输煤矿井下求救信号重构方法的流程图。
如图1所示,该方法开始后,首先执行步骤S110。
在步骤S110中,对光缆传输信号进行采集,得到含有噪声的被测信号。然后,执行步骤S120。
在步骤S120中,对含有噪声的被测信号进行模数转换,得到模数转换后的含有噪声的被测信号,作为数字量被测信号。然后,执行步骤S130。
在步骤S130中,对数字量被测信号进行时间延迟以构造多个数据序列,利用多个数据序列构建输入信号阵列。然后,执行步骤S140。
根据一个实现方式,在步骤S130中,可以按照如下处理来实现对数字量被测信号进行时间延迟以构造多个数据序列、利用多个数据序列构建输入信号阵列的步骤:设数字量被测信号由有若干个自由度的信号构成,并设在时刻t,观测数据矢量x(t)(即上述数字量被测信号)的延迟矢量为:X(t)={x(t-τ),x(t-2τ),…,x(t-(m-1)τ)}∈R,其中,τ是时间延迟因子,τ=kΔt(k=1,2,…),Δt为采样时间,m是延迟数量,k为数据长度;假设观测数据矢量为x(t)(t=1,2,…,N),x(t)的表达式为:x(t)=f[X(t-1),X(t-2),…,X(t-d)];式中,d为系统自由度;获得由一系列延迟矢量构成的输入信号阵列,该输入信号阵列根据如下的输入信号阵列计算公式获得:
当延迟因子τ=1时,利用m≥fS/fL来确定m的最小值;式中fS为采样频率,fL为观测信号的最低频率。
在步骤S140中,利用二阶盲辨识算法,根据互信息最小化准则,对输入信号阵列进行盲源分离,以分离数字量被测信号中的噪声和求救信号。然后,执行步骤S150。
根据一个实现方式,在步骤S140中,对输入信号阵列进行盲源分离的步骤例如包括:估计输入信号的协方差矩阵得到其中,采用正交变换对矩阵进行对角化,获得的特征值分解形式当对角矩阵有不同的特征值时,估计获得分离矩阵利用分离矩阵与输入信号阵列(上文所述的输入信号阵列计算公式)相乘,分离得到数字量被测信号中的噪声和求救信号。
在步骤S150中,采用重构算法获得求救信号的波形。结束处理。其中,步骤S150中所采用的重构算法例如可以是现有的重构算法,这里不再详述。
此外,本发明的实施例还提供了一种光缆传输煤矿井下求救信号重构装置,光缆传输煤矿井下求救信号重构装置包括:数据采集单元,其用于对光缆传输信号进行采集,得到含有噪声的被测信号;模数转换单元,其用于对含有噪声的被测信号进行模数转换,得到模数转换后的含有噪声的被测信号,作为数字量被测信号;存储单元,其用于存储模数转换单元获得的数字量被测信号;输入信号阵列构建单元,其用于对数字量被测信号进行时间延迟以构造多个数据序列,利用多个数据序列构建输入信号阵列;盲源分离单元,其用于利用二阶盲辨识算法,根据互信息最小化准则,对输入信号阵列进行盲源分离,以分离数字量被测信号中的噪声和求救信号;数据处理单元,其用于采用重构算法获得求救信号的波形。
如图2所示,光缆传输煤矿井下求救信号重构装置包括数据采集单元1、模数转换单元2、存储单元3、输入信号阵列构建单元4、盲源分离单元5和数据处理单元6。
数据采集单元1,其用于对光缆传输信号进行采集,得到含有噪声的被测信号。
模数转换单元2,其用于对含有噪声的被测信号进行模数转换,得到模数转换后的含有噪声的被测信号,作为数字量被测信号。
存储单元3,其用于存储模数转换单元获得的数字量被测信号。
输入信号阵列构建单元4,其用于对数字量被测信号进行时间延迟以构造多个数据序列,利用多个数据序列构建输入信号阵列。
盲源分离单元5,其用于利用二阶盲辨识算法,根据互信息最小化准则,对输入信号阵列进行盲源分离,以分离数字量被测信号中的噪声和求救信号。
数据处理单元6,其用于采用重构算法获得求救信号的波形。
根据一个实现方式,输入信号阵列构建单元4)例如可以根据如上文步骤S130中的处理来构建输入信号阵列,这里不再赘述。
此外,盲源分离单元5例如可以通过如上文步骤S140中的处理对输入信号阵列进行盲源分离,这里不再赘述。
优选实施例
在该实施例中,通过铺设井下用于传送数据的光缆,封装坚固,一般不会损坏,井下被困人员可以敲打光缆,产生光纤振动信号求助,井上接受到信号后,通过光纤传输煤矿井下求救信号重构方法,得到井下求救信号波形,进一步可以形成定位信息,为快速救援提供信息和决策依据。
首先,在步骤一中,将含有噪声的被测信号,经采集、A/D转换后,将模拟量变为数字量,然后存储于存储器中(相当于上文描述的步骤S110和S120)。
