一种欠定盲源分离方法及其在模态识别中的应用附Matlab代码
✅作者简介：热爱科研的Matlab仿真开发者，擅长
毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥 内容介绍
一、研究背景与问题提出
1. 结构模态识别工程需求
模态识别是结构动力学、机械故障诊断、桥梁 / 飞行器健康监测核心技术，目标是从振动混合响应中提取固有频率、阻尼比、振型三类模态参数。环境激励下（风、车流、设备运转）仅能采集输出响应，无可控激励，属于输出 - only 模态识别；传统频域分解法、随机子空间法、ICA 盲分离存在严苛前提限制。
2. 传统正定 / 超定盲源分离固有缺陷
经典独立分量分析 ICA、二阶盲辨识 SOBI 仅适用于传感器数m≥模态源数n（正定 / 超定），存在三大工程痛点：
- 传感器布置受限
：大型桥梁、飞行器、狭小设备测点空间不足、布线成本高，大量场景只能布设少量传感器，满足m≥n条件代价极高；
- 模态密集场景失效
：结构高阶模态数量多，少量传感器无法覆盖全部模态，天然形成欠定条件m<n；
- 传感器故障鲁棒性差
：任一传感器失效直接退化为欠定系统，传统 ICA 方程组无解。
从数学角度：欠定线性混合方程组X=AS，混合矩阵A∈Rm×n行数小于列数，有无穷多组解，传统依赖矩阵求逆、二阶统计的 BSS 算法完全失效。
3. 欠定盲源分离（UBSS）解决思路
结构单模态响应信号在时频域具备天然稀疏性：任意时刻频域内仅少数模态存在能量，其余模态幅值近似为 0（单源时频点）。基于稀疏分量分析 SCA构建欠定盲分离框架：先在时频域筛选单源点聚类估计混合矩阵（振型矩阵），再通过稀疏重构恢复各阶独立模态源，实现少量传感器识别多阶模态，突破传统 BSS 传感器数量约束。
4. 研究创新价值
理论层面：利用模态时频联合稀疏特性，解决欠定线性混合无唯一解难题；
工程层面：大幅减少传感器布设数量，降低测试成本，适配大型结构、机载设备、狭小机械模态测试；
算法层面：改进聚类与单源筛选策略，提升密集模态、强噪声下分离精度，完善 “UBSS 分离 + 模态参数提取” 一体化流程。