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。

基于全相位预处理的时域多重信号分类波达方向估计方法

低信噪比下,针对宽带短脉冲情况下频域多重信号分类(MUSIC)中噪声子空间估计不稳定问题,提出一种基于全相位预处理的时域多重信号分类波达方向(DOA)估计方法。①对线列阵接收数据进行分组处理;②按搜索角度对各组数据进行相移预处理,并对各组数据预处理结果进行相加,得到一组新数据;③对线列阵接收数据在时域构建相移后的协方差矩阵,在更短数据长度下,稳定实现噪声子空间估计,并依据估计出的噪声子空间含有的正交特性,通过单位矩阵加法器得到相应空间谱估计值,实现波达方向估计。数值仿真和实测数据处理结果表明,相比频域MUSIC方法,该方法有效提高了线列阵接收数据协方差矩阵中信号含有量和信噪比,能够在更短数据长度情况下实现对噪声子空间的稳定估计,具有较好的稳定性和检测性能,提高了MUSIC方法在实际波达方向估计中的鲁棒性。

基于时域解析估计的多重信号分类波束形成方法

针对频域多重信号分类(MUSIC)算法估计子空间的不稳定性问题,提出了一种基于时域解析估计子空间的MUSIC(TAMUSIC)波束形成方法.通过Hilbert变换将各阵元时域实数据转变为复解析数据,在时域构建经过时延后的协方差矩阵,利用特征分解求取噪声子空间,并利用噪声子空间自身的正交特性获得来波方向波束.数值仿真及实测数据处理结果表明,与频域MUSIC波束形成方法相比,TAMUSIC波束形成方法可以稳定获取快速运动目标的噪声子空间和来波方向波束,使波束旁瓣级最少降低3 dB,能够有效检测运动目标,且无虚假目标和波束分裂现象,并提高MUSIC波束形成方法在工程应用中的稳定性.

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。

基于降维子空间的多重信号分类快速算法

基于MUSIC的DOA估计存在运算量大的问题,已有的改进快速算法很多是以降低精度为代价的,因此提出了基于降维子空间的多重信号分类快速算法,该算法先利用降维的噪声子空间进行DOA粗略估计,使得MUSIC搜索的运算量大大减小,然后利用最大噪声子空间对估计结果进行修正;数值仿真结果表明,该方法能够在不影响DOA估计精度的情况下显著降低运算量,使MUSIC算法更具实用性。

解卷积的多重信号分类算法方位谱低背景处理方法

针对信噪比较低时,多重信号分类（Multiple Signal Classification,MUSIC）算法方位谱背景级较高的问题,提出了一种解卷积的MUSIC方位估计算法（Deconvolvecd MUSIC,D-MUSIC）。该方法用一个类似冲激函数作为MUSIC算法输出方位谱的点散射函数（Point Scattering Function,PSF）,然后基于解卷积图像复原理论,利用该点散射函数和RichardsonLucy（R-L）迭代算法对MUSIC算法的方位谱进行解卷积,获得D-MUSIC算法的方位谱,达到降低方位谱背景级的目的。仿真表明,该方法继承了MUSIC算法的高分辨性能,且可以明显降低方位谱的背景级,具有较好的方位估计性能。对南海海上试验的水平阵数据进行处理,分析比较了利用MUSIC算法和解卷积MUSIC算法获得的方位谱时间历程图,分析结果有效验证了D-MUSIC算法性能的优越性。

基于MUSIC算法在空间信号波达方向估计中的研究

多重信号分类是信号处理的一个重要分支。本文主要介绍了采用MUSIC方法实现信号分类,通过编写一个music方法的噪声子空间法来对空间信号的波达方向进行估计。通过实验程序与matlab自带函数pmusic所获得的结果进行比较,说明了要获得一个比较好的DOA估计,必须控制信噪比,当然多用一些阵元以及多一些快拍数也能进一步地提高估计的效果。

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。

OSMAR2000基于MUSIC的超分辨率海洋表面流算法

为了解决 OSMAR2 0 0 0以小天线阵实现中远距离的海洋表面流探测 ,同时实现高的角分辨率的问题 ,提出了 OSMAR2 0 0 0基于 MUSIC的超分辨率海洋表面流算法 .该算法首先通过预处理从海洋回波中分离包含海流信息的一阶回波 ,然后针对其中可分辨的每一个 Doppler频移 (对应海洋表面径向流速 )上的信号 ,采用MU SIC算法求其多个存在方位 .阐述了 MU SIC算法应用于高频地波雷达海洋表面流遥感的理论基础。

