基于MIMO雷达降维酉求根MUSIC算法角度估计

针对均匀线阵的单基地多输入多输出(MIMO)雷达波达方向(DOA)问题,提出一种基于波束空间降维酉变换的实值求根MUSIC算法。该算法在传统MUSIC算法的基础上通过降维变换与波束空间方法对接收数据进行降维处理,接着酉变换构建实值协方差矩阵,然后进行实值特征值分解得到噪声子空间。通过构建多项式,用多项式求根的方法来代替传统MUSIC算法中的谱峰搜索,多项式所得的根即是目标的DOA估计。该方法不需要进行谱峰搜索,计算量大大减少,仿真结果验证了算法的有效性。

基于实值特征值分解的求根MUSIC算法

针对非圆信号DOA估计问题,提出了一种基于实值特征值分解(Eigenvalue decomposition,EVD)的求根MUSIC算法。首先利用非圆信号为实值信号的特点,将阵列上的接收数据及其共轭用欧拉公式转换为实值正弦与余弦数据,然后将正弦与余弦数据进行串联,从而扩展了数据维数。由于采用实值矩阵的EVD,因此在EVD阶段的运算量简化为复值EVD的1/4。根据EVD后获得的信号与噪声子空间的特点,对噪声子空间和导向矩阵进行重构以便于可以使用求根MUSIC算法获取对DOA的估计。仿真实验验证了本文算法的有效性。

酉求根MUSIC算法在双基地MIMO雷达中的应用

研究双基地多输入多输出(MIMO)雷达多目标波离角(DOD)和波达角(DOA)的联合估计问题,提出一种酉求根多重信号分类(MUSIC)算法。该算法在求根MUSIC算法基础上,利用协方差矩阵的中心Hermite对称性质,通过酉变换将协方差矩阵的复数运算转为实数,进行实值特征分解得到噪声子空间,对比原协方差矩阵和实值协方差矩阵的特征对应关系,得出酉求根MUSIC谱函数,分两步分别估计目标DOA和DOD,且计算结果自动配对。相对于传统求根MUSIC算法,该算法只进行协方差矩阵的实值特征分解而不需要进行复数运算,因此大大降低了计算量,而且在不降低阵列孔径的条件下无需空间平滑即具有解相干能力。计算机仿真证明了该算法的有效性。

声矢量阵列的求根MUSIC算法及其性能分析

在传统声压传感器阵列的求根MUSIC算法的基础上,提出了基于矢量传感器阵列的求根MUSIC算法及其修正形式,通过接收阵列信号的空间谱,选择合适的引导方位,可实现声源的波达方向(DOA)估计.理论推导和仿真实验表明,采用均匀矢量传感器线性阵列的求根MUSIC算法在低信噪比、小快拍数情况下的估计性能要优于传统声压传感器阵列的求根MUSIC算法,同时该算法的计算量远远小于矢量传感器列的MUSIC算法.

基于求根MUSIC算法的电压闪变参数估计

提出了一种不需要提取电压闪变包络线的闪变检测方法,对电压闪变参数的提取可通过三角函数分解转化为对边频分量的求取。将求根MUSIC算法直接应用于电压闪变检测,首先对采样信号数据矩阵的协方差矩阵进行奇异值分解,得到信号子空间和噪声子空间,利用两个空间的正交性构造多项式,对多项式求根,对单位圆上的根进行分析,得到边频分量的频率和幅值信息,通过公式计算得到精度较高的闪变信号参数。仿真结果表明该算法在闪变信号参数的提取中精确度高,且抗噪能力强。

基于波束空间求根MUSIC算法电力系统谐波检测

针对传统电力系统中谐波检测方法存在的精确度低、抗噪性差等问题,本文将波束空间求根MUSIC算法应用于电力系统谐波检测.该算法以信号空间为模型,用盖氏圆检测出信号源数,利用波束空间将阵列接收的数据通过变换得到波束空间的数据,再将波束空间的数据分解为噪声和信号子空间,由该两个子空间的正交性构造多项式,通过求解此多项式,得到信号的频率估计值,最后由扩展PRONY方法计算得到信号的幅值.仿真实验验证和实际数据分析表明该算法在电力系统谐波检测中是切实可行的.

