Blind channel estimation for multiple antenna OFDM system subject to unknown carrier frequency offset

The problem of channel estimation for multiple an- tenna orthogonal frequency division multiplexing （OFDM） systems subject to unknown carrier frequency offset （CFO） is addressed. Multiple signal classification （MUSIC）-Iike algorithm, which generally has been used for direction estimation or frequency estimation, is used for channel estimation in multiple antenna OFDM systems. A reduced dimensional （RD）-MUSIC based algorithm for channel estimation is proposed in multiple antenna OFDM systems with unknown CFO. The Cramer-Rao bound （CRB） of channel estimation in multiple antenna OFDM systems with unknown CFO is derived. The proposed algorithm has a superior performance of channel estimation compared with the Capon method and the least squares method.

Modified MUSIC estimation for correlated signals with compressive sampling arrays

This paper addresses the issue of the direction of arrival （DOA） estimation under the compressive sampling （CS） framework. A novel approach, modified multiple signal classification （MMUSIC） based on the CS array （CSA-MMUSIC）, is proposed to resolve the DOA estimation of correlated signals and two closely adjacent signals. By using two random CS matrices, a large size array is compressed into a small size array, which effectively reduces the number of the front end circuit. The theoretical analysis demonstrates that the proposed approach has the advantages of low computational complexity and hardware structure compared to other MMUSIC approaches. Simulation results show that CSAMMUSIC can possess similar angular resolution as MMUSIC.

DQ变换和MUSIC算法在ITER磁体电源信号间谐波检测中的应用

随着国际热核聚变实验堆(International Thermonuclear Experimental Reactor,ITER)计划的逐步开展,保证ITER磁体电源系统的稳定运行显得尤为重要。文章采用将DQ变换和多信号分类(multiple signal classification,MUSIC)算法相结合的方法进行间谐波频率检测,信号的幅度和相位由最小二乘法来估计。DQ变换可以消除大幅度ITER基波分量,MUSIC算法可以通过矩阵特征分解检测出短数据条件下的谐波和间谐波,适用短时平稳的间谐波检测,两者相结合可以有效检测出大幅度基波附近存在小幅度间谐波。仿真实验表明,计算经DQ变换后检测出的ITER信号谐波频率时,取中间信号计算真实频谱较为正确,两侧信号则有较大的误差。

基于宏微导向的ACO-MUSIC两级相控声源定位算法

针对传统的多重信号分类(multiple signal classification,简称MUSIC)算法定位声源位置时存在计算量大的问题,提出了一种基于宏微导向的蚁群(ant colony optimization,简称ACO)-MUSIC两级相控声源定位算法。首先,利用ACO估算出声源所在的宏观位置,再用MUSIC算法精确搜索声源所在的微观方位;其次,对提出的算法进行数值仿真,并搭建实验系统进行验证。仿真和实验结果表明,所提出的算法可以高精度、快速地定位出声源所在的位置;在搜索步距为0.05°时,算法的计算复杂度和计算时间仅为传统MUSIC算法的0.25%和2.8%。

VMD与MUSIC相结合的超宽带雷达呼吸与心跳检测系统

超宽带雷达是一种重要的生命探测遥感工具,文中利用超宽带雷达穿透能力强、分辨率高等优点,可以得到人体的生命体征信息,处理雷达回波信号可以得到呼吸心跳信息,实现对生命信号的非接触式监测。文中针对回波信号易受环境噪声影响、心跳信号微弱且易受呼吸谐波影响的问题,构造了生命体征模型模拟人体呼吸与心跳频率,提出了一种基于变分模态分解(VMD)与多重分类算法(MUSIC)相结合的方法。使用PulsON440超宽带雷达在1 m距离处进行了实验,与传统的快速傅里叶变换、奇异值分解相比,该方法提取的呼吸和心跳信号更加准确。在不同距离和遮蔽条件下验证了该方法的适用性。结果表明提出的基于MUSIC和VMD相结合的方法能够有效地从大呼吸信号中分离出小心跳信号,准确地检测出呼吸和心跳频率。

基于共形极化敏感阵列的MUSIC算法角度分辨力研究

针对具有超分辨能力的多重信号分类(MUSIC)算法在基于共形极化敏感阵列的被动雷达导引头测向应用中的角分辨力问题,提出了谱函数角分辨力的定义与分辨角门限。利用MUSIC算法零谱的定义近似推导了在渐进有偏条件下的期望值,并针对矢量阵列与标量阵列模型分别得出了相应的角分辨力表达式。以均匀圆形阵列为例,根据计算机仿真模型定量分析了各参量对角分辨力的影响,对比了标量阵列与矢量阵列的分辨角门限统计值。仿真结果表明,在同样的阵列及信号源参数设定条件下,标量均匀圆阵的分辨角值普遍高于矢量均匀圆阵。

