IR-UWB系统中基于root-MUSIC算法的TOA和DOA联合估计

针对二维多重信号分类算法可以估计出系统的到达时间(TOA,time-of-arrival)和波达方向(DOA,directionof-arrival)参数,但需要复杂度非常高的二维谱峰搜索这一问题,提出了IR-UWB系统中基于求根MUSIC(root-MUSIC)的TOA和DOA联合估计算法,该算法对接收信号的频域形式建模,先估计出TOA,然后由TOA的差值计算出DOA,从而实现TOA和DOA的联合估计。该算法不需谱峰搜索,可直接给出估计参数的闭式解,还可实现参数配对。还推导了参数估计的误差方差。仿真结果表明,该算法的参数估计性能明显优于矩阵束算法、传播算子算法以及基于旋转不变技术估计信号参数算法,并且非常接近于2D-MUSIC算法,但该算法的复杂度却远远低于2D-MUSIC算法。

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.

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.

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.

单脉冲测角的二维分级主旁瓣干扰联合抑制方法

针对矩形平面阵列天线同时存在主、旁瓣干扰的单脉冲测角问题,该文设计了2维分级自适应单脉冲波束形成算法(TDHJ-ADBF)。TDHJ-ADBF算法将矩形平面阵分为方位维和俯仰维两个正交维度,采用2维分级处理架构:第1级处理在测角维进行,采用低运算量的压缩多重信号分类法对测角维主瓣干扰进行快速识别与方向估计,构造阻塞矩阵滤除主瓣干扰,获得仅含旁瓣干扰和噪声的协方差矩阵,进而对和、差波束方向图进行指向与鉴角曲线联合约束,完成测角维旁瓣干扰抑制与波束形成处理;第2级在非测角维对残留的测角维主瓣干扰进行抑制。通过2维分级处理实现主、旁瓣干扰联合对抗,并保持单脉冲测角的鉴角曲线线性度。仿真结果表明,TDHJ-ADBF算法实现了对主、旁瓣干扰联合抑制,具有高精度的单脉冲测角性能。

模态联合空域估计的毫米波雷达呼吸心率检测

在毫米波雷达检测人体呼吸率和心率过程中,周围环境存在的静态杂波使得雷达极难分辨人体胸腔运动信息,从而影响了呼吸信号和心跳信号的分离.同时,由于呼吸信号在高频带的谐波分量与心跳信号所处低频带部分的频率相近,很难分离.为解决上述问题,提出了一种模态联合空域估计的检测方法,主要采用单轮集成经验模态分解(SEEMD)算法将胸腔相位信号分解为各模态分量,以消除静态杂波对呼吸心跳信号的影响,再采用多重信号分类(MUSIC)算法将心跳模态分量信号由时域转换到空域中估计其频率,以消除呼吸谐波的影响.实验结果表明,本方法检测下的呼吸率准确率为95.76%,心率准确率为98.76%.与传统算法相比,本文所提方法下的呼吸率和心率估计更为准确.

一种采用集成装袋树的雷达多次回波分类方法

传统雷达多次回波分类方法容易受到目标类型和幅度起伏特性等因素的影响,其泛化性和准确性难以满足雷达装备实际需求。针对该问题,提出了一种采用集成装袋树的雷达多次回波分类方法。该方法首先对雷达多脉冲回波数据进行幅度对数变换和相邻脉冲幅度补齐预处理操作,然后利用决策树算法从标注的训练数据中学习雷达多次回波在脉冲维的幅度起伏特征,最后通过多个分类器的集成实现对雷达多次回波的准确分类。实测雷达数据验证结果表明,所提方法分类准确率达到了95.9%,可有效提升雷达多次回波的分类性能,并且不依赖于经验门限的特性,增强了其泛化能力。

基于Zynq和蜜蜂进化遗传算法的声源实时定向系统

针对声源定向系统利用多重信号分类(MUSIC)算法测向时存在精准度高,但实时性偏低的问题,基于Zynq平台和蜜蜂进化遗传算法(BEGA),设计了一款软硬件协同工作的声源实时定向系统。系统利用MEMS麦克风均匀圆阵和Zynq采集和传输声源数据,并引入BEGA提升MUSIC算法搜索谱峰的速度。实验表明,硬件平台具有不掉帧、延迟低的优良性能,同时数据处理单元利用BEGA大幅缩短了谱峰搜索的时间,并且具备精准的定向性能。因此,该系统满足实时性要求,也保留了MUSIC算法精准度高的优点。

恶臭气相色谱信号的分类算法研究

工业化的快速发展带来了恶臭污染问题,而现有的恶臭气相色谱仪(gas chromatography, GC)面临着因算力分配不均而导致的效率低下的问题。通过对恶臭气相色谱信号进行分类并分派给为每种峰形定制的解析算法可以使算力分配得以优化。文中致力于恶臭气相色谱信号分类算法的研究,着重进行了恶臭气相色谱信号的处理,并对比了K最近邻(K-nearest neighbor, KNN)、支持向量机(support vector machines, SVM)、随机森林(random forest, RF)3种分类算法的性能。首先对信号进行预处理,提取了特征点并计算特征参数,以特征参数为分类依据代入算法程序并检验算法的准确率,以此来评价每种算法的性能。实验结果显示RF算法拥有较好的应用效果和发展潜力。该文可为实现算力的均衡分配提供一些参考依据。

