基于协方差拟合旋转不变子空间信号参数估计算法的高分辨到达角估计

为进行高分辨到达角(DOA)估计的同时避免稀疏类算法的不足,提出了协方差拟合旋转不变子空间信号参数估计(ESPRIT)算法.首先将协方差拟合准则转换成半正定规划问题,利用凸优化进行求解,得到更接近理论值的信号协方差矩阵;然后对估计的信号协方差矩阵进行特征分解,利用信号子空间和噪声子空间特征值的差异估计信源个数;最后利用子空间旋转不变性反解出未知DOA.仿真实验从DOA估计精度、分辨率等方面验证了该算法的有效性,较传统ESPRIT算法具有更高的DOA估计分辨率并且受相干信源影响小;与稀疏类算法相比,不依赖先验信息以及避免了网格失配问题.

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。

基于均匀圆阵模式空间和多重旋转不变子空间算法的完备二维DOA估计算法

为了在低运算量下提高均匀圆阵中二维测角的精度,提出一种基于圆阵模式空间和多重旋转不变子空间算法的二维波达方向估计算法。首先利用模式空间算法将均匀圆阵等效为虚拟均匀线阵,并利用贝塞尔函数的递推性质推导此种情况下阵列的旋转不变特性。然后根据虚拟线阵的结构提出一种简便有效的子阵划分办法,在此基础上得出阵列的多重旋转不变方程,并利用多重最小二乘准则得出其完备解,从而完成对信号二维到达角的估计,仿真实验验证了算法的有效性。

一种基于旋转不变子空间算法的非模糊参数配对方法

针对多维旋转不变子空间算法(ESPRIT)信号参数估计存在失配的问题,该文提出一种基于特征值分维的参数配对方法。该方法首先对包含待估计参数信息的多维特征值进行线性组合并构造判断矩阵,再根据矩阵维数对应关系进行配对。相比于其他配对算法,该文提出的算法结构简单,没有模糊参数,在特定情况下具有较高的鲁棒性,能实现参数的自动配对。最后通过对比仿真验证了该文配对算法的优越性。

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.

基于旋转不变子空间原理的共形阵列DOA与极化状态联合估计

利用交叉电偶极子天线单元在锥面共形载体上构造极化敏感阵列,推导并建立了其快拍数据模型.在此基础上,利用锥面共形载体的单曲率特性构造满足旋转不变关系的成对子阵,根据旋转不变子空间思想提出一种信源方位和极化参数的联合估计算法.Monte-Carlo仿真实验表明,该算法能够很好地解决锥面共形阵列应用中的多参数联合估计问题.

基于子空间旋转变换的低复杂度波达角估计算法

多重信号分选(MUltiple SIgnal Classification,MUSIC)算法是波达方向(Direction-Of-Arrival,DOA)估计的最重要算法之一,但庞大的计算量使其工程实用性大打折扣。为降低MUSIC的计算量,该文基于子空间旋转(Subspace Rotation Technique,SRT)变换思想提出了一种高效改进算法,即SRT-MUSIC算法。SRT-MUSIC利用秩亏特性对噪声子空间矩阵按行分块并以旋转变换得到降维噪声子空间,进而基于该降维噪声子空间与导向矢量的正交性构造空间谱估计信号DOA。理论分析表明:SRT-MUSIC能有效避免空间谱搜索中的冗余运算,从而成倍降低算法的计算量。对于大阵元、少信号情况,所提算法计算效率优势更为明显。仿真实验证明了SRT-MUSIC的有效性和高效性。

采用前向空间平滑分组的混合信号波达方向估计算法

针对混合信号在估计其波达方向时阵列孔径和信噪比损失严重的问题,提出了一种基于对称均匀线阵的波达方向估计算法。对于独立信号,利用旋转不变性子空间类算法估计出其波达方向;对于多径传播引起的多组相干信号,利用矩阵的差分以及斜投影分组估计出其波达方向。这种利用矩阵差分的算法不仅消除了独立信号对相干信源的影响,而且相比前向空间平滑算法减少了斜投影和空间平滑的次数,降低了阵列孔径和信噪比的损失。该算法还可以与多种平滑算法相结合,降低对阵元数的要求并提高仿真性能。在估计相干信号的波达方向时,利用旋转不变性子空间类算法思想代替多信号分类算法,避免了谱峰搜索,降低了运算时间。仿真结果表明:存在5个相干信源时,在-10dB的低信噪比的情况下,所提算法仅需7个阵元就可获得误差较低的估计结果,而且与多信号分类算法相比节约了大量运行时间。