典型阵列快速MUSIC算法研究

由于MUSIC(MUltiple SIgnal Classification)算法需要大量的乘法运算和三角函数求值,导致其实时处理能力较弱。为此,该文首先对均匀线阵和均匀圆阵的阵列结构进行分析,提取导向矢量的一些性质。然后,利用Hermite矩阵的性质对复数乘法进行分解,再组建两个实值向量以减少乘法运算次数。最后,利用导向矢量的性质提出一种基于查表的新算法。新算法既没有三角函数求值运算,又不需要大量的存储空间。仿真实验结果表明新算法在没有改变MUSIC算法谱估计的效果的前提下,将MUSIC算法的运算速率提高了50倍以上。因此,新算法具有广阔的应用前景。

模型误差对非圆信号测向MUSIC算法性能的影响

近年来,针对非圆信号的测向算法已陆续提出,对这些算法的渐近性能及Cramer-Rao界的分析也已见报道,但仍未涉及模型误差对此类算法影响的分析.本文概括介绍了用于非圆信号测向的MUSIC(Multiple Signal Classi-fication)算法,对其空间谱函数进行一阶泰勒展开,得到了测向误差的表达式,从而求得测向均方误差统计意义上的表达式.仿真实验验证了推导的正确性,并由理论结果分析了模型误差条件下测向误差与角度间隔和非圆相位差的关系.

阵元间距对MUSIC算法的影响

本文概述了MUSIC算法,当阵元间距不大于载波半波长时,通过分析得出MUSIC算法空间分辨率随阵元间距增大而提高,并推导阵元间距与MUSIC算法性能的定量关系;当阵元间距大于载波半波长时,讨论空间谱可能出现虚假谱峰的情况,并提出提取真实谱峰的方案.最后通过计算机模拟仿真验证文中结论.

基于MUSIC对称压缩谱的快速DOA估计

为提高波达方向(direction of arrival,DOA)估计的速度、降低运算量,在分析多重信号分类(multiplesignal classification,MUSIC)算法原理的基础上,利用噪声子空间降维的思想构造一维MUSIC对称压缩谱(MU-SIC symmetrical compressed spectrum,MSCS)。MSCS通过构造共轭噪声子空间并对噪声子空间及其共轭子空间的交集进行奇异值分解得到,其物理实质等效于在空间辐射源的对称位置添加相同数目的镜像辐射源。理论分析和仿真实验表明,MSCS不受实际阵型的限制,能将DOA估计的计算量降至传统MUSIC算法的50%,并具有与MUSIC相当的估计精度。

DOA估计算法的一种修正MUSIC算法的研究

传统改进MUSIC算法通过对接收信号协方差矩阵作预处理,使信号协方差矩阵分解得到信号子空间与噪声子空间正交,从而降低噪声的影响。但当信号间隔很小时,随着信噪比的降低,传统改进MUSIC算法已无法分辨出信号。基于此问题提出的修正MUSIC算法在使信号子空间与噪声子空间正交的基础上,充分利用了噪声子空间及其特征值对噪声子空间的修正,进而构造谱峰搜索函数估计出信号。通过仿真实验,证实了在信噪比很低的情况下,信号间隔很小且存在相关信号时,修正MUSIC算法能准确地估计出传统改进MUSIC算法不能估计的信号。

基于均匀线阵的改进MUSIC算法

在相干信源下,传统的MUSIC(MUltiple SIgnal Classification)算法不能准确地估计波达方向。为此,在对传统的MUSIC算法进行研究的基础上,提出了一种改进的MUSIC算法。该算法是将阵元接收的数据做相应的变换,从而得到新的阵列数据,再通过求互协方差等运算,得到新的数据协方差矩阵。同时,对该算法和传统的MUSIC算法进行了仿真,对其DOA(Direction-of-Arrival)估计性能进行比较。仿真实验表明,改进后的算法在相干信源的情况下具有很好的去相干性能,而且没有阵列孔径的损失。能精确地估计信号的波达方向。

任意阵列双基地MIMO雷达的半实值MUSIC目标DOD和DOA联合估计

实值处理具有降低高自由度多输入多输出(multiple-input multiple-output,MIMO)雷达角度估计大计算量的优势。但受制于阵列的共轭对称性,对于任意阵列结构的双基地MIMO雷达发射角(direction of departure,DOD)和接收角(direction of arrival,DOA)联合估计,若不做附加的预处理则无法实现实值操作,故将常规阵列实值处理的多重信号分类(multiple signal classification,MUSIC)超分辨算法推广至任意阵列结构的双基地MIMO雷达。首先根据MIMO雷达的导向矢量共轭与镜像的对等性,提取接收信号协方差矩阵的实部,并对其进行特征分解得到"目标加倍"的信号子空间及其应对的噪声子空间;然后利用Kronecker积的特性对其进行降维处理,得到搜索区域减半的一维半实值域MUSIC谱,取出目标DOD真值与其镜像代入降维Capon算法来剔除虚拟峰值得到目标DOD估计真值;最后利用特征矢量得到模糊DOA估计值,采用方向余弦差最小范数方法得到目标DOA无模糊估计值。本文算法估计性能与一维搜索复数域MUSIC相当,计算量约降50%,且能够实现DOD和DOA的自动配对。仿真结果证明了该算法的有效性。

