DQ变换和MUSIC算法在ITER磁体电源信号间谐波检测中的应用

随着国际热核聚变实验堆(International Thermonuclear Experimental Reactor,ITER)计划的逐步开展,保证ITER磁体电源系统的稳定运行显得尤为重要。文章采用将DQ变换和多信号分类(multiple signal classification,MUSIC)算法相结合的方法进行间谐波频率检测,信号的幅度和相位由最小二乘法来估计。DQ变换可以消除大幅度ITER基波分量,MUSIC算法可以通过矩阵特征分解检测出短数据条件下的谐波和间谐波,适用短时平稳的间谐波检测,两者相结合可以有效检测出大幅度基波附近存在小幅度间谐波。仿真实验表明,计算经DQ变换后检测出的ITER信号谐波频率时,取中间信号计算真实频谱较为正确,两侧信号则有较大的误差。

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。

基于多信号分类法和普罗尼法的间谐波参数估计

提出了一种基于多信号分类法(MultipleSignalClassification,MUSIC)和普罗尼法(Prony)的间谐波参数估计方法,首先通过在MUSIC功率谱曲线中设置阈值来估计信号中的谐波和间谐波频率,然后根据估计出的频率利用Prony法中的最小二乘法来估计其幅值和相位。仿真和实测信号分析结果表明,该间谐波参数估计方法在低噪声水平下可检测到整数次谐波附近的间谐波,且估计出的谐波和间谐波参数精度较高,能满足实际电网信号测试精度的要求。

基于改进多信号分类法的异步电机转子故障特征分量的提取

在基于定子电流信号进行异步电机故障诊断时,转子断条故障特征频率分量常常被电流的基频分量淹没。针对这一情况,该文提出一种新的改进的MUSIC方法来提取这一故障特征频率。MUSIC方法通过特征值分解把自相关矩阵中包含的信息空间分成信号子空间和噪声子空间两个正交的子空间,该文提出的改进方法是将信号子空间中对应最大主分量的特征向量移到噪声子空间,这样构成两个新的正交子空间I和Ⅱ。子空间I由信号中的最大主分量和噪声所对应的特征向量张成,子空间Ⅱ由其他分量的特征向量张成。把不同频率的信号投影到子空间I,基频信号在该空间的投影将远大于其他的频率分量,因此在投影的倒数谱中,基频分量被抑制,凸显出了故障频率分量。仿真和实验表明,该方法用于提取转子断条故障特征是可行并且是有效的。

基于插值FFT和多信号分类法的间谐波参数检测

为了在短数据且存在白噪声的情况下检测大幅度谐波附近的小幅度间谐波,提出了采用插值FFT和多信号分类法(MUSIC)相结合的间谐波参数检测方法。首先,利用加Hanning窗的插值FFT检测出信号中的主要频率成分;然后,从原信号中减去这部分信号,利用MUSIC方法对剩余信号进行频率检测,得到的两部分频率即认为是原信号中包含的频率成分;最后,采用最小二乘法在频率已知的情况下检测各频率分量对应的幅度和相位。仿真结果表明:该方法能够在短数据噪声环境下检测出整数次谐波附近的间谐波,幅度和频率参数的估计结果能够满足测试精度的要求。

基于四阶累积量的多信号分类法间谐波检测研究

利用高阶累积量能够完全抑制高斯噪声的特点,采用四阶累积量定义的矩阵代替传统二阶多信号分类法中的自相关矩阵作特征值分解,将特征值对应的特征向量空间分为信号子空间和噪声子空间,利用两空间正交性,获得谐波源的功率谱和频率,再用Prony方法计算出幅值。仿真结果表明,该算法能有效地抑制高斯有色噪声,改善了谱估计性能,其精度能够满足电力系统间谐波分析的需要。

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。

针对相干信号DOA估计的改进MUSIC算法

针对相干信号波达方向(Direction of Arrival,DOA)估计,提出了一种改进的多重信号分类(Multiple Signal Classification,MUSIC)算法。首先,利用信号协方差矩阵的两个最大特征值所对应的特征向量,构造出两个Toeplitz矩阵;然后,利用前后向空间平滑思想得到这两个矩阵的无偏估计并求和;最后,利用MUSIC算法从中估计出相干信号DOA。和已有方法相比,该方法无需损失阵列孔径且具有更优的DOA估计性能。

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.

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。

基于多重信号分类法的线性调频差频频率估计

针对傅里叶方法估计线性调频连续波差频信号频率在小尺度上精度低的缺陷,提出利用多重信号分类法(Multiple Signal Classification,MUSIC)估计差频信号频率。该方法在频域上对自相关功率谱进行信号和噪声的空间分解,利用信号空间和噪声空间的正交性,完成对信号频率的超分辨估计。仿真计算和实验室测试表明,该方法有效减小了距离分辨单元的影响,其单一目标距离测量精度优于傅里叶法。

一种基于前向空间平滑的分组相干信号测向算法

在日趋复杂的电磁环境中,由于存在着大量反射信号,以及人为操作等因素,使得到达的信号存在大量的相干信号,呈现出不同来源的多组相干信号。由于信号存在相干性,导致传统的谱估计MUSIC算法失效,研究者们提出了许多解相干的算法,包括各种空间平滑算法,矩阵重构的算法,最大似然算法等。但是上述所提出的算法都是将所有的相干信号同时测向,当相干信号数过多时会出现漏测的问题。

神经网络雷达信号分类法

神经网络用来分析复杂的模拟雷达环境，它包含由许多不同的辐射器产生的带噪声的雷达脉冲。所用神经网络是一种能量最小化网络（BSB模型），它基于学习输入数据形成能量最小－－动态系统网络的吸引子。该系统首先确定有多少辐射器存在（去交织问题）。从单个模拟辐射器的脉冲引起网络内的不同的稳定吸引子。一旦单个辐射器被特征化，基于对它们的观测参量，有可能试图辨认它们。作为这种想法的试验，一种神经网络用来形成能够潜在地辨认辐射器小的数据库。

用电源分类法迅速查找信号电源接地故障浅议

作者通过电源分类法入手，简述了迅速查找信号电源接地故障的查找方法。

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。

模型误差对非圆信号测向MUSIC算法性能的影响

近年来,针对非圆信号的测向算法已陆续提出,对这些算法的渐近性能及Cramer-Rao界的分析也已见报道,但仍未涉及模型误差对此类算法影响的分析.本文概括介绍了用于非圆信号测向的MUSIC(Multiple Signal Classi-fication)算法,对其空间谱函数进行一阶泰勒展开,得到了测向误差的表达式,从而求得测向均方误差统计意义上的表达式.仿真实验验证了推导的正确性,并由理论结果分析了模型误差条件下测向误差与角度间隔和非圆相位差的关系.

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。

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。

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。

色噪声背景下基于四元数MUSIC方法的矢量阵列信号参量估计

研究提取色噪声背景下以Hamilton四元数表示的二分量矢量阵列信号模型参量。首先详细说明了Hamilton四元数矩阵的右特征值分解理论及其具体的计算方法,然后构造了Hamilton四元数的二重相关函数(相关函数的再次相关函数),二重相关函数不仅能够有效地表征二分量矢量阵列信号参量,同时还可以抑制色噪声。最后,定义了二重相关函数的Toeplitz矩阵,利用介绍的四元数矩阵右特征值分解的计算方法得到信号子空间与噪声子空间,再利用噪声子空间与信号子空间的正交性采用四元数MUSIC的方法估计出信号参量。仿真对比实验说明此算法是有效的。