然后,由步骤一得到的数据只是一维的时间序列,不能直接进行盲源分离,因此,在步骤二中,将此序列进行时间延迟,构造多个数据序列,将这些序列构建成输入信号阵列,使之含有足够的输入信号的潜在信息(相当于上文描述的步骤S130)。
在步骤三中,用二阶盲辨识算法,依互信息最小化准则,对输入信号阵列进行盲源分离,即将被测信号看作是含有各种频率成分的噪声和求救信号构成的未知盲信号,求救信号和噪声之间是统计独立不相关的(相当于上文描述的步骤S140)。用二阶盲辨识算法就能将被测信号所含的噪声和求救信号的波形分离出来。
最后,在步骤四中,通过重构算法得到求救信号的波形,确定井下发生了事故(相当于上文描述的步骤S150和S160)。
在步骤二中,首先,假设对于一个动态系统,只能得到反映它的特点的一个时间序列,而要揭示存在于这一测量数据序列中的尽可能多的潜在信息,可采用相空间重构的方法。设被测信号由有若干个自由度的信号构成(观测信号为一系列的数据,没有发生事故时,观测信号包括井下各种机械如风机、采煤机、运煤车等产生的振动噪声信息;发生事故时,井下人员敲击光缆,产生振动信号,这时的观测信号包括上述噪声及求救信号,这些混和信号都可看作潜在信息;根据井下运行的能产生机械振动的信号源数量,再加三,由观测信号按照上文所述的上文所述的输入信号阵列计算公式构成数据矩阵,其中就包含了足够的潜在信息),根据Takens理论有:
选取合适的延迟时间τ和足够多的序列m,那么重构的相空间具有和实际的动态系统相同的性质,重构的相空间轨迹也同样反映出系统状态随时间变化的规律。
设在时刻t,观测数据矢量x(t)的延迟矢量为:
X(t)={x(t-τ),x(t-2τ),…,x(t-(m-1)τ)}∈R (1)
这里τ是时间延迟因子,τ=kΔt(k=1,2,…)(k为数据长度),Δt为采样时间,m是延迟数量。这一延迟矢量对潜在的系统状态进行了描述。假设观测数据矢量为x(t)(t=1,2,…,N),N为采样数目,x(t)的表达式为:
x(t)=f[X(t-1),X(t-2),…,X(t-d)] (2)
式中,d为系统的自由度。
在对真实数据处理时,m通常取值足够大,一旦确定了最佳的延迟矢量长度,就可构造一个由许多连续的延迟矢量构成的输入信号阵列。延迟因子的数目N由观测信号的长度决定,但一般不小于m。因此,由一系列延迟矢量构成的输入信号阵列如下:
当延迟因子τ=1,m的最小值可由下式决定:
m≥fS/fL (4)
式中fS为采样频率,fL为观测信号的最低频率。
包含谐波的电压信号就可以看作是有若干自由度的动态系统,因此可以用以上处理来重构。
在步骤三中,用基于互信息最小化准则的二阶盲辨识盲源分离算法,分离出求救信号和噪声的波形。算法计算过程如下:
(1)估计输入信号的协方差矩阵它的奇异值分解基于标准白化过程可得:
所以
式中
(2)将正交变换应用于矩阵对角化。的特征值分解形式是
同时输入信号x(k)的相关矩阵对于非零延迟p满足
RX(p)=E{x(k)x(k-p)}=HRS(p)HT (8)
所以
如果对角矩阵有不同的特征值,那么混合矩阵可以唯一地估计出分离矩阵
由分离矩阵与输入信号阵列相乘就可得到混合信号中包含的求救信号和噪声。
由于被测的是光信号,不能直接采样,必须经高精度光电转换电路,由专用的具有自动校准功能的16位分辨率数据采集电路,将输入的模拟信号变为数字量即离散时间序列。CPU将采样得到的时间序列数据存储起来,以输入给输入信号阵列构建单元4。
输入信号阵列构建单元4收到存储单元3传来的数据序列后,进行相空间的重构。具体方法是对此序列延迟n个采样点,构成第一个新序列;再对原数据序列延迟2n个采样点,构成第二个新序列;以此类推,构成足够多的序列,将这些序列构建成输入信号阵列矩阵,则此矩阵中就包含了足够多的输入信号的潜在信息,满足盲源分离算法的条件,输入盲源分离单元5。
盲源分离单元5将输入信号阵列构建单元4输入的矩阵数据进行盲源分离。盲源分离就是将含有求救信号和噪声的混合信号看作是由求救信号和噪声线性混合而成,相互之间是统计独立的,不相关的。而被检测信号是未知的,对观测者而言,相当于一个盲信号。当构建的输入信号阵列满足盲源分离的条件时,就可以对此矩阵应用盲源分离算法,经计算后,分离出各源信号。本发明采用由输出互信息最小化准则约束的二阶盲辨识盲源分离算法,过程如下:
(1)估计输入信号的协方差矩阵
首先对构建的输入信号阵列进行奇异值分解,再进行白化。
(2)将白化后的矩阵进行正交变换和对角化
即进行特征值分解,得到不同的若干个特征值。
(3)建立分离矩阵