基于传播算子的ESPRIT极化参数估计算法

针对极化敏感阵列参数估计过程中需要奇异值和特征值分解,以及低信噪比下估计误差偏大的问题,提出基于传播算子的二维旋转不变子空间(estimation of signal parameters via rotational invariance technique,ESPRIT)算法,改进算法引入非圆信号共轭相关统计信息构造一组新的接收数据,将这组新数据与真实数据重构组合求得噪声子空间;采用ESPRIT算法将信号子空间分块得到旋转不变因子,无须特征值分解和谱峰搜索,实现信号空间到达角(direction of arrival,DOA)和极化角的精确估计.所提算法在参数估计性能上要优于经典算法,在低信噪比情况下均方误差较小,并且可降低计算量,最后由Matlab仿真验证所提算法的有效性.

基于空间谱估计技术的间谐波小波检测算法

针对傅里叶算法检测间谐波时存在频谱泄漏和栅栏效应而导致检测精度不理想的问题,提出一种基于空间谱技术与连续小波变换相结合的间谐波检测算法。算法首先采用总体最小二乘-旋转不变子空间方法计算出谐波和间谐波分量的频率,再根据得到的频率确定连续小波变换的尺度因子,最后选择CMW小波对信号进行分解,由分解系数计算出各次间谐波分量的幅值和相位。仿真结果表明,该算法与傅里叶算法相比,不存在频谱泄漏和栅栏效应,有效提高了检测精度。

相干信号源DOA估计ESPRIT改进算法研究

ESPRIT算法是空间谱估计中的经典算法,算法仅适用于非相干信号。提出了一种基于SVD思想的ESPRIT改进算法,算法对接收数据阵列的协方差矩阵进行特征值分解,取能代表信号全部信息的最大特征值所对应的特征向量,并将它按照一定的方式进行矩阵重构,对重构后的矩阵进行SVD分解,从中取出信号子空间,然后按照LS-ESPRIT算法求解。通过大量仿真结果表明:该算法适用于解相干信号,并且效果优于基于空间平滑思想的改进ESPRIT算法;在解非相干信号的时候,改进算法效果优于常规的LS-ESPRIT算法。

基于DML-ESPRIT算法的多维参数快速联合估计

将确定性最大似然估计准则的多维参数估计能力与ESPRIT算法的高时效性有机结合,提出了一种二维DOA-功率-频率快速联合估计方法——DML-ESPRIT算法。利用双L阵列的空间特性,通过引入空间锥角,将多维空间搜索问题转换为一维角度估计,并基于确定性最大似然估计准则推导得到了多信源的空间锥角、功率和频率联合估计的数学模型;然后在对子阵进行扩展的基础上,利用TLS-ESPRIT算法对模型进行求解,避免了谱峰搜索问题,实现了多维参数的快速联合估计。实验结果表明,DML-ESPRIT算法在保持高估计精度的同时运行耗时约35 ms,具有较好的工程应用前景。

分布式传声器阵列的低频宽带信号方位估计

现有的预防道路交通安全事故、治理道路交通噪声污染等问题的解决方案是从视觉维度监控重点区域并通过声音维度确定事件触发类型与位置。为了实现公路异常声源的实时监测,提出了一种基于双尺度旋转不变信号参数估计旋转不变子空间技术(Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT)的低频宽带声源波达方向(Direction of Arrival,DOA)估计算法,该算法适用于三个矩形子阵呈三角形分布的分布式阵列。算法利用该分布式阵列具有的子阵内相邻阵元间距、相邻子阵间距两种尺度对应的空间平移不变性分别进行方向余弦估计,并利用基于阵型分布的解模糊策略实现高精度方位估计。仿真结果验证了算法的有效性,表明了基于该算法的分布式阵列DOA估计精度优于相同阵元数与阵元间距的单个均匀矩形阵,分析了估计精度与分布基线长度的关系,体现了算法的实际工程应用价值。

