基于旋转不变信号参数估计技术与模式搜索算法的异步电动机转子故障检测新方法

提出一种基于旋转不变信号参数估计技术(Estimation of signal parameters via rotational invariance technique,ESPRIT)与模式搜索算法(Pattern search algorithm,PSA)的异步电动机转子故障检测新方法。模拟形成转子故障情况下的定子电流信号并以之检验ESPRIT性能。结果表明:即使对于短时信号,ESPRIT仍具备高频率分辨力,可以准确估计定子电流各个分量的频率;但对其幅值、初相角的估计欠缺准确性、稳定性。随后,采用PSA确定各个频率分量的幅值、初相角。对一台异步电动机完成了转子故障检测试验,结果表明:基于ESPRIT与PSA的异步电动机转子故障检测方法是切实可行的,并且因仅需短时信号即可达到高频率分辨力而适用于负荷波动情况。

基于空时离散傅里叶变换投影的宽带旋转不变技术估计信号参数算法

利用采样频率和频域数据的关系,对空时离散傅里叶变换(DFT)投影方法进行改进,并且讨论分析了采样频率对其解相干性能的影响,然后将窄带旋转不变技术估计信号参数(ESPRIT)类算法应用到宽带相干源方位估计中,提出一种基于空时DFT投影的宽带ESPRIT算法。仿真结果表明,适当地增加采样频率可以改善空时DFT投影方法的方位估计性能,并且比起快速傅里叶变换(FFT)插值法,空时DFT投影方法具有更加优越的方位估计性能。

基于旋转不变技术信号参数估计的激光扫频干涉测量方法

激光扫频干涉测量技术具有无测距盲区、非接触、单次测量多目标的能力.通过傅里叶变换可提取目标拍频频率,进而解算距离.然而受激光器调频带宽限制,通过傅里叶变换得到的目标分辨率受限于固有分辨率.为解决该问题,本文提出采用基于旋转不变技术的信号参数估计(ESPRIT)算法对测量信号进行频谱分析.实验通过插值拟合法校正测量信号拍频非线性,进而采用ESPRIT算法测量目标距离,结果表明在傅里叶变换算法无法区分临近目标频率的情况下,采用ESPRIT算法可以区分出目标的频率,通过计算可得被测目标的厚度为2.08 mm.从而为诸如光纤临近损伤点、薄台阶高度或小孔等测量提供了思路.

基于共变谱和旋转不变技术的多径时延估计

针对脉冲噪声环境下多径时延估计的分辨率问题,提出了一种基于共变谱(CS)和信号估计参数旋转不变技术(ESPRIT)的多径时延估计方法。采用α稳定分布建模脉冲噪声,依据分数低阶统计量理论,将两接收信号的共变序列进行傅里叶变换得到共变谱。CS看作等效的时间序列,把时域的多径时延估计问题转化为频域的多个正弦信号频率估计问题。利用ESPRIT对等效时间序列进行频率估计,得到高分辨率的多径时延估计。仿真实验表明:多径时延估计方法(CS_ESPRIT)在高斯和脉冲噪声环境中均具有较好的估计性能。

基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测新方法

将高频率分辨力谱估计技术与优化算法相结合而提出一种新的异步电动机转子故障检测方法。针对两种典型的高频率分辨力谱估计技术——多重信号分类(multiple signalclassification,MUSIC)与旋转不变信号参数估计技术(estimation of signal parameters via rotational invariancetechnique,ESPRIT),应用模拟转子故障的定子电流信号测试其频率分辨力、精度等性能,结果表明:即使对于短时信号,二者仍具高频率分辨力,可以准确地分辨定子电流信号中转子故障特征分量、主频分量之频率;但对其幅值、初相角,仅能提供"粗糙"估计。为此,尝试以优化算法——模拟退火算法(simulated annealing algorithm,SAA)与模式搜索算法(pattern search algorithm,PSA)确定各分量的幅值与初相角。同时,分别对MUSIC与ESPRIT、SAA与PSA做了性能对比,遴选优者并应用于转子故障检测。最后,针对转子断条故障进行实验,结果表明:基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测方法有效、可行,即使在负载波动、噪声等干扰严重情况下仍然适用。

基于SVD滤波技术与快速四阶累积量ESPRIT算法的异步电动机转子断条故障检测新方法

提出了一种基于奇异值分解(Singular Value Decomposition,SVD)滤波和快速四阶累积量(Speedy Fourth-Order Cumulants,SFOC)旋转不变信号参数估计技术(Estimation of Signal Parameters via Rotational Invariance Technique,ESPRIT)的异步电动机转子断条故障检测方法。SVD滤波方法可以理想地滤除电机定子电流信号的基频分量与背景噪声,从而凸显转子断条故障特征频率分量;四阶累积量ESPRIT方法可以有效减少噪声干扰、扩展信号阵元并以高频率分辨力提取定子电流信号中的转子断条故障特征频率分量;特别是,将二者结合即可在短时采样信号条件下以高频率分辨力提取转子断条故障特征频率分量。为了改善四阶累积量ESPRIT方法的快速性,提出了精简算法以消除均匀线阵的DOA(direction ofarrival)估计中的大量冗余数据,从而大幅减小计算量。转子断条故障检测实验表明:基于SVD和SFOC-ESPRIT的异步电动机转子断条故障检测方法效果良好。