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%。

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L型声阵列多重信号分类声源测向研究

变电站二次设备故障声源复杂多变,且在空间狭窄、位置不易接触的设备上采用接触式振动传感器采集振动信号有很大的局限性,基于非接触式的声阵列装置采集到的声音信号可以解决这些问题。针对变电站二次设备故障声源的测向问题,通过最小描述长度(Minimum Description Length,MDL)准则改进了多重信号分类算法,设计和制做了L型声阵列的声源采集装置并进行故障声源采集。结果表明,改进的算法能够有效地估计出声源数,并为二维测向提供先验条件,使得测向精度准确,且2个声源的俯仰角或方位角相同时不会相互影响。该方法能有效测量出源信号的方向且具有一定抗干扰性,对于变电站二次设备故障诊断有较好的指导意义。

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.

Fast BSC-based algorithm for near-field signal localization via uniform circular array

In this paper,we propose a beam space coversion(BSC)-based approach to achieve a single near-field signal local-ization under uniform circular array(UCA).By employing the centro-symmetric geometry of UCA,we apply BSC to extract the two-dimensional(2-D)angles of near-field signal in the Van-dermonde form,which allows for azimuth and elevation angle estimation by utilizing the improved estimation of signal para-meters via rotational invariance techniques(ESPRIT)algorithm.By substituting the calculated 2-D angles into the direction vec-tor of near-field signal,the range parameter can be conse-quently obtained by the 1-D multiple signal classification(MU-SIC)method.Simulations demonstrate that the proposed al-gorithm can achieve a single near-field signal localization,which can provide satisfactory performance and reduce computational complexity.

非均匀地面参数对短波阵列测向的影响

针对非均匀地面参数引起的短波测向误差问题,导出了含有地面参数的测向阵列流形模型,给出了水平极化和垂直极化两种圆形阵列流形的具体表达式,并利用多重信号分类(multiple signal classification,MUSIC)方法对地面参数不均匀性导致的两种阵列测向误差进行了仿真.仿真结果表明:对沿着地面参数不均匀区分界方向的来波信号,方位角测向明显存在较大的测向误差;在低电导率的非均匀地面,地面相对介电常数的变化对方位角测向误差有着显著影响,可达到2°~3°;非均匀地面参数对垂直极化阵列测向误差要比水平极化阵列高出1°~2°.因此在短波固定测向站建设时,尽可能选址高电导率区域,并铺设地网改善天线场地的均匀性,来消除非均匀地面参数变化引起的测向误差.

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。

空化诱导的轴流式水轮机转轮径向振动特性研究

转轮的径向振动特性对水轮机转子系统的稳定性至关重要。为了研究空化对轴流式水轮机转轮径向振动特性的影响规律,本文首先搭建了包含激光测振仪(Laser Doppler Vibrometer,LDV)的非接触式振动测试系统,并结合高速摄影系统获得了不同空化状态下的转轮内部流场图像以及转轮径向振动信号。然后对转轮内部流动图像及振动信号进行了综合分析,结果表明:从无空化到空化初生阶段,空化系数的降低对转轮径向振动基本没有影响;空化初生以后,转轮径向振动的幅值会随着空化程度的加剧而急剧上升。转轮内部空化流动形态的转变是转轮径向振动频域特性改变的根源。从空化初生到完全空化阶段,转轮径向振动的能量会出现向低频区域迁移的趋势,增加机组共振的风险。本文的研究对轴流式水轮机稳定运行以及经济性具有重要意义。

采用四阶累积量多重矩阵重构的低信噪比相干声源波达方向估计

针对相干声源子空间能量扩散且协方差矩阵欠秩难以有效估计波达方向(DOA)的问题,提出了一种采用高阶矩阵变换的估计方法-四阶累积量多重矩阵重构(FOC-MMR)。该方法首先对阵列声压数据分帧进行短时傅里叶变换,然后对四阶累积量扩展的高阶协方差矩阵进行奇异值分解(SVD)得到高阶噪声特征向量,保证该噪声特征向量与扩展后的高阶阵列流形矢量正交匹配,最终实现相干信号的DOA估计。相干单频矩形脉冲信号仿真结果表明,将FOC-MMR方法应用于均匀线阵(ULA,M=4),在信噪比SNR≥-15 dB时,相干信号(θ_(1)=-20°和θ_(2)=20°)的均方根误差保持在1.5°以内;在SNR=10 dB时,可正确分辨的两相干信号方位间隔Δθ可以低至5°。在相干脉冲声源实验中,通过混入SNR=5 dB高斯白噪声,验证了FOC-MMR算法在应用于由多个ULA组成的矩形面阵时,其分辨邻近声源和抑制高斯噪声的能力较高。FOC-MMR算法通过对声压阵列数据扩展得到满秩的高阶协方差矩阵,不仅解决了由信号相干造成的噪声和信号特征向量之间能量扩散的问题,还实现了以较高的测向精度和空间分辨率对广角入射的多组相干声源的DOA估计。

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%。