改进MUSIC算法的超声波测风方法研究

针对传统超声波测风装置测风精度不高、抗噪声能力弱,提出了一种改进多重信号分类(multiple signal classification,MUSIC)算法的超声波测风方法。采用一种弧形6阵元超声波传感器阵列的测风结构,推导其阵列流型;在此基础上,添加小波阈值降噪算法提高信号信噪比,降低噪声信号协方差矩阵的秩;再使用PHAT加权广义互相关时延估计算法以提高时延估计的准确性,同时根据时延关系对传统MUSIC算法矢量矩阵进行改进;最后通过MUSIC算法实现对风速风向的测量。理论分析与仿真结果表明:改进后的MUSIC算法具有较好的抗噪性能和较高的风参数测量精度,测量风速绝对误差达到0.15 m/s,风向绝对误差达到2°,可以应用于对风参数要求较高的场景。

基于TLS的改进子空间投影算法

针对经典MUSIC算法在信源相干、低信噪比、小快拍数等非理想环境下性能失效的问题,提出了一种改进的基于TLS的加权子空间投影算法。首先对阵列接收的数据协方差矩阵进行重构处理,以达到解相干目的;其次充分利用子空间信息,基于总体最小二乘拟合方法对特征值进行拟合修正,基于修正MUSIC算法思想,利用校正后的噪声特征值和信号特征值分别对噪声子空间和信号子空间进行加权处理,得到改进后的噪声子空间和信号子空间,并将两者结合得到新的空间谱函数;最后进行谱峰搜索,完成信号源的波达方向估计。仿真结果表明,改进后的算法既适用于相干信号环境,在低信噪比、小快拍数及信号入射角度间隔较小的情况下,又能有效估计出信源的波达方向。

一种新的二维MUSIC算法的研究

提出了一种新的基于垂直阵列结构的二维MUSIC方法来估计信号的DOA(direction of arrive),此方法只需三个均匀直线阵就可估计用户的二维DOA。该方法利用其中的一个直线阵来组合两个线阵分别估计的一维DOA,大大改善了DOA的估计性能。仿真结果证明了该方法的有效性。

一种利用信号特点的实值MUSIC算法

提出了一种实值MUSIC算法来估计波达方向(DOA)。利用BPSK和MASK调制信号为实信号的特点,将阵列上的接收数据用欧拉公式转换为正弦和余弦数据,再将它们进行拼接,增加了数据维数,这相当于将可利用的阵元个数加倍,在此基础上使用实值数据进行MUSIC类波达方向估计。该算法具有精度高、分辨力高和处理信号个数多等优点。仿真实验验证了算法的有效性。

信号源功率不一致对MUSIC算法分辨性能的影响

该文首先定义了用以度量MUSIC算法分辨性能的平均信噪比分辨门限,并给出它的表达式。然后通过数据模拟得知,功率不一致会降低MUSIC算法的分辨能力;在一定条件下,功率不一致对MUSIC算法分辨性能的相对影响与其他参量无关。该文还讨论了功率不一致对阵元数、快拍数和两信号源方位参数绝对差的影响。

基于数据阵共轭重构的MUSIC角估计算法

介绍了一种利用接收数据及其共轭重构得到新的数据矩阵，然后借助于数据阵奇异值分解实现的修正MUSIC算法，并指出了这将有助于改善协方差矩阵特征值的分布，从而提高信号到达方向（DOA）的估计性能。在相同的信噪比和快拍数条件下，该方法无论是在角估计的均方误差、信号源角分辨能力等方面均优于普通的MUSIC算法，并给出了验证理论分析的计算机仿真结果。

二阶共轭增强MUSIC算法

提出了二阶共轭增强MUSIC(SO-CAM)算法,利用阵列输出的非零时延互相关函数及其共轭形成伪阵列输出,从而得到伪协方差矩阵,对其进行特征分解,利用信号子空间与噪声子空间的正交性,搜索得到的空间谱函数的极大值点对应的角度就是波达方向。仿真实验表明,新算法可对多于阵元数的信号进行测向,其测角精度和分辨力优于MUISC算法,与MUSIC-like算法性能相当。

