提出了一种新的盲源分离方法。 在实际工程中，当我们记录振动信号时，传感器之间的时间延迟是不可避免的。 因此，我们希望开发一种有效的欠定 BSS 方法，该方法可以分离延迟混合中的源。 然而，SCA 作为一种有效的欠定 BSS 方法，仅限于处理此类信号。 这就是 YGBSS 的动机。 提交的论文只是说明了 YGBSS 在结构动力学方面的有效性。 准确地说，它可以用于其他领域，例如故障诊断，损坏监视等。 频率能量数据的聚类特征是一个有趣的特征，有很多用途。 论文题目： 一种应用于模态识别的欠定盲源分离方法 论文网站： https://www.hindawi.com/journals/sv/2019/1637163/

本文给出了一种基于特征矩阵联合近似对角化（JADE， Joint Approximate Diagonalization of Eigen-matrices）的共形阵列信号DOA估计算法。该算法首先对接收数据进行白化处理，利用白化后的数据构造四阶累计量矩阵，通过对特征矩阵联合近似对角化获得流形矢量矩阵的估计，从而实现信号的DOA估计。算法对阵列形状限制小，无需谱峰搜索。以圆台共形阵列为例，通过仿真实验验证了算法的有效性。

文中分别采用经验模态分解（EMD），变分模态分解（VMD）两种预处理方法，使单通道观测信号由欠定信号转为正定或超定从而解决其“非欠定”限制，并对此两种预处理方法进行仿真实验对比验证，研究表明，不同的预处理方法会影响信号盲分离的结果，寻找一种高效、快速的预处理方法是解决欠定盲信号分离的关键，且仿真实验结果表明，VMD预处理方法更具优越性。