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。

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.

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。

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。

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。

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。

模值约束的降维MUSIC二维DOA估计

利用传统二维多重信号分类(multiple signal classification,MUSIC)算法进行二维波达方向(direction of arrival,DOA)估计时,往往带来巨大的运算量,限制了算法的实际应用。提出了一种能够大大降低二维DOA估计运算量的模值约束降维MUSIC算法,该算法将二维DOA估计问题转化为优化方程的求解问题,并采用模值约束法定义附加条件,使方向向量得到了较强约束,进而使求解结果更加接近最优解。理论分析和仿真实验表明,本文算法所需运算量较低,且角度估计的成功率与精确度较高。

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。

某测向系统中MUSIC算法的FPGA实现

针对多信号分类(MUSIC)算法计算复杂度高,难以实时实现的特点,给出了适用于均匀圆阵的实数化预处理算法和实用的空间谱定义,并选择了适合硬件实现的特征值分解算法和排序算法;另外,基于某测向系统给出了MUSIC算法FPGA实现的总体结构和执行流程,并重点讨论了大矩阵特征值分解和空间谱计算的硬件结构设计.验证结果表明,该FPGA实现能够完成MUSIC算法的准确、快速计算.

矢量水听器阵波束域MUSIC算法研究

矢量水听器可同时拾取声压和振速信息,成阵后水听器间的相移信息量增大。基于矢量水听器阵的波束形成性能明显由于同条件下的声压水听器阵,但其空间分辨力依然受阵列物理空间的限制。已经有人研究了矢量水听器阵的高分辨谱估计方法(MUSIC算法),但属于对阵元域信号进行的直接处理,运算量较大。提出一种基于矢量水听器阵的波束域MUSIC算法(BMUSIC)。该算法首先将矢量水听器阵元的空间数据转换到波束空间,然后对转换后的数据再运用MUSIC算法。不但实现了降维处理,减小了运算量,而且可进一步抑制扫描扇面外的噪声。对BMUSIC算法进行了仿真并与常规MUSIC算法进行了比较。结果表明,该方法可得到与阵元域MUSIC算法相当的方位分辨力。

二维高精度MUSIC算法的高速实现

多重信号分类(multiple signal classification,MUSIC)算法是一种经典的空间谱估计算法,其利用信号子空间和噪声子空间相互正交的特性,估计出入射信号的波达方向(direction of arrival,DOA)。文章以二维高精度DOA估计的应用需求为目标,通过分析MUSIC算法中各个步骤的计算特点,提出了一种算法的实现方法,并在现场可编程门阵列(field programmable gate array,FPGA)上完成了各个模块硬件电路的设计验证。该方法利用矩阵元素行列序号的对称性,得到了一种计算协方差矩阵的并行化分解方案;采用阈值比较法提高特征分解速度的同时,避免了最值求解,降低了硬件复杂度;在谱峰搜索中使用分步搜索法来提高实时性,并设计了专用硬件电路计算方向向量,以节省存储资源和避免数据读取延时带来的性能损失;与传统实现方法相比,实现了高精度和高实时性的统一。实验结果表明,该方法中的硬件实现方案在100 MHz工作频率的FPGA芯片上,完成一次精度为0.1°的二维DOA估计耗时3~5ms,具有精度高、速度快、资源消耗少的优势。

基于MUSIC算法的感应电机轴承故障检测方法研究

分析了感应电机轴承发生故障时振动信号的特性以及MUSIC算法及其高分辨率谱估计的特点,提出了一种基于MUSIC算法的感应电动机轴承故障检测方法。结果表明,在短数据情况下,相对FFT分析技术,该方法频率分辨率更高,故障检测更为准确,且计算量小,有利于电机故障实时状态监测。实验证实,将该方法应用于感应电机轴承故障检测,可准确检测出轴承故障时在包络信号中的故障特征成分,方法切实可行。

基于MUSIC与FOA的异步电动机转子断条故障检测

为了更加准确和快速检测异步电动机转子断条特征分量的频率和幅值,通过结合多重信号分类(MUSIC)与果蝇优化算法(FOA)并将其用于异步电机转子断条故障检测。作为一种具有高频率分辨力的谱估计技术,MUSIC能够快速而准确地检测边频以及基频分量的频率大小,即使对于短时采样信号也有良好的性能。然而,MUSIC虽是提取信号频率的有效工具,却没有能力计算各个分量的幅值和相位。因此,该文引入FOA以确定各个分量的幅值和相位,结果表明性能良好。通过仿真和实验验证了基于MUSIC与FOA的异步电动机转子断条故障检测方法的有效性。