基于加权信号子空间投影的MUSIC改进算法

针对MUSIC算法在小快拍条件下DOA估计时性能降低的缺点,提出采用加权信号子空间投影的方法加以改善。首先对信号子空间进行主特征值倒数加权,并将结果与MUSIC空间谱进行叠加。新方法保持了噪声子空间处理的高分辨力,并通过信号子空间处理提高了对有限数据误差的稳健性。理论和统计性能分析表明其对多目标分辨力优于MUSIC方法,特别是在小快拍条件下表现了良好的性能。

同时估计非相干和相干信号的修正MUSIC算法

简要阐述了阵列信号处理中广泛采用的MUSIC算法和MMUSIC算法的基本原理,然后理论分析了MUSIC和MMUSIC算法性能。仿真发现MMUSIC算法只能单独估计相干信号和非相干信号。针对这种情况,提出了一种修正MUSIC算法,该算法可以同时估计相干和非相干信号,计算机仿真结果证明该改进算法是有效的。

一种新的共轭增强MUSIC测向算法(英文)

提出一种新的测向算法。利用阵列输出的非零时延互相关函数及其共轭形成伪阵列输出,从而得到伪协方差矩阵,对其进行特征分解,利用信号子空间与噪声子空间的正交性,搜索得到的空间谱函数的极大值点对应的角度就是波达方向。仿真实验表明,新算法可对多于阵元数的信号进行测向,其测角精度和分辨力优于MUISC和MUSIC-like算法。

修正MUSIC算法对相关信号源的DOA估计性能

本文介绍了用修正MUSIC算法提高相关信号源DOA估计性能的方法。理论分析表明 ,采用该方法后 ,可将相关信号源的相关系数平均降低为原来的 63 % ,因而可改善MUSIC算法对相关信号源的DOA估计性能。且该方法不影响对非相关信号源DOA的估计 ,计算量也无明显增加。计算机仿真实验结果验证了上述理论分析的正确性。

干涉仪与MUSIC算法的测向原理及精度对比

实际电磁环境中,在中频处理带宽内往往只有一个信号,此时是MUSIC算法还是干涉仪方法具有更高的测向精度未见公开定论。通过对MUSIC算法和干涉仪测向的原理分析,给出了二者的理论精度公式并进行了变形、比较,然后证明了MUSIC算法与干涉仪测向原理在二元阵、单信号情况下的等效性,仿真实验验证了在二元阵、单信号情况下干涉仪具有与MUSIC算法相同的渐近测向性能,而在单信号、多阵元条件下干涉仪的测向精度仅比MUSIC算法略低。这种分析对实际应用中测向算法的选择具有重要的指导意义。

近场声源三维定位MUSIC算法研究

信号到达方向(DOA)估计是阵列信号处理的最主要目的之一,基于语音阵列的DOA估计与传统的窄带远场信号的DOA估计在信号模型和处理方法上有很大区别。本文把经典的MUSIC算法推广到语音阵列处理中,实现了声源三维定位。该算法的基本思想是把宽带语音信号通过短时傅立叶变换转换为独立离散频率点,利用MUSIC算法求出每个/部分频率点的空间谱矩阵,然后加权平均这些空间谱矩阵。通过搜索该平均空间谱矩阵,找到信号源的位置。最后,在16元均匀圆环阵的情况下,选用双语音信号源进行了仿真。仿真结果表明,该算法定位性能优良。

