基于Root-MUSIC算法的激光扫频干涉测量方法研究

玻璃的厚度作为工业生产中的一项重要的指标,如何对其快速的测量成为了研究热点。提出采用激光扫频干涉测量方法,将采样的信号进行插值拟合,校正其拍频非线性,再通过频谱估计法获取距离信息。当测量厚度较小的玻璃时,FFT算法因受栅栏效应和频谱干涉的影响,导致难以在频谱图中将玻璃前后表面的频率区分出来。为解决该问题,采用Root-MUSIC算法处理信号,实验结果表明在FFT算法分辨临近目标频率失效的情况下,Root-MUSIC算法可以进行有效区分,运算效率也远高于MUSIC算法,且精度可达50微米左右,为解决玻璃厚度测量问题提供了思路。

基于高阶累计量Root-MUSIC法和Prony法的轧辊偏心谐波参数估计

针对轧辊偏心信号是混杂在各种随机干扰中含有多次谐波的复杂高频周期信号,以及FFT(Fast Fourier Transform)法对轧辊偏心信号分析的局限性,研究了一种基于四阶累积量的Root-MUSIC(Multiple Signal Classification)法和Prony法相结合的轧辊偏心信号估计新方法.利用基于四阶累积量的Root-MUSIC法准确估计出偏心谐波的频率及谐波的个数,同时由Root-MUSIC求得的根直接使用Prony方法估计出偏心信号的各次谐波幅值和相位.仿真结果和实验结果也验证了结合方法的可行性和有效性,在信噪比较低的情况下仍具有较高的频谱分辨率和估计精度,能准确地同时估计出偏心谐波的频率、幅值及相位,尤其在频率分辨率和抗噪声上具有FFT法无法比拟的优越性.

用于非圆信号二维测向的扩展Root-MUSIC算法

利用双平行线阵的阵列结构,提出了用于非圆信号二维测向的扩展root-MUSIC(ERM)算法。ERM算法估计得到的俯仰角与方位角一一对应,自动配对,无需搜索,其可测向信号数大于子阵阵元数,方位测角精度优于同样基于双平行线阵的二维测向波达方向矩阵法(DOAM),俯仰测角精度在低信噪比下优于DOAM算法,俯仰角兼并时算法仍有效。

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.

基于共轭酉ROOT-MUSIC的一维散射中心提取算法

提出一种新的共轭酉Root-Music算法,并应用于雷达目标的一维散射中心提取。通过合成复观测数据及其共轭,有效利用共轭数据信息,提高一维散射中心分辨率。利用前后向空间平滑修正技术,构造中心复共轭对称矩阵,使其具备厄尔米特特性,通过酉变换使前后向自相关矩阵映射为实值矩阵,进行实值分解,提高计算效率。理论分析和仿真结果表明该算法在提高分辨率的同时有效降低了运算量。

波束域Root-MUSIC算法的进一步降阶处理

研究了波束域降阶Root-MUSIC算法,在子阵分解降阶的基础上,进一步将多项式的求根阶次降到与源数目相同,提出了求解降阶多项式的方法。该方法最大程度地减少了求根多项式的阶次和求解多项式的次数,并保持了Root-MUSIC算法的优良性能。显著降低运算量是其最大优点,仿真结果验证了降阶算法的有效性,并比较了不同阶次波束域Root-MUSIC算法的估计性能。

基于互相关矢量重构的解相干实值Root-MUSIC算法

实值Root-MUSIC算法是一种计算量小、精度高的波达方向估计算法,但其最多能处理两个相干信源,阵元利用率很低。为了解决此问题,提出了一种新的实值Root-MUSIC算法,利用阵列接收数据的互相关矢量重构相关矩阵,使其具有Toeplitz特性。新算法无须空间平滑,无阵列孔径损失,可估计的相干信源数更多。实验仿真表明,与原算法相比,新算法实现更简单、计算量更小、性能更好,对于八阵元的阵列,原算法只能分辨两个相干信源,新算法可以成功估计四个相干信源,为实值类算法在多径环境领域的DOA估计提供了一条新途径。

宽带方位估计的波束域Root-MUSIC算法

高分辨算法的实现是一个受到普遍重视的问题。为降低运算量,提高估计性能,便于工程应用,该文深入研究宽带波束域Root-MUSIC算法,根据波束域处理的空间滤波特性,将被束域求根多项式的根划分在不同的区域,从而基于子阵分解对求根多项式进行降阶处理,仿真实验讨论了不同波束形成矩阵的估计性能,证明了降阶处理的可行性。

基于Root-MUSIC和支持向量机的间谐波参数估计

为准确地检测电力系统中间谐波信号的参数,提出基于求根多重信号分类法(Root-MUSIC)和支持向量机(SVM)的间谐波参数估计方法。首先对采样数据构成的自相关矩阵进行特征分解,利用信号子空间和噪声子空间的正交性求得谐波和间谐波的个数及频率;然后通过支持向量机算法对间谐波信号的幅值和相位进行回归估计。Matlab仿真结果表明:该算法在低信噪比下频率估计准确,利用支持向量机在处理小样本数据上的优势,有效的提高了幅值和相位估计的精度。

基于Root-MUSIC法的轧辊偏心参数估计（英文）

针对轧辊偏心信号是混杂在各种随机干扰中的复杂高频周期信号,因FFT法对信号分析的局限性,提出了一种Root-MUSIC(Multiple Signal Classification)法和Prony法相结合的轧辊偏心信号估计新方法。利用Root-MUSIC法准确估计出偏心谐波的频率及谐波的个数,同时使用Prony方法估计出偏心信号的各次谐波幅值和相位。仿真结果验证了可行性和有效性,在信噪比较低的情况下仍能准确地同时估计出偏心谐波的频率、幅值及相位,尤其在频率分辨率和抗噪声上比FFT法具有优越性。

