MULTI-INVARIANCE ESPRIT-LIKE ALGORITHMS FOR COHERENT DOA ESTIMATION

Estimation of Signal Parameters via Rotational Invariance Technique(ESPRIT) algorithm can estimate Direction-Of-Arrival(DOA) of coherent signal,but its performance can not reach full satisfaction.We reconstruct the received signal to form data model with multi-invariance property,and multi-invariance ESPRIT algorithm for coherent DOA estimation is proposed in this paper.The proposed algorithm can resolve the DOAs of coherent signals and performs better in DOA estimation than that of ESPRIT-like algorithm.Meanwhile,it identifies more DOAs than ESPRIT-like algorithm.The simulation results demonstrate its validity.

Low-complexity method for DOA estimation based on ESPRIT

A low-complexity method for direction of arrival（DOA） estimation based on estimation signal parameters via rotational invariance technique（ESPRIT） is proposed.Instead of using the cross-correlation vectors in multistage Wiener filter（MSWF）,the orthogonal residual vectors obtained in conjugate gradient（CG） method span the signal subspace used by ESPRIT.The computational complexity of the proposed method is significantly reduced,since the signal subspace estimation mainly needs two matrixvector complex multiplications at the iteration of data level.Furthermore,the prior training data are not needed in the proposed method.To overcome performance degradation at low signal to noise ratio（SNR）,the expanded signal subspace spanned by more basis vectors is used and simultaneously renders ESPRIT yield redundant DOAs,which can be excluded by performing ESPRIT once more using the unexpanded signal subspace.Compared with the traditional ESPRIT methods by MSWF and eigenvalue decomposition（EVD）,numerical results demonstrate the satisfactory performance of the proposed method.

High Resolution Multipath Time Delay Estimation Based on FLOCCS-ESPRIT

The non-Gaussian α-stable distribution is introduced to model impulsive noise. Based on the theory of fractional lower order statistics (FLOS), the fractional lower order cross-covariance (FLOCC) sequence for two received signals is obtained and the fractional lower order cross-covariance spectrum (FLOCCS) can be approached by taking a Fourier transform for the FLOCC sequence. When the FLOCCS is treated as a sequence in the time domain, the problem of multipath time delay estimation (TDE) may be converted into one on multi-frequencies estimation or directions of arrival estimation. Accordingly, the high resolution multipath TDE can be realized with the ESPRIT technology. This idea on multipath TDE is referred to as FLOCCS-ESPRIT in this paper. Computer simulations show that this method has good performance both in a Gaussian noise and in an impulsive noise environment.

基于ESPRIT-PSA与LightGBM算法的感应电动机转子断条数目诊断新方法

提出一种基于旋转不变信号参数估计技术ESPRIT(Estimation of signal parameters via rotational invariance technique)、模式搜索算法PSA(Pattern search algorithm)与轻型梯度提升机LightGBM(Light gradient boosting machine)结合的感应电动机转子断条数目诊断新方法。模拟了转子断条故障下的瞬时无功功率信号并用其衡量ESPRIT-PSA的性能。结果表明:ESPRIT-PSA只需短时数据就能准确测量瞬时无功功率信号中的转子断条故障特征分量。随后,为解决现有的电机瞬时无功功率信号分析MIRPSA(Motor instantaneous reactive power signal analysis)类方法无法准确诊断转子断条数目的问题,引入LightGBM对转子断条故障进行多分类以准确诊断转子断条数目。最后针对一台异步电动机进行转子断条诊断实验,结果表明:该方法是有效的,并且因将瞬时无功功率作为分析信号而适用于电机低转差率的情况。

Temporal-spatial subspaces modern combination method for 2D-DOA estimation in MIMO radar

A 2D-direction of arrival estimation (DOAE) for multi input and multi-output (MIMO) radar using improved multiple temporal-spatial subspaces in estimating signal parameters via rotational invariance techniques method (TS-ESPRIT) is introduced. In order to realize the improved TS-ESPRIT, the proposed algorithm divides the planar array into multiple uniform sub-planar arrays with common reference point to get a unified phase shifts measurement point for all sub-arrays. The TS-ESPRIT is applied to each sub-array separately, and in the same time with the others to realize the parallelly temporal and spatial processing, so that it reduces the non-linearity effect of model and decreases the computational time. Then, the time difference of arrival (TDOA) technique is applied to combine the multiple sub-arrays in order to form the improved TS-ESPRIT. It is found that the proposed method achieves high accuracy at a low signal to noise ratio (SNR) with low computational complexity, leading to enhancement of the estimators performance.

