混合阵列误差校正与快速极化MUSIC算法

为解决通道不一致性对传统极化敏感阵列长矢量模型的测向精度影响及传统长矢量多重信号分类(multiple signal classification,MUSIC)算法实时性不高的问题,本文在传统极化敏感测向系统基础上,在阵列中心增加一个标量平面螺旋天线,利用其天线方向图的增益稳定性,作为内部源对其他矢量通道不一致性进行实时校正;然后将结合标量圆阵和快速傅里叶变换(fastFouriertransform,FFT)的快速MUSIC算法推广到矢量阵列,提出降维快速极化MUSIC算法.仿真结果验证了此误差校正方法的有效性,且快速算法在保证测角精度前提下有效提高了算法实时性.本文为极化敏感阵列测向提供了一种误差校正方法及一种快速实用的测向算法.

Multiple Music Sentiment Classification Model Based on Convolutional Neural Network

The network community is a platform for people to communicate. In order to accurately analyze the emotions displayed in music community, this paper proposes a convolutional neural network classification model based on multi-dimensional emotions. Firstly, to solve the problem of feature extraction of emotion words under similar sentence patterns, it proposed a multi-emotion classification method and emotion vector splicing method that conform to music community emotion characteristics. Secondly, aiming at the coexistence of multiple categories of emotions in music comment text, it applied an emotional value measurement method based on music characteristics. Finally, the classification model was constructed with combining methods of emotion vector splicing and emotion value measurement. Through experimental analysis, this model is proved to have good performance in accuracy.

典型阵列快速MUSIC算法研究

由于MUSIC(MUltiple SIgnal Classification)算法需要大量的乘法运算和三角函数求值,导致其实时处理能力较弱。为此,该文首先对均匀线阵和均匀圆阵的阵列结构进行分析,提取导向矢量的一些性质。然后,利用Hermite矩阵的性质对复数乘法进行分解,再组建两个实值向量以减少乘法运算次数。最后,利用导向矢量的性质提出一种基于查表的新算法。新算法既没有三角函数求值运算,又不需要大量的存储空间。仿真实验结果表明新算法在没有改变MUSIC算法谱估计的效果的前提下,将MUSIC算法的运算速率提高了50倍以上。因此,新算法具有广阔的应用前景。

MUSIC法的有限域单向快速频率搜索

快速傅里叶变换(FFT)算法在应用中速度快,精度较低,而MUSIC法精度高,实时性差。该文通过分析两者联合谐波频率估计的可能性,提出利用FFT算法对谐波频率进行预估计,用二分法将频域划分为有限个细小的频率区间,根据可能的有效频率选取有效区间,再通过MUSIC方法在有限的搜索区间进行频率细化,并在细化的过程中采用趋向谱幅值增大的单向搜索。通过仿真研究,该方法能有效提高信号的处理速度,加强MUSIC算法的应用。

基于MUSIC对称压缩谱的快速DOA估计

为提高波达方向(direction of arrival,DOA)估计的速度、降低运算量,在分析多重信号分类(multiplesignal classification,MUSIC)算法原理的基础上,利用噪声子空间降维的思想构造一维MUSIC对称压缩谱(MU-SIC symmetrical compressed spectrum,MSCS)。MSCS通过构造共轭噪声子空间并对噪声子空间及其共轭子空间的交集进行奇异值分解得到,其物理实质等效于在空间辐射源的对称位置添加相同数目的镜像辐射源。理论分析和仿真实验表明,MSCS不受实际阵型的限制,能将DOA估计的计算量降至传统MUSIC算法的50%,并具有与MUSIC相当的估计精度。

一种基于逐次搜索的快速MUSIC方法

MUSIC方法是一种经典的阵列波达方向(DOA)估计子空间方法,在高信噪比时,该方法有很好的性能,但随信噪比的降低,算法性能下降很快,特别是其分辨概率下降很快。其主要原因是低信噪比和DOA相邻较近时,信号源之间的空间相关性较强。逐次消除空间相关性并逐次搜索DOA的改进MUSIC方法,提高了分辨概率。为降低运算量,采用多级维纳滤波代替特征值分解过程。文中方法具有一般性,适合于基于子空间方法的一大类DOA估计。仿真结果证明了方法的有效性。

Blind channel estimation for multiple antenna OFDM system subject to unknown carrier frequency offset

The problem of channel estimation for multiple an- tenna orthogonal frequency division multiplexing （OFDM） systems subject to unknown carrier frequency offset （CFO） is addressed. Multiple signal classification （MUSIC）-Iike algorithm, which generally has been used for direction estimation or frequency estimation, is used for channel estimation in multiple antenna OFDM systems. A reduced dimensional （RD）-MUSIC based algorithm for channel estimation is proposed in multiple antenna OFDM systems with unknown CFO. The Cramer-Rao bound （CRB） of channel estimation in multiple antenna OFDM systems with unknown CFO is derived. The proposed algorithm has a superior performance of channel estimation compared with the Capon method and the least squares method.

