[发明专利]一种基于盲源分离技术的卫星微振动源定量识别方法

权利要求书

1.一种基于盲源分离技术的卫星微振动源定量识别方法，其特征在于，包括以下步骤：

(1)振动响应信号的获取

卫星舱段结构模型各振动源正常运行，采集敏感载荷处及模型表面不同位置处的振动响应信号x(t)，即观测信号：

x(t)＝[x₁(t),x₂(t),…,x_q(t)]^T

其中，q为观测信号数目，x_j(t)为t时刻在第j个观测点采集到的振动响应信号，j＝1～q；

且确保观测信号数目大于振动源的数目p；

(2)基于参考峭度最大化盲解卷积算法的单振源信号的提取

利用高阶累积量构造盲解卷积算法的参考峭度对照函数，根据振动源的先验知识构造参考信号，利用最优步长梯度法寻找参考峭度对照函数最大化所对应的分离信号的最优解，实现单振源信号的提取；

(3)通过维纳滤波器分别求得各振源在敏感载荷点处的响应；

(4)利用基于向量投影的贡献量表征方法计算各振源的贡献量。

2.根据权利要求1所述的一种基于盲源分离技术的卫星微振动源定量识别方法，其特征在于，步骤(2)具体包括：

(2.1)利用高阶累积量构造盲源分离算法的参考峭度对照函数，用C_r{y}表示分离信号y和参考信号r的互累积量：

C_r{y}＝Cum{y,y,r,r}

对互累积量进行归一化处理，即得到参考峭度对照函数J(y,r)，优化目标为该参考峭度对照函数的最大化：

其中，E{·}为变量的数学期望；

(2.2)根据设备振动源的先验知识构造参考信号r；

(2.3)设置分离滤波器长度D，将步骤(1)中得到的x(t)表达为时滞形式x(t)：

x(t)＝[x^T(t),x^T(t-1),…,x^T(t-D+1)]^T

则解卷积即转化为标准的线性ICA模型：

y(t)＝wx(t)

其中，w为1×qD维的分离滤波器；

(2.4)利用最优步长梯度法寻找参考峭度对照函数最大化所对应的分离信号y的最优解，通过对分离向量w进行迭代更新，其更新过程为：

w(k+1)＝w(k)+μ_optg

其中，k代表第k次更新，g的搜索方向是对照函数J(y,r)对w的偏梯度，μ_opt表示算法的最优步长，即在每步迭代中使得对照函数达到最大的μ_opt；

迭代至收敛得到分离向量w最优解，则分离信号y(t)＝wx(t)，实现单振源信号的提取。