由分离矩阵与输入信号阵列相乘就可得到混合信号中包含的基波和谐波信号。
通过以上过程完成了盲源分离。
由数据处理单元4计算并进行重构,就能得到井下求救信号的波形。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (6)
1.光缆传输煤矿井下求救信号重构方法,其特征在于,所述光缆传输煤矿井下求救信号重构方法包括:
对光缆传输信号进行采集,得到含有噪声的被测信号;
对所述含有噪声的被测信号进行模数转换,得到模数转换后的所述含有噪声的被测信号,作为数字量被测信号;
对所述数字量被测信号进行时间延迟以构造多个数据序列,利用所述多个数据序列构建输入信号阵列;
利用二阶盲辨识算法,根据互信息最小化准则,对所述输入信号阵列进行盲源分离,以分离所述数字量被测信号中的噪声和求救信号;
采用重构算法获得所述求救信号的波形。
2.根据权利要求1所述的光缆传输煤矿井下求救信号重构方法,其特征在于,对所述数字量被测信号进行时间延迟以构造多个数据序列、利用所述多个数据序列构建输入信号阵列的步骤包括:
设所述数字量被测信号由有若干个自由度的信号构成,并设在时刻t,观测数据矢量x(t)的延迟矢量为:
X(t)={x(t-τ),x(t-2τ),…,x(t-(m-1)τ)}∈R
其中,τ是时间延迟因子,τ=kΔt(k=1,2,…),Δt为采样时间,m是延迟数量;假设观测数据矢量为x(t)(t=1,2,…,N),x(t)的表达式为:
x(t)=f[X(t-1),X(t-2),…,X(t-d)]
式中,d为系统自由度;
获得由一系列延迟矢量构成的输入信号阵列,该输入信号阵列为:
当延迟因子τ=1时,利用m≥fS/fL来确定m的最小值;
式中fS为采样频率,fL为观测信号的最低频率。
3.根据权利要求1所述的光缆传输煤矿井下求救信号重构方法,其特征在于,对所述输入信号阵列进行盲源分离的步骤包括:
估计输入信号的协方差矩阵得到和其中,采用正交变换对矩阵进行对角化,获得的特征值分解形式
当对角矩阵有不同的特征值时,估计获得分离矩阵
利用所述分离矩阵与所述输入信号阵列相乘,分离得到所述数字量被测信号中的噪声和求救信号。
4.光缆传输煤矿井下求救信号重构装置,其特征在于,所述光缆传输煤矿井下求救信号重构装置包括:
数据采集单元,其用于对光缆传输信号进行采集,得到含有噪声的被测信号;
模数转换单元,其用于对所述含有噪声的被测信号进行模数转换,得到模数转换后的所述含有噪声的被测信号,作为数字量被测信号;
存储单元,其用于存储所述模数转换单元获得的数字量被测信号;
输入信号阵列构建单元,其用于对所述数字量被测信号进行时间延迟以构造多个数据序列,利用所述多个数据序列构建输入信号阵列;
盲源分离单元,其用于利用二阶盲辨识算法,根据互信息最小化准则,对所述输入信号阵列进行盲源分离,以分离所述数字量被测信号中的噪声和求救信号;
数据处理单元,其用于采用重构算法获得所述求救信号的波形。
5.根据权利要求4所述的光缆传输煤矿井下求救信号重构装置,其特征在于,所述输入信号阵列构建单元用于通过如下处理来构建输入信号阵列:
设所述数字量被测信号由有若干个自由度的信号构成,并设在时刻t,观测数据矢量x(t)的延迟矢量为:
X(t)={x(t-τ),x(t-2τ),…,x(t-(m-1)τ)}∈R
其中,τ是时间延迟因子,τ=kΔt(k=1,2,…),Δt为采样时间,m是延迟数量;假设观测数据矢量为x(t)(t=1,2,…,N),x(t)的表达式为:
x(t)=f[X(t-1),X(t-2),…,X(t-d)]
式中,d为系统自由度;
获得由一系列延迟矢量构成的输入信号阵列,该输入信号阵列为:
当延迟因子τ=1时,利用m≥fS/fL来确定m的最小值;
式中fS为采样频率,fL为观测信号的最低频率。
6.根据权利要求4所述的光缆传输煤矿井下求救信号重构装置,其特征在于,所述盲源分离单元用于通过如下处理对所述输入信号阵列进行盲源分离:
估计输入信号的协方差矩阵得到和其中,
采用正交变换对矩阵进行对角化,获得的特征值分解形式
当对角矩阵有不同的特征值时,估计获得分离矩阵