一种基于逐次搜索的快速MUSIC方法

MUSIC方法是一种经典的阵列波达方向(DOA)估计子空间方法,在高信噪比时,该方法有很好的性能,但随信噪比的降低,算法性能下降很快,特别是其分辨概率下降很快。其主要原因是低信噪比和DOA相邻较近时,信号源之间的空间相关性较强。逐次消除空间相关性并逐次搜索DOA的改进MUSIC方法,提高了分辨概率。为降低运算量,采用多级维纳滤波代替特征值分解过程。文中方法具有一般性,适合于基于子空间方法的一大类DOA估计。仿真结果证明了方法的有效性。

基于MUSIC算法的动不平衡信号提取方法研究

针对相关滤波等经典频域分析方法提取动不平衡信号时,近频干扰抑制能力及参数估计精度严重依赖数据长度的问题,提出了一种基于残差MUSIC(multiple signal classification)谱分析的正弦参数估计方法,以残差MISIC谱中给定频率点的幅度值为观测变量判定参数拟合效果,提取该频率成分的幅值和相位。实验表明此方法与相关滤波法相比具有更高的频率分辨率,对抑制近频干扰的能力更出色,较好地解决了提高动不平衡信号提取精度与提高动平衡试验效率难于两全的问题。

基于谱分解的降阶求根MUSIC算法

求根多重信号分类(Root-MUSIC)算法以多项式求根代替谱峰搜索,降低了波达方向(DOA)估计的计算量,但当阵元数较大时,其计算量依然很大。为进一步降低计算量,该文提出一种降阶Root-MUSIC(RD-Root-MUSIC)算法。该算法基于谱分解将Root-MUSIC多项式的阶次降低一半,再根据矩阵特征多项式与求根多项式的关系构造友阵,采用Arnoldi迭代计算得到友阵的L个大特征值(L为信号数)并估计DOA。仿真结果表明,RD-Root-MUSIC估计精度与Root-MUSIC相近,但其在大阵元下具有比Root-MUSIC更低的计算量。

基于广义MUSIC算法的低仰角估计新方法

由于多径信号的存在,米波雷达对低仰角目标的估计性能受到严重影响。针对这一问题,该文首先介绍了广义MUSIC算法及两种改进算法,理论分析表明这些算法有效性的实质是对基本谱峰搜索方式进行加权,抑制了小角度产生的大谱值。在此基础上,该文提出了基于广义MUSIC算法的低仰角估计方法模型,并给出一种新的低仰角估计方法。该方法利用了更加合理的权值,与已有方法相比,估计的成功概率更高,性能更优。仿真试验验证了该方法及模型的有效性和正确性。

MUSIC测向算法的入射方向确定方法

MUSIC(MUltiple SIgnal Classification)等谱峰搜索类算法的计算量主要集中于谱峰搜索过程,加大搜索步长虽可减小计算量,但会引起空间谱的畸变从而造成测向误差。先采用大步长搜索确定谱峰大约位置后再用小步长搜索可以减小测向误差,且增加的计算量较小,但其实时性不佳。文中提出了基于重心估计的入射方向确定方法,利用现有谱峰搜索数据进行后处理,当搜索步长远大于MUSIC测向算法本身的均方根误差(RMSE,Root Mean Square Error)时,可用很小的计算量大大提高测向精度,具有良好的工程应用价值。

dq变换和MUSIC算法在间谐波检测中的应用

随着非线性电力电子器件的大量应用,电网存在频率为基频非整数倍的间谐波,其幅值远小于基波和谐波,并具有时变性,因此对它的检测要难于谐波。为此,采用dq变换和MUSIC算法相结合的方法进行间谐波频率检测,信号的幅度和相位由最小二乘法来估计。dq变换可以消除大幅度基波分量;基于矩阵特征分解的MUSIC算法可检测出短数据条件下的谐波和间谐波,适合短时平稳的间谐波检测,两者相结合可以有效检测出大幅度基波附近存在小幅度间谐波。仿真实验表明,噪声幅度和间谐波幅度相当时。

基于MUSIC和ML方法的MIMO系统参数估计

该文提出了一种基于MUSIC和ML方法联合估计MIMO系统频偏和信道增益的算法,该算法首先使用MUSIC方法估计出多个发射天线到某一接收天线的频偏子集,然后利用最大似然方法在这个有限子集中分离出不同天线对之间的频偏,最后在频率同步的基础上利用最大似然估计器对信道增益进行估计。该算法解决了在估计多个频偏时直接使用最大似然估计进行多维搜索的问题,将多维搜索转化为一维搜索,降低了算法的复杂度。