机械振源数估计的四线性平行因子方法研究

针对三线性平行因子模型在机械振源数盲估计方法中存在的不足,即由于维度的限制只能对振动信号的部分信息建模,信号中的时间序列信息被忽略。将三线性平行因子的机械振源数估计方法扩展至四维,提出一种基于四线性平行因子的机械振源数估计方法。所提出的方法中,在三维的基础上增加了第四个维度(时间维),利用四线性交替最小二乘法迭代更新载荷矩阵,用核一致诊断法估计振源数。提出的方法既继承了三线性平行因子的独特优势,同时,又包含了更完整的振动信号的信息。相比三线性平行因子机械振源数估计方法,同组分数条件下四线性平行因子比三线性平行因子得到的核一致值更高,估计更加准确。仿真结果表明,提出的方法优于三线性平行因子机械振源数估计方法。实验结果进一步验证了提出的方法的有效性。

基于四线性平行因子的机械故障盲分离方法

针对传统的机械故障诊断盲分离方法需要添加工程应用中较难满足的约束和限制条件的不足,在三线性分解理论的基础上,提出了一种基于四线性平行因子的机械故障盲分离方法。该方法充分利用了平行因子在宽松条件下分解具有唯一性的特点,在三维平行因子的基础上增加了第4个维度,使得所建模型数据包容度更大,包含信息量更加丰富。并且该方法利用四线性交替最小二乘法迭代,相比于传统的三线性交替最小二乘法迭代,该方法迭代更加平稳,收敛性更好。仿真和实验结果一致证明了提出的方法的有效性。

平面阵列下的二维角度和频率联合估计

在均匀面阵列结构基础上提出一种二维角度和频率联合估计新方法.对阵列天线输出的信号进行建模分析,表明阵列接收信号具有平行因子四线性模型特征.利用该模型低秩分解的唯一性条件,从分解得到的矩阵中联合估计出信源的参数.该算法首先利用四线性交替最小二乘算法估计出方向矩阵和频率矩阵,然后利用频率矩阵的Vandermonde特征和方向矩阵的结构特点及最小二乘法计算频率和二维角度.该方法无需谱峰搜索即可实现参数同时估计与配对,与现有的基于三线性分解的算法和ESPRIT算法相比具有更高的估计精度,而且在小样本数情况下也能较好地工作,仿真结果验证了该方法的有效性.

双基地MIMO雷达三维空间目标参数估计算法

针对双基地MIMO雷达三维空间目标参数估计问题,建立非均匀线型发射阵列和非均匀L型接收阵列的信号模型,并提出基于平行因子分析的目标收发角和多普勒频率联合估计算法.该算法首先利用平行因子分析和四线性交替最小二乘算法计算得到目标导向矩阵,进而构造虚拟导向矩阵并进行去冗余和降噪处理,最后通过Root-MUSIC算法估计出目标三维收发角和多普勒频率.仿真实验表明,与传统算法相比,所提算法实现了孔径的高效扩展,提高了参数估计精度,降低了系统配置需求.