基于MUSIC算法的矢量水听器阵源方位估计

矢量水听器阵的每个阵元同时测量声场中的声压量和质点振速的3个正交分量,相对于声压水听器阵来说,矢量阵获取声场中更多的信息.利用矢量阵所获得的速度场的信息可去除目标方位估计中的180°模糊.多重信号分类(MUSIC)算法是通过对数据协方差矩阵进行本征分解获得信号空间谱估计的方法.本文采用矢量水听器均匀线阵研究了利用MUSIC算法对声源进行方位估计,以提高对源方位的估计精度.仿真结果表明,在SNR=10dB的条件下,相对于常规波束形成器输出,MUSIC空间谱的主波束宽度锐化了30°左右,旁瓣降低了16dB左右,利用MUSIC算法可提高对源的定向精度及对多目标的分辨能力.

二维高精度MUSIC算法的高速实现

多重信号分类(multiple signal classification,MUSIC)算法是一种经典的空间谱估计算法,其利用信号子空间和噪声子空间相互正交的特性,估计出入射信号的波达方向(direction of arrival,DOA)。文章以二维高精度DOA估计的应用需求为目标,通过分析MUSIC算法中各个步骤的计算特点,提出了一种算法的实现方法,并在现场可编程门阵列(field programmable gate array,FPGA)上完成了各个模块硬件电路的设计验证。该方法利用矩阵元素行列序号的对称性,得到了一种计算协方差矩阵的并行化分解方案;采用阈值比较法提高特征分解速度的同时,避免了最值求解,降低了硬件复杂度;在谱峰搜索中使用分步搜索法来提高实时性,并设计了专用硬件电路计算方向向量,以节省存储资源和避免数据读取延时带来的性能损失;与传统实现方法相比,实现了高精度和高实时性的统一。实验结果表明,该方法中的硬件实现方案在100 MHz工作频率的FPGA芯片上,完成一次精度为0.1°的二维DOA估计耗时3~5ms,具有精度高、速度快、资源消耗少的优势。

基于精简四阶累积量MUSIC与混合遗传算法的笼型异步电动机转子断条故障检测新方法

将精简四阶累积量(Streamlined Fourth-Order Cumulants,SFOC)多重信号分类法(Multiple Signal Classification,MUSIC)与混合遗传算法(Hybrid Genetic Algorithm,HGA)结合,提出一种新型异步电机转子断条检测方法。利用基于四阶累积量的MUSIC可有效抑制噪声,扩展信号阵元,改善频谱估计性能,以高频率分辨率提取定子电流信号中的转子断条故障特征分量及主频分量的频率;利用混合遗传优化算法估计各频率分量的幅值和初相位。为提高算法的快速性,根据四阶累积量矩阵构成规律,提出一种改进方法去除矩阵数据冗余,极大减小了计算量;针对遗传算法易早熟和后期收敛较慢的缺点,引入单纯形法。仿真与试验验证了新方法在低信噪比和短时采样时间情况下仍具有较高的频谱分辨率和估计精度。最后与FFT、MUSIC-SAA法进行了比较,证明了其优越性。

相关性噪声对MUSIC算法参数估计性能影响的分析

本文以相关性噪声中的频率估计为信号模型,在理论上推导、解释了影响MUSIC算法的参数估计的偏差和分辨力的各因素及具体关系。清楚的表明在很宽的范围内,估计偏差与信噪比、噪声的相关性强弱无必然联系,它主要是因为计算时的窗效应与被估计参数附近的噪声谱密度的起伏引起的。但噪声相关性很强时,将会引起错误的估计,不过这种错误可通过增大序列长度来消除。在多个信号的情况下,在相当宽的范围内,MUSIC算法的分辨力与信噪比、噪声的相关性强弱无必然联系,但它会随协方差矩阵估计子的维数的增大而增强。第一次全面、深入地揭示了影响相关性噪声中MUSIC算法的参数估计偏差和MUSIC算法的分辨能力的各因素及关系。仿真结果也强有力的证明了这些结论。

TD-SCDMA无线定位虚拟线阵修正MUSIC算法的研究

TD-SCDMA无线定位的智能天线圆-角定位技术中,DOA算法为其核心。本文针对基于TD-SCDMA智能天线预处理后的虚拟均匀线阵MUSIC算法不适用于相关信号源的DOA估计的特点,提出了基于模式空间虚拟均匀线阵修正MUSIC算法,解决了相关信号源DOA估计的问题,并分析了其性能。