基于总体最小二乘-旋转不变算法的地表核磁共振信号参数估计

在地表核磁共振(SNMR)找水系统中,根据SNMR信号的参数能够预估地下含水层的储水量、导电性以及孔隙结构等信息。然而在实际应用中探测现场采集的SNMR信号十分微弱,易受到环境噪声干扰,导致无法直接获取SNMR信号的参数。针对这一问题,该文提出基于总体最小二乘-旋转不变法(TLS-ESPRIT)的地表核磁共振信号参数估计方法。基于谐波噪声与SNMR信号的相似信号特征构成一个由多个正弦衰减信号叠加的混合信号模型,使用TLS-ESPRIT将混合信号参数提取问题转换为旋转不变矩阵的广义特征值求解,从而获得SNMR信号的拉莫尔频率和弛豫时间,并结合最小二乘法求得其初始振幅和相位。仿真信号和实测信号实验结果表明此方法能够估计出混有随机噪声和工频谐波噪声的SNMR信号的参数,相比传统的谐波建模方法,在参数提取精度上效果更好。

基于ESPRIT算法的柱面共形阵列天线DOA估计

由于共形天线阵列流形的多极化特性(polarization diversity,PD),信源方位参数与极化状态的"耦合"是实现共形阵列天线波达方向(direction-of-arrival,DOA)估计的主要难点。针对柱面共形阵列天线的特点,建立了柱面共形阵列天线的导向矢量模型;通过合理的阵元排列结构设计,结合ESPRIT(esti mation of signalparameters via rotational invariance techniques)算法参数估计的特点,实现了信源极化状态与方位参数的去耦合,推导了ESPRIT算法多参数估计的参数配对方法,最终提出了柱面共形阵列天线盲极化DOA估计算法。计算机Monte Carlo仿真实验验证了所提算法的有效性。

基于TLS-ESPRIT的同步电机参数辨识

将一种阵列信号处理方法TLS-ESPRIT(总体最小二乘-旋转矢量不变技术)应用到同步电机的参数辨识中。该方法是一种基于子空间划分的高分辨率信号分析方法,将短路电流形成HANKEL矩阵通过奇异值分解进行信号子空间和噪声子空间的划分,再通过TLS(总体最小二乘)的二次消噪处理,从而提高抗噪能力,准确提取了同步电机的瞬态和超瞬态参数。仿真结果表明,该方法与其他方法相比,具有精度高、抗噪能力强、算法简单的优点。动模试验进一步验证了该方法的可行性和有效性。

基于ESPRIT的多基线分布式阵列DOA估计方法

为了提高分布式阵列在低信噪比(signal-to-noise ratio,SNR)条件下的波达方向(direction-of-arrival,DOA)估计性能,同时放宽阵列物理孔径扩展程度的限制,提出了一种基于旋转不变子空间(estimation of signal parameters via rotational invariance techniques,ESPRIT)的多基线分布式阵列DOA估计方法。该方法通过优化分布式阵列结构,在子阵间使用多基线结构布阵,结合ESPRIT算法和多步解模糊方法得到多基线分布式阵列的高精度无模糊DOA估计。此外,利用最大后验概率准则近似法分析分布式阵列DOA估计的门限效应,给出了SNR门限和基线长度门限的近似计算方法。计算机仿真结果验证了所提方法的有效性。

基于ESPRIT分解算法的短期电力负荷预测

电力负荷具有一定的周期相似性,为此,提出一种基于子空间旋转矢量不变技术(E S P R I T)的综合负荷预测方法。对电力负荷数据进行移位平移处理构造出满足子空间不变性的数据矩阵,利用最小二乘法E S P R I T原理进行谐波检测,提取出各主要频率分量成分。利用K均值聚类法把提取的分量根据频率特点分为不同类型,之后建立不同预测模型对各部分进行独立负荷预测,最终得到综合的预测负荷值。E S P R I T算法具有较高的频谱分辨率,可降低原数据维数,且综合预测法能针对不同成分有更好的预测。最后仿真也证明了该方法预测的准确性及有效性。

