基于旋转不变阵列的分段平稳信号欠定DOA估计

为克服KR-MUSIC算法限定阵列为均匀线列阵、需要空域谱搜索、计算量较大的缺点,提出了一种基于旋转不变阵列的DOA估计算法,扩大了应用范围,且算法通过解析运算估计DOA,避免了计算量较大的谱搜索.该算法可估计的DOA个数由KR-MUSIC方法的2N-1增加到N2/2.仿真结果表明,在同样信噪比、帧长和帧数条件下,本文算法的性能要优于KR-MUSIC算法.

一种分段平稳随机信号的参数识别方法

基于振动的结构健康监测的前提是从振动测试信号中提取结构模态参数。随机子空间方法是近年来发展起来的一种线性系统辨识方法,可以有效地从环境激励的结构响应信号中提取结构模态参数。随机子空间识别方法的应用前提是输入满足白噪声的假定,输出信号应当是平稳信号。论文对随机子空间方法的使用前提进行了拓展。将非平稳信号划分为分段平稳随机信号进行处理,为非平稳信号的研究提供一种新的分析方法。基本思想是将在现场采集的结构输出信号进行分段,各段信号应满足稳定的条件,即分段平稳。将各段信号用随机子空间结合稳定图进行识别,然后将所有各段所识别的模态参数再一次用稳定图方法进行分析,得出结构的模态参数。最后用一3跨连续梁的数值模型进行验证,结果表明用随机子空间方法结合两次稳定图可以有效地识别分段平稳的随机信号。

一种改进的分段平稳随机过程的参数估计方法

将非平稳随机信号划分为分段平稳随机信号进行处理,为非平稳随机信号的研究提供的一种新的分析方法。为最优地将非平稳随机信号划分为分段平稳随机信号,Djuric等人用 Bayes方法,通过递推多维条件分布概率来估计最优划分参数值,但计算相当复杂。本文在研究 AR模型本身的一些特性的基础上,通过直接递推多维联合分布概率来估计最优划分参数,大大地减少了计算量。