中文摘要：

盲源分离(BSS)是一个仅从检测信号提取独立源信号的新技术，亦是一个提取复合机械故障特征，发现未知故障振源的潜在的好工具。然而实际应用中，完全满足BSS独立性要求的振源信号很少，极大影响BSS的应用效果。鉴于BSS为MIMO系统，本项目从一个新的视角- - 系统模型角度展开对相关振源信号盲提取的理论和方法研究。从系统论看，信道的系统特性可以清晰地反映源信号的混合形式，为此，通过对机械测试系统常见的一至三阶系统的幅频与相频特性研究，将源信号传输信道分为瞬时混合、时延衰减混合及卷积混合三种模型，并针对不同的信道模型，提出相应的相关源信号盲分离和混合模型辨识算法。本项目的研究为BSS提供新理论、新方法，对改善BSS目前的应用困境具有重要的理论意义和实际应用价值。

结论摘要：

盲源分离技术仅从设备观测信号中分离多个未知的故障振源信号，是一个提取复合故障特征的好工具。然而实际应用中，完全满足盲源分离独立性要求的振源信号很少，极大影响其应用效果。为此，本项目从系统论角度将振源信号传输信道按线性瞬时混合、时延衰减混合以及时延卷积混合三种模型展开相关源信号盲提取的系列理论研究。首先，从系统论角度出发研究源信号三种混合模型的传输特性，针对不同的混合模型采取不同分离处理方法，以化简问题。同时，提出频域中相关源信号的定义，为项目的研究奠定理论基础。其次，对于线性瞬时混合相关源信号盲分离，提出基于遗传模拟退火聚类和受限非负矩阵分解两种相关源信号的提取算法，并针对欠定状况提出基于空间频率分布矩阵重构的盲信号提取算法。第三，提出基于相关性的时延衰减混合模型和时延卷积模型的多维盲信号时延估计方法，并通过时延估计对源信号进行盲定位。第四，对卷积模型，提出解决源序不确定的新方法，以及基于源序确定的源信号恢复及传输信道动力学模型辨识方法。最后，在深入研究复杂的时延卷积混合模型后，指出基于模态参数的卷积混合盲分离方法的可行性，并提出基于盲系统辨识的模态分析方法。通过本项目的研究，提高了复合故障源信号的特征提取精度，完善和发展盲源分离理论和技术，拓展了其应用领域。