二维Root-MUSIC算法的快速实现方法

目前实际测向系统中所需DSP数目较多,系统设计较复杂,测向时效性不足。针对于此,基于一种改进的二维DOA估计算法—2D FD-Root-MUSIC算法,研究了在FPGA+DSP平台上快速实现DOA估计。首先介绍了数据的量化误差及分析,给出了算法的定点编程实现流程,然后对浮点数据进行量化仿真,确定算法在硬件中的定点位数,最后通过对浮点数据进行量化仿真的结果,设计了协方差矩阵、噪声子空间、谱值及FFT的定点计算结构,并分析了各单元运算速度及资源量。仿真结果表明,改进算法经过并行化处理后,实现速度可有效加快。

基于子空间的Root-MUSIC方位超分辨估计

在现代脉冲雷达中 ,加性噪声不一定是高斯噪声 ,如果利用二阶统计量进行估计 ,将会带来较大误差。从阵列信号处理的角度出发 ,采用Root-MUSIC方法 ,提出一种新估计量以获得多个独立目标的方位角。通过对等幅调相信号的仿真 ,验证了该新估计量有较好的性能。

二维 Root-MUSIC

将一维Ｒｏｏｔ－ＭＵＳＩＣ推广到二维，从而得到了一种新的二维方向估计方法，它具有计算量小的优点。

基于传播算子的Root-MUSIC算法

传播算子(PM)法不需要进行复杂的特征值分解,减小了计算量,但仅在信噪比较高的情况下才有较好的波达方向估计性能,且谱峰搜索仍需要较大计算量。在此基础上提出了一种改进的算法PM-Root-MUSIC,它不需要特征值分解,同时用多项式求根代替谱峰搜索,大大减少了计算量。理论分析和计算机仿真结果表明此方法是有效的。

Root-MUSIC,PM,MUSIC算法的比较

对测向算法(DOA)中的2种降低运算量的算法,即求根的MUSIC算法(Root-MUSIC)和传播算子算法(PM),与多重信号分集算法(MUSIC)进行比较,并对两者降低运算量的作用进行了有效性分析和验证.Root-MUSIC算法通过求根降低运算量,PM通过矩阵乘法代替矩阵分解降低运算量.仿真结果表明,在阵元数较少时Root-MUSIC是最有效的算法,否则PM算法更为有效.

基于L型阵的二维Root-MUSIC波达方向估计算法

提出一种适用于L型阵列的基于Root-MUSIC的二维DOA估计算法。该算法先利用L型阵列的两个相互垂直的线阵独立的估计波达方向,然后利用该L阵构造二维MUSIC谱峰搜索表达式实现先前两个独立线阵计算出来角度的配对。本算法不仅具有MUSIC算法高分辨率的优点,还有运算量小、方法简单的特点。

基于均匀圆阵的Root-MUSIC算法

基于傅氏域的Root-MUSIC算法提出了一种均匀圆阵的二维DOA估计算法,该算法利用多项式求根的方法避免谱峰搜索,且能进行二维DOA估计;进一步提出用傅里叶反变换取代算法中的多项式求根以减小计算量。本算法不受阵列孔径比的限制和阵元个数的影响,无需模式变换和流形分离,计算量较小,易于工程实现。计算机仿真结果表明算法的有效性。

多子阵波束域Root-MUSIC算法并行处理实现方法

在对MSB-RMU算法计算量分析的基础上,研究了基于并行Jacobi方法的特征值分解算法,并设计了一种基于FPGA的采用双边CORDIC结构的并行Jacobi实现方法,为特征分解类算法提供了一种高效的单芯片解决方案。最后讨论了MSB-RMU算法在一块由6片DSP和2片FPGA组成的并行信号处理平台的实现过程。试验结果表明,设计的并行处理方法能够满足多子阵波束域Root-MUSIC算法的实时实现。

基于相位编码MIMO引信的RC-ROOT-MUSIC DOA估计算法

提出了一种应用于相位编码体制MIMO引信波达方向(DOA)估计的降维多项式求根多重信号分类算法(RC-ROOT-MUSIC)。利用接收信号数据的冗余,借助降维变换矩阵降低快拍数需求以及协方差矩阵计算的复杂度。为了进一步减小计算复杂度,考虑谱峰搜索引起的计算复杂度,对经过RC-MUSIC算法的空间谱函数进行多项式求根,得到空间谱函数的极值点,而目标DOA由所有极值点集决定。仿真结果证明该多项式求根降维MUSIC算法(RC-ROOT-MUSIC)算法能精确地测量波达方向并且大幅度地减小计算复杂度。

基于四元数的Root-MUSIC的双基地MIMO雷达中角度估计算法

该文将四元数理论应用到双基地集中式多输入多输出(MIMO)雷达的角度估计中。文中通过传统数据模型构造四元数矩阵,提出了基于四元数的求根-多重信号分类(Root MUltiple SIgnal Classification,Root-MUSIC)的MIMO雷达中角度估计算法,该算法通过奇异值分解和Root-MUSIC来估计出发射角(Direction Of Departure,DOD)和接收角(Direction Of Arrival,DOA)。该算法的角度估计性能远优于现有文献的方法,并且无需谱峰搜索,复杂度大大降低。仿真结果验证了算法的有效性。