任意分布冲击噪声背景下基于ESPRIT的DOA估计方法

针对冲击噪声背景下的传统波达方向(DOA)估计算法性能下降的问题,该文提出一种适用于任意分布冲击噪声的无穷范数归一化旋转不变子空间(Inf-ESPRIT)算法。该方法首先对阵列接收的快拍数据进行无穷范数归一化处理,然后对伪协方差矩阵进行特征分析,利用ESPRIT算法实现DOA的估计。与传统的基于分数低阶矩的方法相比,该算法具有以下优势:适用于多种不同分布的冲击噪声环境,无需已知冲击噪声特征指数的先验信息或估计值,可以获得更好的估计性能。计算机仿真实验证明了所提算法的有效性。

基于模极大值小波域和TLS-ESPRIT的振荡瞬态识别方法

对于电能质量扰动检测和定位中振荡瞬态的检测、识别,目前普遍采用的是时频特征矢量提取和智能模式识别方法,此类方法无法准确提取电能质量振荡瞬态信号不同频率分量的组成。结合模极大值小波域和总体最小二乘法旋转不变技术的信号参数估计(total least squares-estimation of signal parameters via rotational invariancete chniques,TLS-ESPRIT)可以很好地实现振荡信号的检测与识别。对于输入信号,首先采用模极大值小波域检测振荡发生的起始时刻和终止时刻,然后利用振荡时间间隔内的信号建立观测空间矩阵,通过奇异值分解和总体最小二乘法实现特征值截尾,将采样信号观测空间分解为信号子空间和噪声子空间,得到振荡信号每个构成频率分量的相应参数。仿真结果证实了所提出方法的可行性。

基于MIMO雷达的极化平滑降维酉ESPRIT算法

相干目标的波达方向估计一直是雷达信号处理中的一个难题。为了获得更好的相干信号角度估计精度,并提高算法可实现性,在多输入、多输出雷达的基础上,提出一种极化平滑降维酉旋转不变性参数估计算法。首先通过降维矩阵对接收信号数据进行降维处理,然后利用降维后的接收数据构造中心复共轭对称矩阵,再构建适当的酉矩阵对其进行实值处理,然后对其进行极化平滑解相干处理,最后构造出实值旋转不变性方程估计目标的波达方向。相比于常规的极化平滑旋转不变性参数估计算法,本文所提极化平滑降维酉旋转不变性参数估计算法的相干信号角度估计精度更高、更利于工程实现。第5节通过仿真实验证明了该算法的有效性与真实性。

单基地MIMO雷达降维酉ESPRIT算法

波达方向(direction of arrival,DOA)估计问题是单基地多输入多输出(multiple input multiple output,MIMO)雷达信号处理中的一个关键问题。在低信噪比、低快拍数的情况下,常规DOA估计算法的性能会严重下降。针对此问题,提出一种新的DOA估计算法:降维酉旋转不变性信号参数估计技术算法。该算法首先通过降维变换将MIMO雷达数据变换至低维信号空间,然后在该低维信号空间构造实值旋转不变性方程估计目标的DOA。仿真结果表明该方法能够在低信噪比、低快拍数的环境下获得较常规ESPRIT方法更高的DOA估计精度,同时具有更低的运算量。

二维全极化ESPRIT超分辨特征提取及性能分析

提出了二维全极化ESPRIT超分辨特征提取方法,推导了二维全极化参数估计的克拉美罗限,并且在此基础上分析了本文方法的工作性能.同已有超分辨算法相比,二维全极化ESPRIT方法的突出优点在于:(1)通过极化和超分辨的联合处理,实现了对目标相干散射矩阵的精确提取.从而为利用极化信息进行目标识别提供了基础;(2)利用全极化信息,改善了数据的信噪比,提高了参数估计的精度;(3)利用信号子空间的旋转不变性,避免了对多维信号子空间的搜索,提高了算法的实时性.仿真和实测数据均证实了该方法的有效性.值得一提的是,文章首次给出了散射中心位置、散射强度、相干相位等参数估计的克拉美罗限与全极化模型参数的关系,这为超分辨成像算法的性能评价提供了理论依据.