二维ESPRIT参数配对及FPGA实现

与MUSIC算法相比,二维ESPRIT算法不需要谱峰搜索、运算量小,但存在参数配对问题。基于此,提出一种易于实现的参数配对方法,基本原理是2个表出矩阵特征值的和差等于表出矩阵和差的特征值,不需求解表出矩阵的特征向量。给出基于CORDIC算法和脉动阵的参数配对并行化实现方案,整个系统只有移位相加运算。使用ISE软件和ModelSim软件得到的仿真结果验证了该方案的正确性。

基于最优子阵划分ESPRIT的任意线阵高精度DOA估计算法

为了提高任意阵列的波达方向(direction of arrival,DOA)估计性能,从对子阵阵元选取进行优化的角度出发,提出了基于最优子阵划分旋转不变信号参数估计技术(estimation of signal parameters via rotational invariance techniques,ESPRIT)的任意线阵高精度DOA估计算法.该算法首先利用虚拟插值阵列ESPRIT(virtual interpolated array ESPRIT,VIA-ESPRIT)得到精度较低的DOA粗估计.其次以DOA粗估计为参考对任意阵列进行相位补偿,使其具备旋转不变性.然后根据ESPRIT算法原理对构建旋转不变方程的子阵划分进行优化,并通过优化后子阵间的旋转不变性得到高精度的DOA估计.此外,本文还分析了子阵划分对算法估计性能的影响,给出了子阵最优选取的近似计算方法.计算机仿真结果验证了所提算法的有效性,并表明其性能逼近克拉美·罗界(Cramer-Rao bound,CRB).

基于ESPRIT-PSA与LightGBM算法的感应电动机转子断条数目诊断新方法

提出一种基于旋转不变信号参数估计技术ESPRIT(Estimation of signal parameters via rotational invariance technique)、模式搜索算法PSA(Pattern search algorithm)与轻型梯度提升机LightGBM(Light gradient boosting machine)结合的感应电动机转子断条数目诊断新方法。模拟了转子断条故障下的瞬时无功功率信号并用其衡量ESPRIT-PSA的性能。结果表明:ESPRIT-PSA只需短时数据就能准确测量瞬时无功功率信号中的转子断条故障特征分量。随后,为解决现有的电机瞬时无功功率信号分析MIRPSA(Motor instantaneous reactive power signal analysis)类方法无法准确诊断转子断条数目的问题,引入LightGBM对转子断条故障进行多分类以准确诊断转子断条数目。最后针对一台异步电动机进行转子断条诊断实验,结果表明:该方法是有效的,并且因将瞬时无功功率作为分析信号而适用于电机低转差率的情况。

基于CP-ESPRIT的MIMO-OFDM频偏估计算法

针对已有MIMO-OFDM盲同步算法需要较多接收数据的缺点,提出了一种基于循环前缀和ESPRIT思想的MIMO-OFDM频偏估计算法——CP-ESPRIT算法。算法利用接收信号中未被IBI污染的循环前缀和OFDM符号中相应的部分构造接收信号矩阵,然后利用ESPRIT方法求得频偏估计值。该算法只要一个符号就能估计频偏,且频偏估计范围为一个子载波宽度,可用于载波频偏精同步。仿真验证了算法的性能。

基于扩展ESPRIT的随机阵列高效DoA估计算法

获得随机阵列的高效、统计无偏波达方向(DoA)估计是超分辨率DoA估计领域的一大挑战。该文基于“利用旋转不变技术扩展估计信号参数法(AESPRIT)”提出了一种随机阵列DoA估计算法。该算法将AESPRIT改造成闭合环结构,并使用阵列内插技术(AIT)提供的角度粗估计作为初始相位补偿角,从而通过迭代快速获得精确的DoA估计。所提算法直接给出代数形式的估计结果,具有低的计算复杂度;同时由于不存在流形映射或者模式截断误差,估计结果具有统计无偏性。仿真结果验证了所提算法的有效性。

基于ESPRIT与Duffing系统的笼型异步电动机转子断条故障检测

旋转不变信号参数估计技术(ESPRIT)应用于笼型异步电动机转子断条故障检测时,其频谱分析结果中可能出现实际并不存在的虚假频率分量,从而影响检测效果。针对该问题,采用ESPRIT对定子电流信号进行频谱分析,从而获得定子电流信号的频率分量组成,然后利用Duffing系统对ESPRIT频谱分析结果做进一步处理,以辨识并摒弃其中的虚假频率分量,从而保障笼型异步电动机转子断条故障检测的效果。仿真与实验结果验证了所提方法的有效性。