基于空间谱估计的测向技术

利用空间谱估计测向技术可以实现对目标信号测向,其优异的测向性能受到理论界和工程界的极大重视,出现了许多各具特色的空间谱测向算法,主要对多重信号分类算法(MUSIC)、旋转不变子空间(ESPRIT)、最大似然算法(ML)这三种算法进行了测向性能的比较分析。首先介绍了空间谱估计的基本原理,然后构建了均匀线阵的阵列模型,对三种测向算法及其流程做了较详细的分析,最后从不同的信噪比、快拍数和阵元数三个方面进行了测向性能仿真,仿真结果显示:在算法的测向精度上,MUSIC算法和ML算法明显要优于ESPRIT算法,随着信噪比的提高、阵元数目的增多、快拍数的增加,三种算法的测向性能都随之得到改善。

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。

稀疏极化敏感阵列的波达方向和极化参数联合估计

该文采用稀疏分布极化敏感阵列(SD-PSA),研究了多目标波达方向(DOA)和极化参数的估计问题。首先建立稀疏极化敏感阵列信号模型;然后利用阵列的空间旋转不变性运用ESPRIT算法得出信号的高精度周期性模糊多值DOA估计;同时利用子阵列导向矢量之间的关系得出信号的极化信息和DOA的无模糊粗估计;最后利用DOA粗估计值解模糊,得到信号的高精度无模糊DOA估计。该文所提阵列的阵元间距大于半个波长距离,扩展了阵列2维物理孔径,一定程度上降低了阵元间的互耦影响,相应的信号DOA估计精度大大提高。仿真实验结果验证了该算法对信号DOA和极化参数估计的有效性。

基于Radon-STFT变换的含噪LFM信号子空间分解

由于线性调频信号占有非常宽的频带，用奇异值分解就不能将含噪线性调频信号分解成信号子空间和噪声子空间针对这一缺陷，本文提出了一种基于时颇面旋转的含噪线性调频信号的子空间分解算法文中分析了算法的性质，并提出了“伪信号子空间”的概念和用于检测直线倾角的Radon-STFT变换理论分析和仿真实验的结果表明了这种子空间分解方法对一类含噪线性调频信号是可行的．

基于四阶累积量的共形阵列波达方向估计算法

由于共形天线阵列流形的多极化特性(Polarization Diversity),共形阵列天线的信源方位估计需要与信源的极化状态联合进行。分析总结共形阵列天线波达方向(DOA)估计特点的基础上,针对窄带远场非高斯独立信源,提出了一种共形阵列天线盲极化DOA估计算法。该算法利用四阶累积量对阵列口径的扩展性,结合旋转不变子空间(ESPRIT)算法,在信源极化状态未知条件下实现了共形阵列天线的高分辨DOA估计。所提算法的方位估计不需要天线单元方向图以及信源极化状态的任何信息,适用于多种常用共形载体(锥面、柱面以及球面共形载体),具有较为广泛的应用环境。以柱面共形阵列天线DOA估计为例,详细推导了算法机理,给出了算法步骤,计算机Monte Carlo仿真实验验证了所提算法的有效性。

基于非圆信号特征的实值张量ESPRIT算法

基于最大非圆率非圆信号特点,提出一种实值张量旋转不变子空间(estimation signal parameters via rotational invariance techniques,ESPRIT)算法。首先,通过研究张量与矩阵之间的转化关系,将阵列接收数据矩阵推广到张量空间;然后,利用欧拉公式将阵列接收数据张量转化成余弦与正弦数据张量,根据阵列维数将其分别在各维上加以拼接,并对拼接的实值数据张量做高阶奇异值分解,获取信号子空间;最后,通过构造选择矩阵和进行特征分解,来联合估计阵列各维相位差,实现波达方向估计。实验仿真结果表明,此算法具有良好的分辨力和测角精度。

一种用于二维DOA估计的新颖Unitary ESPRIT算法

提出了一种基于双均匀线阵的特性新颖的Unitary ESPRIT算法。算法根据阵列接收数据,构造了一种实值数据形式,对其作实值奇异值分解,获得信号子空间。算法利用阵元几何的平移不变特性,构造了包含入射信号方位角和俯仰角的估计量。利用构造的估计量的特征值估计俯仰角信息,利用其对应的特征向量估计方位角信息,自动完成角度的配对。所提方法不仅保持了矩阵DOA估计算法和二维ESPRIT算法的优点,如自动的参数配对、不需要二维谱峰搜索等,而且能够在实数域中直接获得信号子空间,能够有效降低运算量。算法可以增加估计信号个数。仿真实验验证了算法的有效性。