基于Root-MUSIC和Adaline神经网络的间谐波参数估计

为了提高电力系统间谐波分析的精度和分辨率,提出基于求根多重信号分类法(root-MUSIC)和自适应线性神经网络的间谐波参数估计方法.该算法利用求根多重信号分类法估计信号中谐波和间谐波的个数及频率,将谐波和间谐波的频率作为Adaline神经网络的输入进行学习,用得到的权值确定谐波和间谐波的幅值和相位;将频率作为权值在改进的Adaline神经网络中参与学习,估计谐波和间谐波的频率、幅值和相位.Matlab仿真结果表明,该算法频率分辨率高、检测准确、收敛快;当频率估计准确时,基本Adaline神经网络与改进的Adaline神经网络具有相近的检测精度,且前者的实时性更好.

POLYNOMIAL COEFFICIENT FINDING FOR ROOT-MUSIC

Root-MUSIC (MUltiple SIgnal Classification) is the polynomial rooting form of MUSIC, namely, the spectrum peak searching is resplaced by the polynomial rooting in MUSIC implementation. The coefficients finding of the polynomial is the critical problem for Root-MUSIC and its improvements. By analyzing the Root-MUSIC algorithm thoughly, the finding method of the polynomial coefficient is deduced and the concrete calculation formula is given, so that the speed of polynomial finding roots will get the bigger exaltation. The particular simulations are given and attest correctness of the theory analysis and also indicate that the proposed algorithm has preferable estimating performance.

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%。

Computationally efficient direction finding using polynomial rooting with reduced-order and real-valued computations

The root multiple signal classification（root-MUSIC） algorithm is one of the most important techniques for direction of arrival（DOA） estimation. Using a uniform linear array（ULA） composed of M sensors, this method usually estimates L signal DOAs by finding roots that lie closest to the unit circle of a（2M-1）-order polynomial, where L 〈 M. A novel efficient root-MUSIC-based method for direction estimation is presented, in which the order of polynomial is efficiently reduced to 2L. Compared with the unitary root-MUSIC（U-root-MUSIC） approach which involves real-valued computations only in the subspace decomposition stage, both tasks of subspace decomposition and polynomial rooting are implemented with real-valued computations in the new technique,which hence shows a significant efficiency advantage over most state-of-the-art techniques. Numerical simulations are conducted to verify the correctness and efficiency of the new estimator.

A Time-Frequency Associated MUSIC Algorithm Research on Human Target Detection by Through-Wall Radar

In this paper,a time-frequency associated multiple signal classification(MUSIC)al-gorithm which is suitable for through-wall detection is proposed.The technology of detecting hu-man targets by through-wall radar can be used to monitor the status and the location information of human targets behind the wall.However,the detection is out of order when classical MUSIC al-gorithm is applied to estimate the direction of arrival.In order to solve the problem,a time-fre-quency associated MUSIC algorithm suitable for through-wall detection and based on S-band stepped frequency continuous wave(SFCW)radar is researched.By associating inverse fast Fouri-er transform(IFFT)algorithm with MUSIC algorithm,the power enhancement of the target sig-nal is completed according to the distance calculation results in the time domain.Then convert the signal to the frequency domain for direction of arrival(DOA)estimation.The simulations of two-dimensional human target detection in free space and the processing of measured data are com-pleted.By comparing the processing results of the two algorithms on the measured data,accuracy of DOA estimation of proposed algorithm is more than 75%,which is 50%higher than classical MUSIC algorithm.It is verified that the distance and angle of human target can be effectively de-tected via proposed algorithm.

A Tunable Resolution MUSIC Algorithm for Interharmonics Analysis

The harmonic and interharmonic analysis recommendations are contained in the latest IEC standards on power quality. Measurement and analysis experiences have shown that great difficulties arise in the interharmonic detection and measurement with acceptable levels of accuracy. In order to improve the resolution of spectrum analysis, the traditional method (e.g. discrete Fourier transform) is to take more sampling cycles, e.g. 10 sampling cycles corresponding to the spectrum interval of 5 Hz while the fundamental frequency is 50 Hz. However, this method is not suitable to the interharmonic measurement, because the frequencies of interharmonic components are non-integer multiples of the fundamental frequency, which makes the measurement additionally difficult. In this paper, the tunable resolution multiple signal classification (TRMUSIC) algorithm is presented, which the spectrum can be tuned to exhibit high resolution in targeted regions. Some simulation examples show that the resolution for two adjacent frequency components is usually sufficient to measure interharmonics in power systems with acceptable computation time. The proposed method is also suited to analyze interharmonics when there exists an undesirable asynchronous deviation and additive white noise.

