这次上传的代码是关于特征提取的主要算法之一：ica，其比pca要好-this code is uploaded on the main feature extraction algorithm : ica, better than the PCA

针对滚动轴承复合故障信号特征难以分离的问题， 提出将双树复小波变换和独立分量分析( ICA) 结合的故障诊断方 法 该方法首先将非平稳的故障信号通过双树复小波变换分解为若干不同频带的分量 由于各个分量存在一定的频率混叠， 对 故障信号特征提取有很大的干扰， 进而引入 ICA 对各个分量所组成的混合信号进行盲源分离， 从而尽可能消除频率混叠 最后 对从混合信号中分离出来的独立分量信号进行希尔伯特包络解调， 即可实现对复合故障特征信息的分离和故障识别-Aiming at the diff

为了快速准确地计算电噪声奇异性, 在介绍信号奇异性计算方法的基础上, 将其引入到电噪声信号分 析中, 提出一种新的基于多重分形奇异性指数计算信号电噪声的方法。新方法利用多重分形来提取电噪声中可 以表达信号内在细节特征的奇异点Hê lder指数, 通过计算电噪声中Hê lder指数的差异来进行噪声分析。通过 对实测电迁移和光耦电噪声的计算分析表明, 电迁移后期奇异性指数会发生突变 而良品光耦器件和次品光耦 器件在信号噪声的平均H ê lder指数方面差异明显。实验结果证明本方法是一