基于求根MUSIC算法的低复杂度OFDMA频偏盲估计

为了解决OFDMA系统频率同步困难的问题,针对子载波交织分配的OFDMA上行链路提出了一种基于多项式求根的多用户载波频偏盲估计算法.首先对接收信号的协方差矩阵进行特征值分解,并利用噪声子空间的特征向量构造一个多项式,然后求解最接近于单位圆的K个根来获得各个载波频偏.此算法的优点是能够在一个OFDMA符号块内同时估计出所有用户的载波频偏而无需信道状态、训练序列和导频等先验信息,同时在低信噪比下也具有良好的准确性.通过仿真表明,相对于一般的谱峰搜索方法,算法不仅减少了噪声对频偏估计的影响,而且有着更低的计算复杂度和更高的分辨率.

求根MUSIC算法在双馈异步发电机转子匝间短路故障分析中的应用

双馈异步发电机转子绕组匝间短路是其常见故障之一,严重的短路故障会造成较大的经济损失,故对短路特征量进行分析具有一定的现实意义。求根MUSIC算法是一种精确的空间信号分析方法,其较传统的FFT算法更为精确,解决了FFT在采样时间较短时频谱泄露的不足。把求根MUSIC与Prony算法结合后,能够较精确地求出故障特征量的频率、幅值、相位等参数。仿真结果表明,采用与Prony算法相结合的求根MUSIC算法作为故障监测方法切实可行,为故障诊断提供了依据。

均匀面阵中高效率的二维波达方向估计方法:降维求根MUSIC算法

波达方向估计是阵列信号处理研究的重要方向之一。本文在降维求根技术和MUSIC算法的基础上,研究了均匀平面阵列的二维波达方向估计问题。首先基于噪声子空间和方向矢量之间的正交关系构造二维求根多项式,并证明该多项式包含无限多个解。为获取这些解中包含的真实目标参数,提出了一种新的低复杂度、计算效率高的算法,即降维求根MUSIC算法。所提算法应用降维求根技术目标的真实解,其中二维求根方程被转换为两次一维求根,该过程有效降低了求根难度。最后,通过一次配对过程获取目标角度参数的估计值。数值模拟验证了该方法的有效性和优越性。

利用求根MUSIC算法进行快速波达方向估计

针对经典波达方向(direction of arrival,Do A)估计算法复杂度高的问题,讨论了2种快速估计Do A的算法,即:传播算子求根多重信号分类(multiple signal classification,MUSIC)算法与多级维纳滤波器求根MUSIC算法.传播算子求根MUSIC算法是对协方差矩阵分块,得到传播算子构建噪声子空间,结合求根MUSIC算法估计出Do A.多级维纳滤波器不需要估计协方差矩阵,通过滤波器的前向递推,求解维纳-霍夫方程,得到信号子空间,根据正交投影原理,计算出噪声子空间与其共轭转置的乘积,结合求根MUSIC算法估计出Do A.这2种算法都不需对协方差矩阵奇异值分解和谱峰搜索,通过数学分析,复杂度明显降低.

求根MUSIC算法与四阶MUSIC算法的分析比较

传统的MUSIC算法虽然具有超分辨能力,但是在现代脉冲雷达中,加性噪声往往存在色噪声,这时传统的MUSIC算法就会失效。提出了两种改进方法——求根MUSIC算法和四阶MUSIC算法,前者用求多项式根的方法来代替MUSIC算法中的谱搜索,后者是基于四阶累计量来抑制色高斯噪声。通过计算机仿真证实两者在高信噪比情况下效果都很好,信噪比低的时候前者要好于后者。

求根MUSIC初值设置和更新算法

作为波达方向(direction-of-arrival,DOA)估计的重要方法之一,求根MUSIC(root-MUSIC)算法在实际工程中常需选择一定初值、进而借助迭代对多项式求根。为了提高求根的计算效率和正确性,必须研究适合root-MUSIC的初值设置和更新算法.致力于此,本文根据root-MUSIC多项式根的分布特点,提出了以迭代初值到单位圆平均距离最短(least average distance to unit circle,LADTUC)为准则的root-MUSIC迭代初值设置和更新算法.理论分析和实验结果表明,该算法能有效避免错误解和加速迭代收敛速度,从而为root-MUSIC算法的实际工程化提供理论参考.