极化敏感阵列到达方向估计方法的FPGA实现

针对将传统的复数多重信号分类(MUSIC)算法直接嵌入现场可编程门阵列(FPGA)将消耗大量硬件资源和计算时间的问题,该文提出基于极化敏感阵列的实数化的MUSIC算法的FPGA实现方案。利用圆形分布极化敏感阵列的中心对称特性,提出一种实数化预处理方法,该方法直接对接收信号做线性变换,从而简化极化MUSIC算法的后续计算。该FPGA方案通过协方差矩阵模块并行计算、特征值分解模块采用多级清扫的并行Jacobi算法、多尺度谱峰搜索和各个模块的流水线工作来减少算法耗时。试验结果表明,与复数极化MUSIC算法相比,该方案大大降低了硬件资源消耗和时间消耗。

载频-重频联合捷变雷达目标参数估计方法

针对载频重频联合捷变体制雷达目标参数估计问题,提出了一种新的基于多重信号分类(multiple signal classification,MUSIC)算法的载频重频联合捷变雷达目标参数估计方法。通过信号模型的空时等效,将时域信号的处理等效成空域阵列信号的处理,并将超分辨阵列信号处理方法应用到目标的参数估计中,从而把目标距离和速度的估计等效成阵列中二维参数的估计,解决了由于载频重频联合捷变所带来的目标参数估计难题。仿真实验表明,所提方法能有效实现对目标距离和速度的超分辨估计。

基于分段互质采样的谐波和间谐波频率估计方法

电力系统中电力电子产生的谐波数量不断增加,谐波问题是一个重要的问题。本文提出了一种改进的互质采样(Coprime sampling,CS)方案,用于谐波和间谐波频率估计。所提方案使用稀疏采样来降低采样率,并将其与现代频谱估计算法相结合。特别是,使用分段互质采样(Segmented coprime sampling,SCS)方法,然后使用求根多重信号分类(Root-multiple signal classification,root-MUSIC)算法代替常用的MUSIC算法可以减少计算工作量并获得准确的频率估计。仿真结果表明,该方法在估计精度上优于传统的均匀采样(Uniform sampling,US)方法。

米波极化敏感阵列的实值MUSIC测高方法

为获得更高的相干信号角度估计精度,并提高算法可实现性,在极化敏感阵列的基础上,文中提出了一种米波极化敏感阵列的实值多重信号分类测高方法。该方法首先采用矩阵重构的方法消除多径相干信号的影响;其次,利用酉变换对接收数据进行实值处理使其变为实数数据,并利用奇异值技术降低接收数据维度及噪声对接收数据的影响;然后,通过对特征值分解获得的噪声子空间矩阵进行空间谱估计获得目标仰角;最后,利用几何关系获得目标高度。由于该方法完全用实值运算来表述,因而可以显著降低计算复杂度。仿真结果表明:该方法测高精度更高,更利于工程实现。

混合阵列误差校正与快速极化MUSIC算法

为解决通道不一致性对传统极化敏感阵列长矢量模型的测向精度影响及传统长矢量多重信号分类(multiple signal classification,MUSIC)算法实时性不高的问题,本文在传统极化敏感测向系统基础上,在阵列中心增加一个标量平面螺旋天线,利用其天线方向图的增益稳定性,作为内部源对其他矢量通道不一致性进行实时校正;然后将结合标量圆阵和快速傅里叶变换(fastFouriertransform,FFT)的快速MUSIC算法推广到矢量阵列,提出降维快速极化MUSIC算法.仿真结果验证了此误差校正方法的有效性,且快速算法在保证测角精度前提下有效提高了算法实时性.本文为极化敏感阵列测向提供了一种误差校正方法及一种快速实用的测向算法.

基于空间平滑算法的改进多重信号分类算法

为了提高传统解相干算法的估计精度,提出了一种基于空间平滑算法的改进多重信号分类算法。将空间平滑算法的子阵互相关产生的前向平滑修正矩阵和后向平滑修正矩阵与子阵自相关矩阵互相关产生的前向平滑修正矩阵和后向平滑修正矩阵分别相加,得到新的前向平滑矩阵和后向平滑矩阵,再通过矩阵分解法将新的前向平滑矩阵和后向平滑矩阵进行组合,使用奇异值分解对组合后的矩阵进行分解得到信号的噪声子空间,并通过多重信号分类算法进行估计,最大限度的利用了前向平滑修正矩阵和后向平滑修正矩阵的信息。经过仿真验证,该算法在信号相干条件下能精确地估计入射角度,并且对比现有的解相干算法在信噪比相同条件下估计性能提升了9%。