基于SVD滤波技术与快速四阶累积量ESPRIT算法的异步电动机转子断条故障检测新方法

提出了一种基于奇异值分解(Singular Value Decomposition,SVD)滤波和快速四阶累积量(Speedy Fourth-Order Cumulants,SFOC)旋转不变信号参数估计技术(Estimation of Signal Parameters via Rotational Invariance Technique,ESPRIT)的异步电动机转子断条故障检测方法。SVD滤波方法可以理想地滤除电机定子电流信号的基频分量与背景噪声,从而凸显转子断条故障特征频率分量;四阶累积量ESPRIT方法可以有效减少噪声干扰、扩展信号阵元并以高频率分辨力提取定子电流信号中的转子断条故障特征频率分量;特别是,将二者结合即可在短时采样信号条件下以高频率分辨力提取转子断条故障特征频率分量。为了改善四阶累积量ESPRIT方法的快速性,提出了精简算法以消除均匀线阵的DOA(direction ofarrival)估计中的大量冗余数据,从而大幅减小计算量。转子断条故障检测实验表明:基于SVD和SFOC-ESPRIT的异步电动机转子断条故障检测方法效果良好。

TLS-ESPRIT技术在电力系统谐波检测的应用

随着电力系统的发展以及非线性电力元件的大量应用,电网中的谐波状况更加复杂化。文中将总体最小二乘法-旋转矢量不变技术TLS-ESPRIT应用于电力系统谐波、间谐波的检测。该方法把含噪的谐波、间谐波信号进行采样,形成HANKEL矩阵,对HANKEL矩阵进行奇异值分解,信号划分为信号子空间和噪声子空间,然后通过总体最小二乘法进行谐波、间谐波参数的有效提取,兼具消噪的能力。数值分析结果表明该方法准确有效。

二维ESPRIT参数配对及FPGA实现

与MUSIC算法相比,二维ESPRIT算法不需要谱峰搜索、运算量小,但存在参数配对问题。基于此,提出一种易于实现的参数配对方法,基本原理是2个表出矩阵特征值的和差等于表出矩阵和差的特征值,不需求解表出矩阵的特征向量。给出基于CORDIC算法和脉动阵的参数配对并行化实现方案,整个系统只有移位相加运算。使用ISE软件和ModelSim软件得到的仿真结果验证了该方案的正确性。

基于延时相关处理的ESPRIT算法

为了提高旋转不变子空间(estimation of signal parameters via rotational invariance techniques,ESPRIT)算法的分辨力和测角精度,充分利用非零延迟相关函数中信号入射角度的信息,提出了基于延时相关处理的ESPRIT算法。根据所有阵列间延时相关信息,构造新的阵列输出矩阵,并且得到新的协方差矩阵。对新的协方差矩阵进行特征值分解得到特征向量,通过将特征向量划分得到含有入射角度信息的子阵,最终求得信源的入射角度。仿真结果表明,该算法的分辨力和测角精度均优于原ESPRIT算法,并且在小角度间距情况下也有较好的分辨性能。

基于奇异值分解和TLS-ESPRIT的电能质量扰动信号检测方法

为了能有效地改善电能质量,准确地对电能质量扰动信号的发生及结束时间以及其特征参数进行检测是其前提。文章提出将奇异值分解与TLS-ESPRIT算法相结合来对暂态电能质量扰动进行检测。首先利用基于奇异值分解的方法对暂态电能质量信号进行定位,可以得到较为准确的定位效果。然后以定位点为界,向前及向后各取一个周期的采样信号,对得到的信号利用TLS-ESPRIT算法进行计算,可以估算得到信号的幅值、频率等特征参数。利用这些参数可进一步对扰动类型进行判别。仿真实验结果表明,该方法仅需较短的采样信号,对电压暂降、电压暂升、频率偏差、谐波、谐波加暂降、暂态振荡等多种电能质量扰动信号有较高精度的检测效果。