利用所述分离矩阵与所述输入信号阵列相乘,分离得到所述数字量被测信号中的噪声和求救信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710268025.3A CN107025465A (zh) | 2017-04-22 | 2017-04-22 | 光缆传输煤矿井下求救信号重构方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710268025.3A CN107025465A (zh) | 2017-04-22 | 2017-04-22 | 光缆传输煤矿井下求救信号重构方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107025465A true CN107025465A (zh) | 2017-08-08 |
Family
ID=59527142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710268025.3A Pending CN107025465A (zh) | 2017-04-22 | 2017-04-22 | 光缆传输煤矿井下求救信号重构方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107025465A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060111623A1 (en) * | 2001-11-02 | 2006-05-25 | Nellcor Puritan Bennett Inc. | Blind source separation of pulse oximetry signals |
CN101904182A (zh) * | 2008-01-29 | 2010-12-01 | 高通股份有限公司 | 用于高度相关的混合物的增强型盲源分离算法 |
CN103134580A (zh) * | 2011-11-22 | 2013-06-05 | 上海华魏光纤传感技术有限公司 | 一种基于小波分析的分布式光纤振动测量系统的信号处理方法 |
CN103424134A (zh) * | 2013-07-30 | 2013-12-04 | 北京交通大学 | 一种多参量同时测量的光纤传感方法 |
CN106202977A (zh) * | 2016-08-17 | 2016-12-07 | 华南理工大学 | 一种基于盲源分离算法的低频振荡模式分析方法 |
-
2017
- 2017-04-22 CN CN201710268025.3A patent/CN107025465A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060111623A1 (en) * | 2001-11-02 | 2006-05-25 | Nellcor Puritan Bennett Inc. | Blind source separation of pulse oximetry signals |
CN101904182A (zh) * | 2008-01-29 | 2010-12-01 | 高通股份有限公司 | 用于高度相关的混合物的增强型盲源分离算法 |
CN103134580A (zh) * | 2011-11-22 | 2013-06-05 | 上海华魏光纤传感技术有限公司 | 一种基于小波分析的分布式光纤振动测量系统的信号处理方法 |
CN103424134A (zh) * | 2013-07-30 | 2013-12-04 | 北京交通大学 | 一种多参量同时测量的光纤传感方法 |
CN106202977A (zh) * | 2016-08-17 | 2016-12-07 | 华南理工大学 | 一种基于盲源分离算法的低频振荡模式分析方法 |
Non-Patent Citations (1)
Title |
---|
国添栋: "基于盲源分离理论的闪变和间谐波检测技术研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113759425B (zh) | 井震联合评价深层古岩溶储层充填特征的方法与系统 | |
Yoo et al. | Going beyond the Kaiser redshift-space distortion formula: a full general relativistic account of the effects and their detectability in galaxy clustering | |
