第1章 绪论
1.1 概述
1.2 本书研究的目的及意义
1.3 结构模态识别的研究现状
1.3.1 模态参数频域识别法
1.3.2 模态参数时域识别法
1.3.3 模态参数时频识别法
1.4 结构损伤识别的研究现状
1.4.1 基于动力指纹的损伤识别
1.4.2 基于模型修正的损伤识别
1.4.3 基于神经网络的损伤识别
1.4.4 基于进化算法的损伤识别
1.5 盲源分离技术的研究现状
1.5.1 基于源信号统计特征的盲源分离
1.5.2 基于源信号结构特征的盲源分离
1.5.3 基于源信号非平稳性的盲源分离
1.5.4 BSS算法的快速性
1.5.5 BSS算法分离效果的评价指标
1.5.6 BSS算法分离的不确定性
1.6 本书主要研究内容
第2章 盲源分离的基本理论和方法
2.1 概述
2.2 盲源分离模型描述
2.2.1 盲源分离的数学模型
2.2.2 盲源分离的基本假设
2.2.3 盲源分离的不确定性
2.3 盲源分离的数学基础
2.3.1 概率论与统计基础
2.3.2 信息论基础
2.4 盲源分离的预处理
2.4.1 中心化
2.4.2 白化
2.5 盲源分离的目标函数
2.5.1 基于极大似然估计的目标函数
2.5.2 基于互信息最小化的目标函数
2.5.3 基于非高斯最大化的目标函数
2.6 盲源分离的优化算法
2.6.1 批处理算法
2.6.2 自适应算法
2.6.3 逐层分离法
2.7 基于盲源分离的信噪分离
2.7.1 FastICA基本理论
2.7.2 SOBI基本理论
2.7.3 信噪分离试验
2.8 本章小结
第3章 基于量子遗传算法的时源盲分离的时延优化选择
3.1 概述
3.2 时源盲分离的基本模型
3.2.1 AMUSE算法
3.2.2 TDSEP算法
3.3 遗传算法
3.3.1 染色体编码
3.3.2 适应度函数
3.3.3 遗传算子
3.3.4 GA控制参数
3.4 量子遗传算法
3.4.1 量子染色体
3.4.2 QGA描述
3.4.3 量子进化
3.5 语音仿真试验
3.6 本章小结
第4章 基于改进型盲源分离的结构模态参数识别
4.1 概述
4.2 结构振动响应与盲源分离
4.2.1 自由振动响应分析
4.2.2 振动响应模型与BSS模型
4.3 非对称非正交联合对角化算法
4.3.1 非对称非正交JAD的代价函数
4.3.2 非对称非正交JAD的算法实现
4.4 基于扩展型SOBI的模态参数识别
4.5 试验与分析
4.5.1 复模态系统仿真试验
4.5.2 钢框架结构模型试验
4.6 本章小结
第5章 基于盲源分离特征提取的结构损伤识别研究
5.1 概述
5.2 ICA特征提取
5.3 基于ICA—QBP的结构损伤判别
5.3.1 量子位和通用量子门
5.3.2 量子神经元模型
5.3.3 QBP网络模型
5.3.4 QBP网络学习算法
5.3.5 ICA-QBP损伤判别流程
5.3.6 ICA-QBP试验研究
5.4 基于ICA-SVM的结构损伤识别
5.4.1 最优分类超平面
5.4.2 线性可分SVM算法
5.4.3 线性不可分SVM算法
5.4.4 内积核函数
5.4.5 ICA—SVM损伤识别流程
5.4.6 ICA—SVM试验研究
5.5 基于ICA—Maha的结构损伤识别
5.5.1 Mahalanobis置巨离理论
5.5.2 ICA—Maha损伤识别流程
5.5.3 ICA—Maha试验研究
5.6 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献

本书以大型复杂结构健康监测技术研究为背景，以钢结构平台为研究对象，主要对基于盲源分离技术的结构振动信号分析处理进行了比较深入的研究。重点阐述了结构振动响应的信噪分离、基于二阶统计量的盲源分离算法（BBS）中的时延优化选择、可识别复模态参数的扩展型二阶盲辨识算法（SOBI）以及基于盲源分离特征提取的损伤识别方法。
本书可供从事结构健康监测研究的技术人员阅读参考，也可作为土木工程、船舶与海洋工程学科专业教师与研究生的参考用书。