基于Teager-Kaiser算子的改进波束域MUSIC时延估计算法

为了降低波束域多重信号分类(multiple signal classification,MUSIC)算法估计接收信号到达时间(time of ar-rival,TOA)的计算复杂度,提高算法的抗噪性能,提出一种基于TK算子(Teager-Kaiser operator)的改进算法。利用TK算子对数据瞬时变化敏感的特性,将接收信号与参考信号的相关函数经过TK算子处理,估计出波束域转换矩阵和波束域输出数据,再用MUSIC时延估计算法估计TOA。仿真结果说明,该方法比波束域MUSIC时延估计算法计算量小,并更好地抑制了多径信号噪声影响,高分辨率的估计性能得到了明显改善。

基于TD-SCDMA无线定位虚拟线阵四阶累量修正MUSIC算法的研究

无线定位的圆-角定位技术中,DOA估计极其重要。本文针对基于TD-SCDMA智能天线预处理后的虚拟均匀线阵MUSIC算法带来的阵列孔径小,抗阵元误差扰动性差的不足,研究了基于模式空间虚拟均匀线阵四阶累量的MUSIC算法,由于虚拟线阵四阶累量MUSIC算法的应用范围局限于独立的信号源的DOA估计,不能用于相关信号源DOA估计,因而提出了基于模式空间虚拟均匀线阵四阶累量的修正MUSIC(FOC-MMUSIC)算法,有效地拓展了阵元孔径,改善了系统抗阵元误差扰动和算法对相关信号源DOA的估计性能。

基于有限域实值MUSIC法的涡街信号处理方法

针对涡街流量计高实时性、高精度的要求,提出一种基于有限域实值多重信号分类(multiple signal classification,MUSIC)法的涡街信号处理方法.该方法利用能量重心校正法对涡街信号幅度谱进行频率校正,确定频率搜索域;利用实值MUSIC法快速得到谱峰频率值,通过牛顿迭代法对谱峰频率值进行计算,以达到提高频率估计精度的目的.仿真结果表明:该改进方法的频率估计精度较MUSIC法提高了0.1%,实时性高,满足涡街流量计高精度与高实时性要求.

基于改进MUSIC算法的散射中心参数提取及RCS重构

随着隐身技术的发展,雷达目标的边缘绕射等逐渐取代镜面散射成为主要的散射源,因此基于几何绕射理论(geometric theory of diffraction,GTD)的散射中心模型对隐身目标电磁散射特性的描述要比衰减指数和模型更为精确。显然,准确估计出GTD散射中心参数对刻画目标散射特性犹为重要。针对经典多重信号分类(multiple signal classification,MUSIC)法仅利用目标原始回波数据、参数估计精度不高这一问题,提出一种改进的MUSIC算法对散射参数估计提取。改进的MUSIC算法通过对原始回波数据取共轭,构建新的总协方差矩阵,有效利用了目标原始回波数据的共轭信息。仿真结果表明,与经典MUSIC算法相比,改进的MUSIC算法参数估计精度更高,雷达散射截面重构拟合程度更好,且运算量增加不大,可有效提取出隐身目标的散射中心。

一维GTD散射中心模型参数估计的改进MUSIC算法

针对利用多重信号分类(MUSIC)算法估计一维几何绕射理论(GTD)的散射中心模型时噪声鲁棒性较差、参数精度不高这一问题,提出一类改进的MUSIC算法。首先,构建原始回波数据的共轭矩阵,有效提高了原始回波数据的利用率;其次,将原始回波数据的协方差矩阵、共轭数据的协方差矩阵叠加取平均,得到一个新的总协方差矩阵;最后,对矩阵作2次方、4次方等偶次方处理,得到另一矩阵,以达到增大信号特征值与噪声特征值之间差距的作用,等效为增大了信噪比。仿真结果表明:所提改进算法的参数估计性能及噪声鲁棒性均要优于经典MUSIC算法。