基于二阶预处理的共轭扩展MUSIC算法

基于子空间概念的经典MUSIC算法虽具有较优的性能,但可测向信号数小于阵元数,测向精度仍不能满足某些场合的要求。针对这一问题,提出了基于二阶预处理的共轭扩展MUSIC算法,利用阵列输出的延迟相关函数及其共轭形成伪阵列输出,从而得到伪协方差矩阵,对其进行奇异值分解,得到类似于MUSIC算法的简洁的空间谱表达式,其极大值点对应的角度就是波达方向。仿真实验表明,新算法可对多于阵元数的信号进行测向,其分辨力和测角精度均优于MUSIC和MUSIC-like算法。

基于MUSIC算法的天线系数测量信号分析方法

基于自由空间场地衰减数学模型,提出多重信号分类(MUSIC)算法的信号分析方法,从在固定天线高度测量的场地衰减信号中,提取直射波场地衰减量,推算远场天线系数.取谐振频率为500,MHz的半波偶极子天线为研究对象,在300,MHz^1,GHz频率范围内进行实验验证.结果表明,此分析方法提取的直射波场地衰减与采用矩量法的仿真值吻合较好,利用此场地衰减推算的远场天线系数与CISPR16-1-6的标准场地法测量的天线系数一致性较好,此算法可以用于天线系数测量的信号提取.

基于多级维纳滤波的MUSIC方法

多级维纳滤波是一种降维算法,本文提出了一种将多级维纳滤波引入到MUSIC算法的预处理模型,提出了一种构造预处理滤波器的方法,提出了适合于MUSIC方法的多级维纳滤波的结构。本文提出的方法不需要采样数据二阶统计的特征值分解,降低了运算量。本文方法具有一般性,适合于基于子空间方法的一大类DOA估计。仿真结果证明了方法的有效性。

一种不考虑信源数目的修正MUSIC算法

分析了信源数目估计误差下的MUSIC算法性能。为了解决信源数目过估计下出现虚假信号和欠估计下谱峰消失的问题,提出了一种改进算法。该算法通过对采样数据的共轭重排再利用,重新构造相关矩阵来改善测向性能。改进的算法不仅能成功运用于非相关信号源和相关信号源,还具有不用考虑信源数目的优点。计算机仿真结果证明了改进算法的正确性和有效性。

基于四元数MUSIC算法的声矢量传感器阵列二维波达角估计

利用声矢量传感器导向矢量和四元数之间的相似性,推导并建立了以四元数形式表示的导向矢量,给出了声矢量传感器阵的四元数模型,理论分析了导向矢量与噪声子空间的正交性,在此基础上提出了基于四元数MUSIC空间谱的二维波达角估计方法。仿真实验表明,四元数MUSIC算法的分辨力要优于矢量MUSIC算法,在低信噪比下具有较高的DOA估计精度,验证了四元数的正交性优势,同时本文方法不局限于L线阵和面阵,对其他阵型也具有普遍适用性。

基于广义MUSIC算法的低仰角估计新方法

由于多径信号的存在,米波雷达对低仰角目标的估计性能受到严重影响。针对这一问题,该文首先介绍了广义MUSIC算法及两种改进算法,理论分析表明这些算法有效性的实质是对基本谱峰搜索方式进行加权,抑制了小角度产生的大谱值。在此基础上,该文提出了基于广义MUSIC算法的低仰角估计方法模型,并给出一种新的低仰角估计方法。该方法利用了更加合理的权值,与已有方法相比,估计的成功概率更高,性能更优。仿真试验验证了该方法及模型的有效性和正确性。

一种不需要源个数估计的MUSIC算法

MUSIC方法是阵列高分辨测向子空间方法中的经典算法,该算法的一个缺点就是需要进行源个数估计,源个数估计不正确将会导致虚假峰和漏峰。提出一种不需要源个数估计的MUSIC方法,该方法首先将快拍分组,对每一组的自相关进行特征值分解,以最小特征值对应的特征向量作为噪声向量,然后将搜索向量在每一组噪声向量上的投影构成新的矩阵,DOA对应的新矩阵将缺秩,根据新矩阵的缺秩程度来估计DOA。仿真结果证明了该方法的有效性。