基于均匀圆阵的压制式相干干扰DOA估计算法

针对导航抗干扰中一般干扰信号波达方向(direction-of-arrival, DOA)算法无法在均匀圆阵上有效地估计含有相干干扰的信号来向问题,提出了一种基于虚拟线阵的协方差矩阵重构的MUSIC算法。该算法通过对均匀圆阵进行模式空间变换,形成虚拟线阵,将模式空间变换后的数据协方差矩阵的所有行进行Toeplitz重构,并将所有Toeplitz矩阵构造成一个新的等效的满秩数据协方差矩阵,以此来达到解相干的目的。结合在虚拟线阵上的MUSIC算法,并通过多谱峰搜索算法直接得到空间谱的谱峰位置,从而完成对干扰来向的DOA估计。经仿真验证,该算法在存在相干信号且信号角度相隔30°左右的条件下,依旧能够对信号的波达方向进行有效估计。

大间距均匀阵列抗模糊DOA估计实验研究

在波达方向(DOA)估计中,当接收天线阵列的单元间距大于入射信号载波的半波长时,会出现阵列流形模糊,这对分辨真实的信号DOA带来了挑战。该文基于子阵级大间距均匀双线极化阵列,提出通过随机改变每个子阵中某个单元的极化状态,使不同子阵对应的导向矢量相互独立,从而打破大间距均匀阵列下导向矢量间的线性关系,并抑制阵列流形模糊。仿真和实验结果表明,该方法可有效去除多重信号分类(MUSIC)算法空间谱中的伪峰,实现高精度DOA估计。

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。

基于海试数据的水声信号自适应波束形成方法性能分析

为了更好验证自适应波束形成技术的实际应用,本文研究了基于海试数据的不同自适应波束形成方法的性能,对比分析CBF算法、MVDR算法、MUSIC算法的优缺点,总结了各算法适用条件及实用性。研究结果表明,在声呐的实际应用中,CBF算法更适用于实时性要求较高、目标数量较少的方位探测;MUSIC算法更适用于实时性要求不高、目标数量较多、目标数量已知的方位探测;MVDR算法更适用于实时性要求不高、目标数量较多、目标数量未知的方位探测。

基于MUSIC算法特征值损伤因子的板状结构损伤程度评估

研究了多重信号分类(MUSIC)算法在板状结构损伤检测中的应用,提出一种基于MUSIC算法特征值的损伤因子,为基于MUSIC算法的板状结构损伤成像技术提供了一种可靠的损伤程度评估理论。首先利用MUSIC算法计算的高精度特征值和Lamb波损伤散射信号幅值的相关性,采用Abaqus有限元仿真软件模拟不同程度的损伤,将板状结构中的损伤成像定位之后,根据散射信号将结构损伤程度转化为特征值变化量,根据特征值计算损伤因子,建立损伤评估模型预测损伤程度,并通过试验验证其正确性。试验结果表明,在合适的激励频率下,特征值损伤因子随着损伤程度的增加呈现出线性变化,能较好地反映损伤程度;该方法具有较高的准确性和稳定性,在一定损伤程度内能够有效地反映结构损伤程度。

MUSIC学习动机模型在仪器分析教学中的实践与研究

基于MUSIC(Empowerment-Usefulness-Success-Interest-Caring)学习动机模型开展仪器分析教学工作,是目前调动学生学习积极性和锻炼自主学习能力的重要依托。文章立足MUSIC学习动机模型赋权分析、有用研究、成功探索、兴趣指引、关怀体验步骤,深入分析实践应用准则,并围绕现有教学不足确定优化方向,通过明晰学习任务目标、探寻知识需求、构建多样实践活动、立足教材整合资源、师生深度互动评价等策略,促进高职学生良性成长。

省级多源融合实况产品融入“天擎”关键技术研究与实现

按照“云+端”技术架构对气象数据、算力、算法资源进行集约管理的思路,基于气象大数据云平台(“天擎”)提供的“数算一体”服务能力,研究省级多源融合实况分析系统的业务产品融入“天擎”的关键技术。梳理省级数据产品注册、发布和共享的基本流程,归纳并阐述了通信系统分发入库、算法改造写入、调用标准化接口写入等三种实时数据接入方案与实现方法。通过对比各方案的优缺点,给出不同应用场景下的最优接入策略,为其他各类本地化特色数据产品融入“天擎”提供借鉴。

