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%。

基于多重信号分类法的一种声矢量阵方位估计算法

为了提高声矢量阵高分辨方位估计的性能,文中提出了一种矢量阵MUSIC方位估计算法。该算法先构造声矢量阵声压和振速组合输出的互协方差矩阵,然后进行MUSIC方位估计。理论分析和计算机仿真表明,文中算法比传统声矢量阵MUSIC方位估计算法有更好的双目标分辨能力和弱目标方位估计能力,湖试结果也表明文中算法有更好的目标方位估计性能。该算法基于矢量传感器声压和振速的相干性原理,充分利用声压振速组合指向性抗干扰能力,可以更好地抑制各向同性干扰,提高阵列的处理增益,从而有更好的方位估计性能。

基于多重信号分类与模式搜索算法的笼型异步电动机转子断条故障检测新方法

提出了一种基于多重信号分类(multiple signal classification,MUSIC)与模式搜索算法(pattern search algorithm,PSA)的异步电动机转子断条故障检测新方法。MUSIC方法对于短时信号具备高频率分辨力,可以准确计算转子断条故障特征分量以及其他分量的频率;但对诸频率分量幅值和初相角则无法准确求解。因此引入PSA确定诸频率分量的幅值、初相角,并对1台Y100L-2型3 kW笼型异步电动机完成了转子断条故障检测实验。实验结果表明:基于MUSIC与PSA的异步电动机转子断条故障检测方法切实可行,适用于负荷波动、噪声等干扰严重情况。

基于求根多重信号分类和遗传算法的谐波间谐波频谱估计

为了改善电能质量,需要准确估计电网电压或电流的谐波、间谐波频谱。将空域处理技术的空间谱估计方法应用到电网信号的谐波、间谐波频谱估计。使用求根多重信号分类方法估计电压或电流的不同频率成分数及各成分的频率,各成分的幅值和相角估计由遗传算法完成。首先介绍频谱估计使用空间谱估计的理论依据,然后详尽地说明了求根多重信号分类方法和遗传算法的原理及算法流程。仿真结果和与其他方法的比较证明此方法在数据长度有限和噪声干扰时可以准确估计谐波、间谐波的频谱。

一种适用于小样本的迭代多重信号分类算法

当样本数不足时,由采样协方差矩阵特征分解得到的噪声子空间偏离其真实值,使得多重信号分类(MUSIC)算法目标角度(DOA)估计性能下降。为了解决这个问题,该文提出了一种迭代算法通过校正信号子空间来提高MUSIC算法性能。该方法首先利用采样协方差矩阵特征分解得到的噪声子空间粗略估计目标角度;其次基于信源的稀疏性和导向矢量的低秩特性,由上一步得到的目标角度以及其邻域角度对应的导向矢量构造一个新的信号子空间;最后通过解一个优化问题来校正信号子空间。仿真结果表明,该算法有效地提高了子空间估计精度。基于新的信号子空间实现MUSIC DOA估计可以使得性能得到改善,且在低样本数下改善尤为明显。

适用于单快拍的多重信号分类改进算法

经典多重信号分类(MUSIC)算法的子空间估计以多快拍数据估计得到的协方差矩阵为基础,在实际应用中,可用的快拍数并不确定。针对这一问题,本文提出了一种适用于单快拍的MUSIC改进算法,即ISS-MUSIC算法。该算法对经典MUSIC测向方法进行了改进,将伪协方差矩阵构造法与共轭增强法相结合。新算法的优点为适用于单快拍,且性能优于未进行共轭增强的基于伪协方差矩阵单快拍MUSIC算法。

CS损伤成像中的时间逆转多重信号分类算法

将时间逆转多重信号分类算法应用于混凝土结构内部损伤检测中,由换能器单元发射的信号和接收的损伤回波信号构建传递矩阵,并通过对传递矩阵奇异值分解后得到的奇异值反映了损伤的数量与损伤的程度,奇异向量则包含了损伤信息,基于多重信号分类算法结合奇异向量对CS内部结构成像并实现损伤定位,通过数值仿真和实验验证了时间逆转成像方法用于CS损伤检测的可行性,实现了损伤的准确定位。

