在傳統的Jacobi優化算法的基礎上，文獻[10]探索了一種具有初始化四階矩矩陣的優化算法，來提高算法的收斂速度和計算效率。

　　用6個模擬源信號進行混合，分別用FastICA算法、JADE算法來與改進Jacobi優化算法進行比較，采取采樣點數從5000變化到30000，來依次統計各個算法的計算時間。3種算法的計算效率如圖7所示。可以看出JADE算法的計算時間相比于其它兩個算法要長，這在大采樣點情況下表現更為明顯，而基于初始化四階矩矩陣的算法與FastICA算法有著接近的計算時間(相差3%左右)。

?

　　圖7 三種算法的計算效率

　　利用仿真試驗來分析各個算法分離信號的信噪比、相關系數以及交叉干擾誤差測度，如表1所示。這三個指標的值越大表明算法實現的分離信號就越逼近源信號，分離的性能就越優良。從表1可以看出，該算法可以得到優于其它兩個算法的信噪比、相關系數以及交叉干擾誤差測度。所提出的算法在分離信號的性能指標上遠優于FastICA算法。

　　4.5 魯棒的二階非平穩源分離方法

　　D. T.Pham對于一組對稱正定矩陣{Mi}提出了一個不同的準則，它不需要進行任何預白化，而且對角化矩陣同時也是分離矩陣[30]。對于有不同功率譜(或等價于不同的自相關函數)的有色源，可以使用時滯協方差矩陣，并由此得到了二階盲辨識(SOBI)算法。Choi和Cichocki對非平衡源SOBI進行修改，提出一種高效靈活的二階非平穩源分離(SONS)方法 [31]。

　　表1 各個算法分離信號的性能指標

?

　　用與4.3節相同的實驗臺，用SONS算法對噪聲含量較少的轉子系統中低轉速數據進行分離，與基于負熵的快速定點算法相比，SONS算法在分離效果上的改善很小。在含有大量噪聲的高速旋轉情況下，基于負熵的快速定點算法對轉子振動信號的分離結果如圖8(a)，在改用SOBI算法后，分離結果得到了改善，如圖8(b)。而在改用SONS算法，分離結果的改善則很明顯，如圖8(c) [32]。

?

　　圖8 用三種算法對高速數據盲源分離結果的比較

　　5 結論

　　本文介紹的內容為將盲源信號分離技術應用于機械振動信號的故障診斷提供了一個依據，也為盲源信號分離應用于實際工程信號的處理打下了基礎。