基于互质极化敏感阵列的参数降维估计算法

针对互质极化敏感阵列波达方向角(DOA)和极化参数估计中存在的计算复杂度高以及多信源情况下DOA解模糊配对错误问题,本文提出了一种基于模值约束降维求根多重信号分类(MUSIC)的DOA和极化参数联合估计算法。首先通过重构三维谱函数,对DOA和极化参数进行解耦,实现三维MUSIC方法的降维,然后利用多项式求根求解出DOA,并利用波束形成方法解决了互质阵列中存在的解模糊角度错配问题,最后利用极化矢量的模值有界性构造代价函数,推导出极化参数的闭式解。数值仿真结果验证了所提算法的有效性,结果表明,所提算法参数估计精度高于旋转不变技术(ESPRIT),与一维全局谱峰搜索MUSIC(1D-TSS-MUSIC)算法基本相当,但本文算法显著降低了计算复杂度,且在多信源情况下依然可以获得可靠的参数估计。

不同DOA算法在水声信号中的应用对比分析

波达方向估计(DOA)是阵列信号处理领域一个探究的重点,也是水声领域常用的定位方法之一.其中最为经典的就是常规波束形成算法(CBF)、多重信号分类算法(MUSIC)和旋转不变子空间算法(ESPRIT)等.基于水声信道的特殊性,不同DOA估计方法的应用领域和适用条件不同,针对水声信号,对已有的多种DOA估计方法的理论和应用性能进行比较,通过仿真分析,确定不同DOA估计方法在水声信号分析中的最佳应用环境,为后续水下声源的定位和探测等应用提供基础.

基于角速度信息先验的固定无源单站直接定位方法

针对传统两步定位法在固定无源单站定位精度不高的问题,提出一种基于角速度先验的固定无源单站直接定位方法 .首先,给出定位场景及辐射源运动模型,根据雷达辐射源脉内、脉间以及空间采样特点,按照快时间、慢时间、快拍构建三维观测信号模型.将快时间变换至频域并提取一组最强信号,利用本文提出的空时对称自相关函数(Space Time Symmetric Autocorrelation Function,STSAF),消除影响定位精度的多余相位项;然后,将经上述处理的2次观测信号进行混频,构建定位模型并给出直接定位代价函数;同时,针对性提出一种基于位置选择的MUSIC(MUltiple SIgnal Classification)算法,根据慢时间域包含的距离信息及空间域包含的方位信息,对辐射源横、纵坐标进行搜索,实现对辐射源的直接定位.本文对算法计算复杂度和克拉美罗下界(Cramer-Rao Lower Bound,CRLB)进行了理论推导,分析了影响定位精度的因素,对比所提直接定位方法与传统两步定位法的均方根误差,绘制本文方法的GDOP(Geometric Dilution Of Precision)曲线.

基于DSP的快速MUSIC测角算法

基于阵列信号处理的MUSIC算法,由于其超高的角分辨率和角精度,受到广泛的关注。但是其高运算复杂度,较大地限制了算法的硬件实现。为此,基于MUSIC算法的基本原理,文中分析了该算法在DSP(TI1843)硬件系统实现中关键子步骤的运行时长。针对最为耗时和占用内存最大的空间谱构建和谱峰搜索子步骤,分别提出了便于工程实现的简化方法,并通过硬件平台移植验证了算法的可行性,对比发现该方法大大减少了运算时间和内存空间,具有较高实际应用价值。

基于卡尔曼滤波与MUSIC算法的传感阵列定向方法

对局放源信号的准确测量与有效识别是局部放电检测、定位及分析的关键。受电磁传感器方向特性灵敏度局限,现有基于到达角(AOA)定位的局部放电定位方法主要运用于声音信号。为此,提出一种卡尔曼滤波算法与多信号分类器(MUSIC)算法相结合的特高频传感阵列定向方法,即首先采用卡尔曼滤波算法能够有效处理电磁幅值信号,减小信号波动性及测量误差,大大提升信号测量精度;然后针对单一传感器建立了传感器方向性的参考矩阵,对任意来波信号使用MUSIC算法进行数据匹配,从而得到精确的来波方向;最后经过试验验证,所提算法可将传感器阵列的方向识别结果误差减小至5°以内,提升了测量精度。

基于改进粒子群算法的矢量水听器多目标方位估计

为了研究单矢量水听器多目标方位估计能力,分别利用互谱声强法、MUSIC算法及信号统计量方法对多个目标方位进行估计。互谱声强法可以估计出多个不同频的单频目标方位,但对于频谱混叠的目标无法分辨;MUSIC算法可以分辨单频和宽带目标,但利用单矢量水听器最多可估计2个目标方位。为此,针对文章提出的信号统计量方法,构建了声压和振速的统计量模型,将其与粒子群优化算法及改进算法相结合,实现了基于改进粒子群算法的多目标方位估计。对多个单频和宽带信号目标进行仿真分析,结果表明,进粒子群算法具有良好的估计效果;对3种方法的估计结果进行比较,验证了改进粒子群算法有较好的适用性。通过对2022年千岛湖试验数据的处理再一次验证了算法的有效性。