空间外差信号提取中多重信号分类算法准则的影响

基于空间外差光谱特性,针对传统傅里叶变换算法在光谱复原中的局限性,引入现代谱估计的多重信号分类MUSIC算法进行空间外差信号光谱复原,采用自回归传递函数准则(CAT)对影响谱估计效果的信号空间维数值进行估计.测试结果显示CAT准则直接定维值与最佳结果存在偏差,将CAT准则直接定维值减数值3作为改进后的新准则重新应用于实测数据光谱复原.改进的CAT准则与MUSIC算法配合能够很好地适用于空间外差干涉数据,光谱复原效果优于直接傅里叶变换结果.以光谱角度匹配和均方误差作为改进CAT准则的MUSIC算法谱估计效果评价指标,与理想光谱相比,MUSIC算法对钾盐双谱峰信号处理后复原光谱相似度达到0.764,均方误差为0.040,对氖灯多谱峰信号和处理结果分别为0.806和0.046.复色光结果分别为0.988和0.089.采用改进的CAT准则进行自适应定维的MUSIC算法对空间外差光谱复原具有一定优势,提高了功率谱复原效果.

短波段内多重信号分类算法的窄带假设分析

经典空间谱估计算法的两个适用假设是远场平面波和窄带信号。文章利用7单元均匀线列阵仿真分析了短波波段内多重信号分类（MUSIC）算法的窄带假设上限带宽。可以发现：对于短波信号，50kHz的带宽所带来的测向误差不超过O．08°。这就意味着，对于短波通信信号的侦察测向完全可以采用经典空间谱估计算法，比如MUSIC算法，而不需要为窄带假设来付出代价，这便为设计高精度的短波通信实时测向系统提供了条件。

基于自适应步长萤火虫-多重信号分类算法的低空目标波达方向估计

该文针对传统多重信号分类算法(MUSIC)不适用于低空多径环境下目标波达方向(DOA)估计且谱峰搜索计算量大的问题,在解相干基础上,提出一种基于自适应步长萤火虫算法的多重信号分类算法。该方法通过对快拍数据协方差矩阵虚拟平滑实现多径信号的完全解相干和满秩相关矩阵的构造,利用自适应步长萤火虫算法实现谱峰搜索和目标角度估计。仿真结果表明,新方法能够在无孔径损失的情况下较好克服低空多径效应影响,快速、精确地估计目标波达方向。

多重信号分类算法在共形阵列天线中的应用

在天线信号优化设计中,传统的共形阵列天线的信号波达方向(DOA)估计采用了波束扫描技术,需要大量的阵元才能获得较高分辨率,对于有限的阵列孔DOA估计来说,上述技术的分辨率会受到瑞利限制。而多重信号分类(MUSIC)算法,由于充分利用了噪声子空间和信号子空间的正交性,构造了空间谱函数,可以通过谱峰值的搜索来达到DOA估计。对MUSIC及改进算法进行分析,并且分别在均匀线阵,柱面阵列和锥面阵列天线模型下进行了仿真,结果表明,阵列的排列方式对波达方向的估计性能具有重要的影响。

多重信号分类算法测向精度的仿真分析

作为空间谱估计理论体系中的标志性算法，多重信号分类算法从1979年提出后就一直是阵列信号处理领域的研究热点之一。针对复杂电磁环境中阵列测向的实际应用问题，从多信源、含噪宽带信号、入射角度、阵列间距这4个因素对多重信号分类算法的测向精度作了仿真分析，得出了一些结论。

多重信号分类(MUSIC)算法的研究分析

文章介绍一种多重信号分类(MUSIC)算法,利用多重信号分类(MUSIC)算法对均匀线阵的方向图进行仿真。通过仿真结果可以看出采用该算法的均匀线阵方向图在信号位置很高的分辨力、估计精度及稳定性。

解卷积的多重信号分类算法方位谱低背景处理方法

针对信噪比较低时,多重信号分类（Multiple Signal Classification,MUSIC）算法方位谱背景级较高的问题,提出了一种解卷积的MUSIC方位估计算法（Deconvolvecd MUSIC,D-MUSIC）。该方法用一个类似冲激函数作为MUSIC算法输出方位谱的点散射函数（Point Scattering Function,PSF）,然后基于解卷积图像复原理论,利用该点散射函数和RichardsonLucy（R-L）迭代算法对MUSIC算法的方位谱进行解卷积,获得D-MUSIC算法的方位谱,达到降低方位谱背景级的目的。仿真表明,该方法继承了MUSIC算法的高分辨性能,且可以明显降低方位谱的背景级,具有较好的方位估计性能。对南海海上试验的水平阵数据进行处理,分析比较了利用MUSIC算法和解卷积MUSIC算法获得的方位谱时间历程图,分析结果有效验证了D-MUSIC算法性能的优越性。