一种基于短采样数据的快速超分辨SSMUSIC算法

基于多级维纳滤波(MSWF)理论,针对跳频通信或突发短时通信等情形下所造成的短采样数据,提出了利用CSA MSWF和Lanczos Algorithm快速实现在有限数据长度相较经典MUSIC算法角度估计性能更优、角度分辨率更高、算法鲁棒性更好的SSMUSIC算法。本文提出的MSWF SSMUSIC方法,不仅保持了SSMUSIC算法在短采样、低信噪比情形下角度估计性能更优、角度分辨率更高、算法鲁棒性更好等优点,而且避免了SSMUSIC算法为求得信号子空间、噪声子空间、协方差矩阵信号部分所对应的大特征值及噪声功率的估计而必须对高维协方差矩阵进行特征分解所带来的大的计算量的问题,扫除了SSMUSIC算法在短数据情形下由理论走向实际工程应用的主要障碍。仿真实验证明了该方法的有效性和可行性。

Prediction of lute acoustic quality based on soundboard vibration performance using multiple choice model

The vibrational performance of wood materials critical affects the acoustic quality of a lute. The purpose of this research was to apply a multiple choice model to predict the quality of musical instruments based on data on lute soundboard vibrational properties of Paulownia wood. In the lute production, lute material selection mainly depends on the subjective evaluation of technicians, which is not only inefficient, but inaccurate. In this study, nine lutes were fabricated. Using the multiple selection model, the lute tone quality was predicted by the soundboard wood vibration data. Compared with the actual value, the dependent value predicted by the count of observations with the maximum probability had 22 erroneous judgments. The model precision is 87.78%. The results confirmed that the prediction model can be used as a guideline for the selection of the soundboard wood in musical instrument plants.

一种基于MUSIC算法的宽带信号DOA估计

针对传统MUSIC算法在信噪比较低的条件下分辨力下降的问题,提出一种适用于宽带信号的改进MUSIC算法,首先对接收信号进行快速傅里叶变换,将时域信号转移至频域,并划分子带;对每个子带上的信号求解协方差矩阵,进行特征值分解,构造信号子空间和噪声子空间;将信号在两个子空间的投影比值作为参考,进行子带波达方向估计,进而平均求出最终宽带信号波达方向。仿真结果表明,在低信噪比条件下,相比于传统MUSIC算法,所提方法具有较好的空间分辨力。

基于协方差矩阵Toeplitz重构的MUSIC算法的波达方位估计方法

针对传统波达方向(Direction of Arrival,DOA)估计方法通过空间平滑对相干信号进行处理损失阵列孔径的问题,文章提出了一种基于协方差矩阵托普利兹(Toeplitz)矩阵重构的多重信号分类(Multiple Signal Classification,MUSIC)算法的波达方位估计方法。该方法首先根据阵列接收数据的协方差矩阵及其翻转矩阵来构造新协方差矩阵,并利用新协方差矩阵构造Toeplitz矩阵,然后对其进行特征值分解,得到Toeplitz矩阵的噪声子空间,利用噪声子空间求出信号空间谱,通过谱峰搜索估计入射信号的方位角。文中方法拓展了阵列孔径,增加了可估计相干信号的数量,提升了方位估计的性能,提高了阵列的空间分辨率。仿真和湖上实验数据处理结果表明,文中方法可估计出更多的相干信号,而且在低信噪比、少快拍以及信号入射角度间隔较小时仍然具有良好的方位估计性能。

单脉冲测角的二维分级主旁瓣干扰联合抑制方法

针对矩形平面阵列天线同时存在主、旁瓣干扰的单脉冲测角问题,该文设计了2维分级自适应单脉冲波束形成算法(TDHJ-ADBF)。TDHJ-ADBF算法将矩形平面阵分为方位维和俯仰维两个正交维度,采用2维分级处理架构:第1级处理在测角维进行,采用低运算量的压缩多重信号分类法对测角维主瓣干扰进行快速识别与方向估计,构造阻塞矩阵滤除主瓣干扰,获得仅含旁瓣干扰和噪声的协方差矩阵,进而对和、差波束方向图进行指向与鉴角曲线联合约束,完成测角维旁瓣干扰抑制与波束形成处理;第2级在非测角维对残留的测角维主瓣干扰进行抑制。通过2维分级处理实现主、旁瓣干扰联合对抗,并保持单脉冲测角的鉴角曲线线性度。仿真结果表明,TDHJ-ADBF算法实现了对主、旁瓣干扰联合抑制,具有高精度的单脉冲测角性能。