脉冲多普勒引信信号的参数提取

针对脉冲多普勒引信的视频回波特点提出了一种参数提取的方法。首先采用均值—极小极大法从视频脉冲串中提取出多普勒信号 ,接着获取多普勒信号的包络并对多普勒信号做时频分析得到随时间变化的估计频率。提出了将基于 FFT的频率估计法和基于多重信号分类 (MUSIC)的频率估计法相结合的新思路。

一种基于少通道准校正GNSS干扰信号的空间谱测向方法

针对导航干扰信号测向初始相位估计难度大导致空间谱测向精度低、误差大的问题,提出了一种以经典多重信号分类(MUSIC)算法为基础的“少通道准校正空间谱测向方案”.该方案是在每个通道内加入校准源,从而获得任意两个通道的初始相位差,减小了通道间的初始相位差对协方差矩阵计算的影响,实现空间谱测向的目的.将所提的方案应用于五阵元三通道测向天线并在试验场地进行测试,实验结果表明:该方法能够解决复杂场景下单信号、双信号的测向,在低信噪比(SNR)的情况下,测向误差仍能保持在3.5。左右,测向精度较高,测向结果与全通道的测向结果基本一致.

基于Teager-Kaiser算子的改进波束域MUSIC时延估计算法

为了降低波束域多重信号分类(multiple signal classification,MUSIC)算法估计接收信号到达时间(time of ar-rival,TOA)的计算复杂度,提高算法的抗噪性能,提出一种基于TK算子(Teager-Kaiser operator)的改进算法。利用TK算子对数据瞬时变化敏感的特性,将接收信号与参考信号的相关函数经过TK算子处理,估计出波束域转换矩阵和波束域输出数据,再用MUSIC时延估计算法估计TOA。仿真结果说明,该方法比波束域MUSIC时延估计算法计算量小,并更好地抑制了多径信号噪声影响,高分辨率的估计性能得到了明显改善。

基于TD-SCDMA无线定位虚拟线阵四阶累量修正MUSIC算法的研究

无线定位的圆-角定位技术中,DOA估计极其重要。本文针对基于TD-SCDMA智能天线预处理后的虚拟均匀线阵MUSIC算法带来的阵列孔径小,抗阵元误差扰动性差的不足,研究了基于模式空间虚拟均匀线阵四阶累量的MUSIC算法,由于虚拟线阵四阶累量MUSIC算法的应用范围局限于独立的信号源的DOA估计,不能用于相关信号源DOA估计,因而提出了基于模式空间虚拟均匀线阵四阶累量的修正MUSIC(FOC-MMUSIC)算法,有效地拓展了阵元孔径,改善了系统抗阵元误差扰动和算法对相关信号源DOA的估计性能。

一维GTD散射中心模型参数估计的改进MUSIC算法

针对利用多重信号分类(MUSIC)算法估计一维几何绕射理论(GTD)的散射中心模型时噪声鲁棒性较差、参数精度不高这一问题,提出一类改进的MUSIC算法。首先,构建原始回波数据的共轭矩阵,有效提高了原始回波数据的利用率;其次,将原始回波数据的协方差矩阵、共轭数据的协方差矩阵叠加取平均,得到一个新的总协方差矩阵;最后,对矩阵作2次方、4次方等偶次方处理,得到另一矩阵,以达到增大信号特征值与噪声特征值之间差距的作用,等效为增大了信噪比。仿真结果表明:所提改进算法的参数估计性能及噪声鲁棒性均要优于经典MUSIC算法。

GNSS抗干扰天线阵不一致性对MUSIC算法的影响

由于天线阵元位置、射频(RF)放大器和模数转换器(ADC)等因素的影响,全球卫星导航系统(GNSS)抗干扰天线阵各通道间不可避免地存在着不一致性。首先,利用矩阵中的子空间理论分析了通道的幅度不一致性和相位不一致性对多重信号分类(MUSIC)算法的影响。理论分析结果表明:单干扰情况下通道幅度不一致性会降低MUSIC算法方向图的零陷深度,但不影响零陷位置,相位不一致性对MUSIC算法方向图零陷位置和零陷深度均有影响;多干扰情况下通道幅度不一致性和相位不一致性对MUSIC算法方向图零陷位置零陷和深度都有影响。因此在通道不一致性慢变化的条件下,MUSIC算法利用方向图进行性能评估时需要测出通道幅相偏差矩阵进行方向图纠正。然后,利用仿真的方法对不一致性的影响进行了实验分析,实验分析结果与理论分析结果一致。