基于Group Lasso的多重信号分类声源定位优化算法

多重信号分类算法因其抑制噪声能力强、计算速度快等优点,在声源定位领域得到广泛应用。但该算法在中低频段分辨率及聚焦性能较差。针对该问题,提出一种基于Group Lasso的多重信号分类优化算法。该算法将多重信号分类算法输出值作为初始值,并在Group Lasso算法组间计算时对目标信号进行稀疏、在组内计算时对该组信号进行平滑及阈值截断。仿真结果表明:该优化算法在中低频段可明显提高多重信号分类算法分辨率,同时改善因扫描位置与声源面位置不重合引起的聚焦性能下降问题。

改进多重信号分类算法的宽带频谱快速感知方法

针对宽带频谱感知中采样率大、感知时间长的问题,在调制宽带转换器采样的基础上提出了一种改进多重信号分类算法的宽带频谱快速感知方法。调制宽带转换器对宽带频谱进行欠奈奎斯特采样,以最小描述长度准则估计信号个数,用改进多重信号分类谱估计信号位置。算法引入调整因子,使得多重信号分类谱中信号位置更为明显,降低了噪声的干扰。整个感知过程无须重构原始波形,无须计算频谱,大大降低了计算量,而且感知算法计算复杂度低,提高了感知效率。仿真结果表明,在低信噪比的情况下,该算法仍具有很好的检测性能。

基于矢量水听器阵列空域预滤波处理的多重信号分类算法研究

矢量水听器能同时拾取声压和振速信息,在相同的信噪比、阵元数及阵列孔径下,矢量阵定向性能优于声压阵列。目前,以多重信号分类算法(Multiple signal classification,MUSIC)为代表的高分辨定向算法已经广泛应用于矢量水听器阵列中。但是随着信噪比降低、信号源方位间隔减小,传统MUSIC算法定向精度及分辨概率显著下降。本文采用最小二乘法设计适用于矢量水听器水平阵列的矩阵空域滤波器,用于阵列数据的空间滤波预处理,可以对阻带扇面噪声进行有效抑制。由滤波后的数据协方差矩阵可以得到新的噪声子空间,在传统MUSIC算法基础上修正通带扇面内阵列流型的畸变后即可得到滤波后MUSIC算法的方位谱。仿真结果表明,当信噪比较低时,改进算法有效提高了通带扇面内目标方位分辨性能。最后本文对四基元矢量水平阵列海试数据进行了处理,改进算法对窄带信号定向较常规算法-3 dB束宽减小了13°,旁瓣级降低约8 dB。对有一定带宽的行船辐射噪声定向处理得到了更加精确的航迹图,海试数据处理结果证明了该算法的可行性和有效性。

基于子空间加权的多重信号分类时延估计算法

针对水下探测通信一体化干扰抑制中时延估计误差对主动干扰抑制性能的影响,以及常规多重信号分类(MUSIC)时延估计方法因数据长度有限、信噪比低使得信号与噪声子空间不完全正交,导致时延估计性能下降的问题,提出了基于子空间加权的MUSIC时延估计方法。该方法通过重构噪声子空间,并利用信号特征值与噪声功率构造加权值,对子空间进行加权,实现对MUSIC时延估计谱的修正。仿真结果表明,所提方法较互相关法、MUSIC算法和SSMUSIC算法具有更高的时延估计精度,以及更优的时延分辨率。

基于频率分集逆合成孔径雷达的多重信号分类目标成像算法

将频率分集的思想应用在逆合成孔径雷达(inverse synthetic aperture radar,ISAR)成像中,通过单频信号合成宽带信号,可解决系统发射接收宽带信号复杂的问题。但窄带的合成可视为宽带信号的稀疏采样,由此带来了旁瓣提高等难点。提出一种基于频率分集ISAR体制的多重信号分类(multiple signal classification,MUSIC)目标成像算法,该算法将合成阵列接收的回波信号协方差矩阵进行特征值分解,得到信号子空间与噪声子空间,然后根据二者的正交性构建谱函数对目标位置进行估计,得到目标的超分辨二维像。将MUSIC算法与后向投影(back projection,BP)算法做了对比,仿真结果表明:在有较强噪声环境下,前者仍能有较好的成像效果,证明本文方法的应用可有效解决频率稀疏带来的高旁瓣问题。

阵列信号处理中多重信号分类算法的仿真研究

波达方向(DOA)估计是阵列信号处理研究的重要内容之一,多重信号分类(MUSIC)算法是一种经典有效的DOA方法。概述了阵列信号处理研究的主要内容,详细介绍了多重信号分类算法的原理,并用MATLAB进行仿真实现该算法,研究了MUSIC算法的性能。