DOA估计算法的一种修正MUSIC算法的研究

传统改进MUSIC算法通过对接收信号协方差矩阵作预处理,使信号协方差矩阵分解得到信号子空间与噪声子空间正交,从而降低噪声的影响。但当信号间隔很小时,随着信噪比的降低,传统改进MUSIC算法已无法分辨出信号。基于此问题提出的修正MUSIC算法在使信号子空间与噪声子空间正交的基础上,充分利用了噪声子空间及其特征值对噪声子空间的修正,进而构造谱峰搜索函数估计出信号。通过仿真实验,证实了在信噪比很低的情况下,信号间隔很小且存在相关信号时,修正MUSIC算法能准确地估计出传统改进MUSIC算法不能估计的信号。

基于谱分解的降阶求根MUSIC算法

求根多重信号分类(Root-MUSIC)算法以多项式求根代替谱峰搜索,降低了波达方向(DOA)估计的计算量,但当阵元数较大时,其计算量依然很大。为进一步降低计算量,该文提出一种降阶Root-MUSIC(RD-Root-MUSIC)算法。该算法基于谱分解将Root-MUSIC多项式的阶次降低一半,再根据矩阵特征多项式与求根多项式的关系构造友阵,采用Arnoldi迭代计算得到友阵的L个大特征值(L为信号数)并估计DOA。仿真结果表明,RD-Root-MUSIC估计精度与Root-MUSIC相近,但其在大阵元下具有比Root-MUSIC更低的计算量。

任意阵列双基地MIMO雷达的半实值MUSIC目标DOD和DOA联合估计

实值处理具有降低高自由度多输入多输出(multiple-input multiple-output,MIMO)雷达角度估计大计算量的优势。但受制于阵列的共轭对称性,对于任意阵列结构的双基地MIMO雷达发射角(direction of departure,DOD)和接收角(direction of arrival,DOA)联合估计,若不做附加的预处理则无法实现实值操作,故将常规阵列实值处理的多重信号分类(multiple signal classification,MUSIC)超分辨算法推广至任意阵列结构的双基地MIMO雷达。首先根据MIMO雷达的导向矢量共轭与镜像的对等性,提取接收信号协方差矩阵的实部,并对其进行特征分解得到"目标加倍"的信号子空间及其应对的噪声子空间;然后利用Kronecker积的特性对其进行降维处理,得到搜索区域减半的一维半实值域MUSIC谱,取出目标DOD真值与其镜像代入降维Capon算法来剔除虚拟峰值得到目标DOD估计真值;最后利用特征矢量得到模糊DOA估计值,采用方向余弦差最小范数方法得到目标DOA无模糊估计值。本文算法估计性能与一维搜索复数域MUSIC相当,计算量约降50%,且能够实现DOD和DOA的自动配对。仿真结果证明了该算法的有效性。

阵元间距对MUSIC算法的影响

本文概述了MUSIC算法,当阵元间距不大于载波半波长时,通过分析得出MUSIC算法空间分辨率随阵元间距增大而提高,并推导阵元间距与MUSIC算法性能的定量关系;当阵元间距大于载波半波长时,讨论空间谱可能出现虚假谱峰的情况,并提出提取真实谱峰的方案.最后通过计算机模拟仿真验证文中结论.

基于AccelDSP的MM-MUSIC算法实现及其在多波束测深声纳中的应用

常规的多重信号分类(multiple signal classification,MUSIC)算法计算量庞大,难以应用于多波束测深声纳(multi-beam bathymetry sonar,MBBS),而现有的波束域MUSIC算法仍需要进行协方差矩阵估计和特征值分解而造成系统规模复杂。将基于多级维纳滤波器(multiple stage Wiener filter,MSWF)的快速子空间估计与多子阵波束域MUSIC(multiple subarray beamspace MUSIC,MSB-RMU)算法相结合提出MM-MUSIC算法。和MSB-RMU算法相比,该算法用较小的性能损失换来大大降低的计算量和高度的可并行性,基于Xilinx Ac-celDSP综合工具的快速子空间估计的实现和实验数据的处理证明了该算法的有效性与实用性。

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.

基于均匀线阵的改进MUSIC算法

在相干信源下,传统的MUSIC(MUltiple SIgnal Classification)算法不能准确地估计波达方向。为此,在对传统的MUSIC算法进行研究的基础上,提出了一种改进的MUSIC算法。该算法是将阵元接收的数据做相应的变换,从而得到新的阵列数据,再通过求互协方差等运算,得到新的数据协方差矩阵。同时,对该算法和传统的MUSIC算法进行了仿真,对其DOA(Direction-of-Arrival)估计性能进行比较。仿真实验表明,改进后的算法在相干信源的情况下具有很好的去相干性能,而且没有阵列孔径的损失。能精确地估计信号的波达方向。