基于协方差矩阵Toeplitz重构的MUSIC算法的波达方位估计方法

针对传统波达方向(Direction of Arrival,DOA)估计方法通过空间平滑对相干信号进行处理损失阵列孔径的问题,文章提出了一种基于协方差矩阵托普利兹(Toeplitz)矩阵重构的多重信号分类(Multiple Signal Classification,MUSIC)算法的波达方位估计方法。该方法首先根据阵列接收数据的协方差矩阵及其翻转矩阵来构造新协方差矩阵,并利用新协方差矩阵构造Toeplitz矩阵,然后对其进行特征值分解,得到Toeplitz矩阵的噪声子空间,利用噪声子空间求出信号空间谱,通过谱峰搜索估计入射信号的方位角。文中方法拓展了阵列孔径,增加了可估计相干信号的数量,提升了方位估计的性能,提高了阵列的空间分辨率。仿真和湖上实验数据处理结果表明,文中方法可估计出更多的相干信号,而且在低信噪比、少快拍以及信号入射角度间隔较小时仍然具有良好的方位估计性能。

一种基于低成本软件无线电的二维测向系统设计

为解决现有测向系统体积大、运算量高、成本高、同步采集困难等问题,设计了一种低成本高精度二维测向系统,由五阵元十字型天线阵列及HackRF One同步采集子系统组成。该测向系统通过外接频率源、引入时间同步信号以及初始相位校准分别实现了接收设备间频率同步、时间同步、相位同步,然后将同步的采集信号采用多重信号分类(Multiple Signal Classification,MUSIC)算法进行处理,估计出二维波达方向。实验结果表明,系统的同步误差可控制在一个采样周期内,定位误差小于2°,可广泛应用于雷达、声呐、室内定位等多种领域。

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。

基于数据相关的多雷达融合成像相干配准研究

针对多频带雷达融合成像中不同雷达信号间的相干配准问题,提出了一种新的基于雷达测量数据相关的相干配准方法。该方法在相干配准时不需对各雷达数据分别建模,相对于现有文献中采用的基于信号模型的相干配准法,降低算法复杂度的同时消除了建模误差,提高了相位参数估计的精度。对相干配准后的各雷达数据,通过超分辨和最优迭代方法建立全局信号模型,并对空白频带进行数据预测,得到整个频域范围的目标频率响应。仿真结果表明,该方法相干配准时相位参数的估计性能和最终的融合成像性能均优于现有的模型相关方法,且具有良好的抗噪性能。

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.

一种不需要特征值分解的MUSIC方法

MUSIC方法是空间谱估计中经典的子空间方法。提出了一种构造参考信号的预处理模型,提出了一种适合于MUSIC方法的多级维纳滤波结构。新方法避免了采样数据二阶统计的特征值分解,降低了运算量。仿真结果证明了方法的有效性。

基于空间谱和支持向量回归机的间谐波分析

针对电力系统中存在的间谐波问题,提出一种结合参数法和非参数法特点的间谐波频谱分析算法。首先,为了应用空间谱分析需要将电网信号变换为空域信号;然后应用盖氏圆盘估计协助求根多重信号分析算法准确估计信号源数及其频率;最后由稳健支持向量回归机计算幅值和相角。获得准确频率信息后,支持向量回归机计算的频率范围变成已知的有限频率点,计算量降到最低,并且此算法无需同步采样和过长的采样数据。通过仿真和实例检测,验证了该方法的有效性。

基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测新方法

将高频率分辨力谱估计技术与优化算法相结合而提出一种新的异步电动机转子故障检测方法。针对两种典型的高频率分辨力谱估计技术——多重信号分类(multiple signalclassification,MUSIC)与旋转不变信号参数估计技术(estimation of signal parameters via rotational invariancetechnique,ESPRIT),应用模拟转子故障的定子电流信号测试其频率分辨力、精度等性能,结果表明:即使对于短时信号,二者仍具高频率分辨力,可以准确地分辨定子电流信号中转子故障特征分量、主频分量之频率;但对其幅值、初相角,仅能提供"粗糙"估计。为此,尝试以优化算法——模拟退火算法(simulated annealing algorithm,SAA)与模式搜索算法(pattern search algorithm,PSA)确定各分量的幅值与初相角。同时,分别对MUSIC与ESPRIT、SAA与PSA做了性能对比,遴选优者并应用于转子故障检测。最后,针对转子断条故障进行实验,结果表明:基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测方法有效、可行,即使在负载波动、噪声等干扰严重情况下仍然适用。