Lange et al. | Parameter estimation method that directly compares gravitational wave observations to numerical relativity | |
Gair et al. | LISA extreme-mass-ratio inspiral events as probes of the black hole mass function | |
Smylie et al. | Analysis of irregularities in the earth's rotation | |
CN111046737B (zh) | 一种用于微地震信号检测的高效智能感知采集方法 | |
Mortlock | Quasars as probes of cosmological reionization | |
Wang et al. | Seismic velocity inversion transformer | |
CN115291281A (zh) | 基于深度学习的实时微地震震级计算方法及装置 | |
Wrona et al. | 3D seismic interpretation with deep learning: A brief introduction | |
US6826227B1 (en) | Method intended for loss-free compression of signals of wide dynamic range with a view to their transmission | |
CN107025465A (zh) | 光缆传输煤矿井下求救信号重构方法和装置 | |
Khalil et al. | Big data in astronomy: from evolution to revolution | |
Sweeney et al. | Enabling Mars radio occultation by smallsats | |
Maldonado-Cruz et al. | Sonic Well-Log Imputation Through Machine-Learning-Based Uncertainty Models | |
CN114706128A (zh) | 一种微地震资料噪声压制方法及系统、存储介质和地震信息处理设备 | |
Braverman et al. | Semi-streaming quantization for remote sensing data | |
US6970788B2 (en) | Method of keying a borehole in a seismic block | |
Frontera-Pons et al. | Dictionary Learning for Photometric Redshift Estimation | |
Liu et al. | Correlation analysis and partial least square modeling to quantify typical minerals with Chang’E-3 visible and near-infrared imaging spectrometer’s ground validation data | |
Shin et al. | Subsurface exploration on Mars and Moon with a robotic swarm | |
CN113630350B (zh) | 一种毫米波多天线信道估计方法 | |
Gilmore et al. | Proposed Venus Flagship mission | |
Eide et al. | Uncertainty in seismic inversion for reservoir characterization | |
Froment et al. | Probing a planet from the subsurface to the atmosphere with infrasound data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170808 |
|
RJ01 | Rejection of invention patent application after publication |