基于模极大值小波域和TLS-ESPRIT的振荡瞬态识别方法

对于电能质量扰动检测和定位中振荡瞬态的检测、识别,目前普遍采用的是时频特征矢量提取和智能模式识别方法,此类方法无法准确提取电能质量振荡瞬态信号不同频率分量的组成。结合模极大值小波域和总体最小二乘法旋转不变技术的信号参数估计(total least squares-estimation of signal parameters via rotational invariancete chniques,TLS-ESPRIT)可以很好地实现振荡信号的检测与识别。对于输入信号,首先采用模极大值小波域检测振荡发生的起始时刻和终止时刻,然后利用振荡时间间隔内的信号建立观测空间矩阵,通过奇异值分解和总体最小二乘法实现特征值截尾,将采样信号观测空间分解为信号子空间和噪声子空间,得到振荡信号每个构成频率分量的相应参数。仿真结果证实了所提出方法的可行性。

一种低复杂度的ESPRIT方法

提出一种低复杂度的旋转不变技术信号参数估计方法,只需要利用某一个信号的导频信息就可以实现对所有信号和干扰的波达方向进行快速估计,不需要估计协方差矩阵和对其作特征值分解,具有低复杂度和小运算量的特点.

基于高阶累积量与ESPRIT算法的功率振荡检测方法

电力系统实测信号在传输的过程中可能出现异常数据,且包含大量的高斯白噪声和高斯有色噪声,对功率振荡检测结果的精确性产生了较大的影响。为实现功率振荡信号的准确检测,对信号预处理方法进行了改进,采用七点二阶算法前推差分公式对异常数据进行识别,并进行了补正、滤波和去直流处理。进一步地,将原始信号用四阶累积量代替,并使用旋转不变技术信号参数估计(Estimating Signal Parameter via Rotational Invariance Techniques,ESPRIT)算法进行辨识,实现对功率振荡信号的精准检测。仿真结果表明,相比于直接使用ESPRIT算法,所提出的改进检测方法可以有效地消除异常数据、高斯白噪声和有色噪声对信号分析的影响,从而更为准确地辨识出系统中的振荡信息。

脉冲性噪声中二维波达方向估计算法

介绍了Alpha稳定分布和其分数低阶矩(FLOM),设计了一种用于2-D波达方向(DOA)估计的阵列配置,并基于相控分数低阶矩(PFLOM)提出了2-D DOA算法。由接收信号的PFLOM协方差矩阵得到有用信号的PFLOM协方差矩阵,对其进行特征值分解,并利用最小二乘或总体最小二乘方法就可得到DOA。最后,比较了基于传统协方差、符号协方差、FLOM和PFLOM的旋转不变技术估计信号参数算法。仿真结果表明,该算法具有鲁棒性和较小的角度估计偏差及均方误差。

基于SVD与ESPRIT的异步电动机转子断条故障检测新方法

提出一种基于奇异值分解(SVD)滤波和旋转不变信号参数估计技术(ESPRIT)的异步电动机转子断条故障检测方法。通过性能对比,说明SVD滤波可以理想地滤除待分析信号中的供电谐波及其他噪声,因而优于当前在转子断条故障检测中广泛使用的自适应滤波。进一步利用SVD估计经SVD滤波信号的谐波个数,以此改进ESPRIT的频率分辨性能。在此基础之上,将SVD与ESPRIT结合而进行异步电动机转子断条故障检测,试验结果表明这是行之有效的。

基于TLS-ESPRIT算法的声表面波标签辨识

为降低收发机成本,在声表面波射频识别系统中采用频域取样,并利用频率步进连续波作为发射信号.为了进一步提高识别距离及系统的抗干扰能力,增强标签在小信噪比下的识别能力,在信号处理部分使用总体最小二乘-旋转不变技术估计信号参数(TLS-ESPRIT)算法来提取标签的时延信息并解码.试验结果表明,相对于其他算法,TLS-ESPRIT算法能够在小信噪比条件下以较窄的工作带宽有效地识别标签.

ESPRIT-Based Feature Extraction of Helicopter Acoustic Signal

Aim To extract harmonic frequencies of helicopter acoustic signal as features for hel icopter identification. Methods Estimation of signal parameters via rotational invariance techniques(ESPRIT) was selected to extract harmonic frequencies from really measured helicopter acoustic signal and an algorithm based on the SVD TLS was used. Results ESPRIT correctly extracted harmonic frequencies of helicopter using the data of limited length under the variousflight conditions. Conclusion ESPRIT is an effective method of extracting harmonic frequencies and using harmonic frequencies of helicopter acoustic signal to recognize helicopter is feasible.

基于ESPRIT算法的双基地MIMO雷达幅相误差分析

对于双基地多输入多输出(multiple input multiple output,MIMO)雷达,发射和接收阵列幅相误差耦合到一起,不易单独测量。针对阵列存在小扰动幅相误差的MIMO雷达,分别推导了借助旋转不变信号参数估计技术(estimating signal parameter via rotational invariance techniques,ESPRIT)算法的到达角(direction of ar-rival,DOA)和离开角(direction of departure,DOD)的均方根误差(root mean square error,RMSE)与幅相误差关系表达式。与其他方法相比,ESPRIT算法可以将发射和接收阵列的幅相误差进行解耦,并且DOA和DOD的RMSE只与阵列相位误差相关,与阵列幅值误差无关。仿真结果表明,理论值和仿真实验值能够较好地吻合,验证了理论的正确性。