基于混合阵列的DOA与极化信息联合估计

针对被动雷达导引头抗诱饵应用中极化敏感阵列因阵元形式多样化及阵列三维放置而造成模型不匹配的问题,针对线极化、左右旋圆极化、椭圆极化阵元组成的混合三维阵列,提出了混合立体三维极化敏感阵列测向模型。考虑到每一个阵元都可能具有不同的指向和极化敏感性,首先在各阵元局部坐标系中利用极化敏感矩阵表达任意极化阵元的极化敏感程度,再使用坐标旋转矩阵将其变换到全局坐标系中,从而建立阵列极化敏感性统一表达模型,并提出一种基于该模型的秩亏极化多重信号分类(MUSIC)算法。在抗诱饵条件下,对均匀、非均匀混合极化阵列与其他阵列的秩亏极化MUSIC算法测角分辨力和单目标测角精度进行了仿真探究,并给出标量阵列与矢量阵列测向的选择原则。仿真结果表明,混合极化阵列在能达到同等测角精度的前提下,有效提高了测角分辨力与测角稳定性,且非均匀混合极化阵列具有很大的抗诱饵应用潜力。

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。

气象人工智能通用算法库的设计与实现

为了更好地利用AI技术的优势,降低开发周期和难度,针对气象行业的特点,提出一种适合气象行业应用的人工智能通用算法库设计方案。该方案基于标准规范和模块划分,通过系统设计,形成有效的算法资源池,在大大减少开发工作量的同时,有效降低开发门槛,构建积木化算法开发范式。同时,因为系统采用MUSIC和FTP协议进行数据交换,能够方便与全国天擎系统进行对接,形成“数据、算法、产品和展示”的一条龙服务,为AI在气象行业的落地和融合提供了有益的探索。

基于弧形阵列的局部放电Dir-MUSIC定位算法

局部放电是衡量电力设备绝缘状态的重要指标,局放检测需要解决局放源定位问题。多重信号分类(multiple signal classification,MUSIC)采用全向天线作为接收阵列,可实现多源信号的超分辨率空间谱估计,但要求高信号采样率,且在低信噪比情况下抗干扰能力不足。为此,提出基于弧形阵列的Dir(directional)-MUSIC算法,采用定向天线接收信号的强度信息,实现低信噪比下的局放源波达方向估计。设计了接收局放信号的Vivaldi天线阵列,并在不同信噪比下对算法的有效性进行仿真验证。结果表明:在低信噪比-10 dB来波方向5°下角度误差为0.14°,优于MUSIC算法;阵列在信噪比10 dB,测向范围[-80°,80°]内定位均方根误差小于1.5°。证明了基于弧形阵列的Dir-MUSIC算法有效提高了局放定位精度,且对噪声具有良好的鲁棒性,具有用于局放检测的潜力。

基于WebGIS的大数据图形渲染技术

随着大气科学相关技术的高速发展,基于软件图形显示功能的更高展示要求在气象行业中被不断提出。人们在持续追求更加逼真视觉上的渲染效果:一方面保证稳定高效地渲染海量数据,另一方面,同时保证高质量图像文件的生成。为此,提出了一种针对海量气象数据的快速显示方案。通过有效压缩传输数据,并利用GPU显卡资源进行数据的渲染和数据的时间插值,能够有效提高数据显示渲染和交互的效率。实践应用表明,该方案能够较好地解决海量数据快速显示的问题,在针对气象大数据进行实时渲染动画播放之时,其播放展示速度可以高达30帧+(每秒),能够较好地满足实际业务需求。

一种奇异值分解与子空间加权联合的改进MUSIC算法

在低信噪比、小快拍数等非理想条件下,经典DOA估计算法对邻近目标的分辨率严重下降,甚至失去分辨能力。针对这一问题,提出了一种将重构的接收信号协方差矩阵进行奇异值分解并与改进的加权子空间方法相结合的改进算法。该算法充分利用互相关信息构建新的接收信号协方差矩阵,并对噪声子空间信息采用新的校正方法,对噪声特征值进行改造,之后对噪声子空间进行加权,最后与信号子空间加权技术相联合。仿真实验证明,改进算法在低信噪比和小快拍数条件下可以分辨间隔4°的相邻目标,统计分析表明该算法的分辨率明显优于经典MUSIC算法。