《表3 相关系数：基于独立分量分析的动车组模型噪声分离》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于独立分量分析的动车组模型噪声分离》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于试验条件的限制，无法直接测得气动噪声，由文献[11]可知，可利用脉动压力对气动噪声进行预测，因此，利用压力传感器通过小波变换提取出动车组模型试验段传声器测点处的脉动压力，提取出的脉动压力预测的气动噪声频谱即为图6（a）所示的气动噪声频谱图，将其作为气动噪声的源信号，与经过EEMD-PCA-FastICA算法分离出的气动噪声频谱进行对比，可以看到，估计的源信号与原始源信号主要频率一致，范围为（0～30）Hz，也符合气动噪声主要分布在低频段的特点。图6(b）的风机振动噪声频谱是由在风机测点处的传声器直接测得，同样与经过EEMD-PCA-FastICA算法分离出的风机振动噪声频谱进行对比，可以看到，估计的源信号与原始源信号主要频率一致都为120Hz，同时在低于100Hz的频率段也都有少量分布。文献[9]指出可采用相关系数对混合信号的盲源分离算法进行评价，相关系数的绝对值越接近于1，表明盲源分离的效果越好。根据式（9）计算的噪声相关系数，如表3所示。可知两个相关系数分别为0.6635和0.7630，根据表4的相关系数表可判断相关程度为强相关，说明使用文中独立分量分析算法的分离效果理想。