一种小天体旋转参数估计方法

小天体旋转参数是科学数据,也是小天体测绘,着陆导航的基础数据.研究一种在小天体探测接近段过程中使用的基于图像上特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法.该方法首先建立小天体旋转关系模型,表示小天体在相机坐标系中的姿态变化;然后定义小天体旋转的状态方程,推到了扩展卡尔曼滤波器的计算过程.通过对观测图像序列上的特征点跟踪,利用扩展卡尔曼滤波器方法得到小天体旋转轴指向和自转角速度估计.实验中,在仿真相机与小天体相机100 km距离上,分析了相机坐标系小天体坐标系之间的四元数初值,图像上特征点跟踪精度,相机的观测指向等因素对小天体旋转参数估计精度的影响.实验结果表明,提出的基于图像特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法能够得到具有较高精度的估计结果.

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.

基于多散射中心估计的飞机目标识别

提出了一种基于散射中心估计的目标识别方法,该方法首先利用AIC和MDL标准预测目标散射中心个数,然后基于TIS-ESPRIT算法估计散射中心的幅度和位置信息并提取散射中心相对距离作为识别特征,该特征在一定角度范围内具有旋转和平移不变性,最后通过对三类飞机目标的分类识别,验证了这种方法的有效性和稳健性,

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。

基于双模天线阵列的ESPRIT波达方向估计

考虑阵列信号波达方向(DOA)估计问题,提出了一种基于双模天线阵列的模式域旋转不变参数估计(ESPRIT)算法。与传统空域ESPRIT相比,模式ESPRIT的旋转因子仅与信号DOA有关而与阵列结构无关,因而无需阵元位置信息,也无需阵列存在空间匹配子阵。若阵元位置信息精确已知,还可利用空域稀疏采样获得无模糊多尺度DOA估计。计算机仿真结果验证了算法的有效性。

ESPRIT算法估计性能分析

波达方向估计(DOA)技术渐渐成为移动通信中研究的热点,而ESPRIT算法是一种典型算法。在对ESPRIT算法进行分析的基础上,介绍了几种ESPRIT算法,并从信噪比、阵元数等不同情况下对几种算法的性能进行了仿真分析。

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。

双基地MIMO雷达多目标定位及互耦参数估计

针对MIMO雷达收发阵元间存在互耦会严重影响目标定位算法性能的情况,提出一种双基地MIMO雷达多目标定位及互耦参数估计的算法.利用均匀线阵互耦矩阵的特点和MIMO雷达的特性获得满足ESPRIT算法的信号子空间,在不需要任何互耦矩阵信息情况下采用ESPRIT算法实现了目标角度估计,且估计出的角度参数自动配对.根据所估计的目标方位角度,利用信号子空间和联合导向矩阵之间的关系,将MIMO雷达的互耦参数估计转化为线性约束二次最小化问题,估计出互耦系数矩阵,实现了MIMO雷达的自校正.该方法的优点是避免了多维空间谱搜索带来的庞大计算量和迭代中的全局收敛性问题,同时得到了收、发阵列互耦参数估计的闭式解.仿真结果表明算法估计性能接近于互耦已知时二维MUSIC算法.

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。

一种异源图像多级配准算法

针对异源图像间灰度差异大、存在平移和旋转时导致配准困难的问题,由于异源图像成像机理不同,存在差异。为提高配准精度,提出一种适应大角度旋转和平移的异源图像多级配准算法。将配准过程分为粗配准和精配准两步,首先在引入Freeman链码描述方法的基础上提出一种平移和旋转参数的估计方法,完成图像的粗配准;然后引入相位一致性对曲率角点进行描述,采用归一化互相关相似性度量准则完成图像的精配准。分别采用可见光与红外图像以及可见光与Sar图像进行仿真实验,经仿真证明算法对具有较多线性结构的异源图像配准精度高、实时性好、并且能适应较大角度旋转和平移。

基于MIMO雷达的极化平滑降维酉ESPRIT算法

相干目标的波达方向估计一直是雷达信号处理中的一个难题。为了获得更好的相干信号角度估计精度,并提高算法可实现性,在多输入、多输出雷达的基础上,提出一种极化平滑降维酉旋转不变性参数估计算法。首先通过降维矩阵对接收信号数据进行降维处理,然后利用降维后的接收数据构造中心复共轭对称矩阵,再构建适当的酉矩阵对其进行实值处理,然后对其进行极化平滑解相干处理,最后构造出实值旋转不变性方程估计目标的波达方向。相比于常规的极化平滑旋转不变性参数估计算法,本文所提极化平滑降维酉旋转不变性参数估计算法的相干信号角度估计精度更高、更利于工程实现。第5节通过仿真实验证明了该算法的有效性与真实性。

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。

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。

单基地MIMO雷达降维酉ESPRIT算法

波达方向(direction of arrival,DOA)估计问题是单基地多输入多输出(multiple input multiple output,MIMO)雷达信号处理中的一个关键问题。在低信噪比、低快拍数的情况下,常规DOA估计算法的性能会严重下降。针对此问题,提出一种新的DOA估计算法:降维酉旋转不变性信号参数估计技术算法。该算法首先通过降维变换将MIMO雷达数据变换至低维信号空间,然后在该低维信号空间构造实值旋转不变性方程估计目标的DOA。仿真结果表明该方法能够在低信噪比、低快拍数的环境下获得较常规ESPRIT方法更高的DOA估计精度,同时具有更低的运算量。

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。

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。