基于四元数的Root-MUSIC的双基地MIMO雷达中角度估计算法

该文将四元数理论应用到双基地集中式多输入多输出(MIMO)雷达的角度估计中。文中通过传统数据模型构造四元数矩阵,提出了基于四元数的求根-多重信号分类(Root MUltiple SIgnal Classification,Root-MUSIC)的MIMO雷达中角度估计算法,该算法通过奇异值分解和Root-MUSIC来估计出发射角(Direction Of Departure,DOD)和接收角(Direction Of Arrival,DOA)。该算法的角度估计性能远优于现有文献的方法,并且无需谱峰搜索,复杂度大大降低。仿真结果验证了算法的有效性。

基于互质极化敏感阵列的参数降维估计算法

针对互质极化敏感阵列波达方向角(DOA)和极化参数估计中存在的计算复杂度高以及多信源情况下DOA解模糊配对错误问题,本文提出了一种基于模值约束降维求根多重信号分类(MUSIC)的DOA和极化参数联合估计算法。首先通过重构三维谱函数,对DOA和极化参数进行解耦,实现三维MUSIC方法的降维,然后利用多项式求根求解出DOA,并利用波束形成方法解决了互质阵列中存在的解模糊角度错配问题,最后利用极化矢量的模值有界性构造代价函数,推导出极化参数的闭式解。数值仿真结果验证了所提算法的有效性,结果表明,所提算法参数估计精度高于旋转不变技术(ESPRIT),与一维全局谱峰搜索MUSIC(1D-TSS-MUSIC)算法基本相当,但本文算法显著降低了计算复杂度,且在多信源情况下依然可以获得可靠的参数估计。

极化敏感线阵的模值约束降维Root-MUSIC算法

为了解决极化敏感线阵波达方向角和极化参数联合估计运算量大的问题,本文提出了模值约束降维Root-MUSIC算法。该算法通过对波达方向角和极化参数进行剥离,先采用Root-MUSIC算法进行DOA估计,然后根据模值约束条件构造代价函数,通过闭合式解求出极化参数估计。与传统MUSIC算法相比,该算法避免了谱峰搜索,大大提高了运算效率。与ESPRIT算法相比,该算法避免了参数配对问题。计算机仿真结果验证了该算法的正确性,且具有较高的成功率与精确度。在两目标信号入射角度接近时,也能够很好的分辨出两信号。

声矢量传感器阵列的实值Root-MUSIC算法

为提高矢量传感器阵列的波达方向(DOA)估计精度和减少运算量,提出了基于矢量传感器阵列的实值化求根MUSIC算法。该算法计算量远远小于矢量传感器阵列的MUSIC算法和RootMUSIC算法。通过阵列信号的空间谱,选择合适的引导方位向量。对阵列协方差矩阵进行实值化重构与特征分解,构造蕴含信号源方位信息的多项式,再将阵列的DOA估计转化为多项式的求根问题。仿真实验与相同阵列孔径的声压传感器阵列的对比实验表明,该算法在低信噪比、小快拍数情况下具有更好的估计性能。通过湖试试验验证了该算法具有较强的工程实用性。

基于行列合成的实值二维Root-MUSIC算法

在低仰角及多径环境下,常规二维波达方向估计的高分辨方法需要特征值分解或者多维搜索,运算量巨大,文中提出了一种基于行列合成处理和实值二维Root-MUSIC测角的双迭代方法。该方法由某个初始二维角度出发,首先进行行列合成,将面阵接收的数据矩阵合成为行列矢量,然后用实值Root-MUSIC分别估计俯仰角和方位角,最后由更新的二维角度重构加权向量,对阵列数据进行行列合成并重新估计二维角度,其迭代直至得到的二维角度满足给定的精度。该方法操作简单、收敛速度快,由于引入了实值域处理,在对多径信号解相关的同时进一步降低了运算量。计算机仿真结果证实了该方法估计低仰角信号的二维波达方向的正确有效性。

利用SRAR-MUSIC的动态系统误差分离方法研究

通过分析动态数据的组成结构,针对动态数据中的系统误差项,提出一种分离系统误差的新算法。该方法运用基于逐步舍选回归和求根MUSIC谱分析相结合的建模机理,实现了动态数据中系统误差的有效分离。仿真实例的系统误差分离结果显示,系统误差的估计值与模拟值相近,系统误差中非周期项的系数、周期项的频率和幅度估计值的相对误差分别为0.9%、5%和1.5%。

MUSIC算法的性能比较

智能天线的核心技术之一是波达方向估计,在无线通信中具有重要作用。MUSIC算法是一种经典的DOA估计算法,但因其计算量大、对于相干及小信噪比信号无法分辨等缺陷,故有较多的改进算法被提出。文中研究了求根MUSIC算法、基于空间平滑技术的MUSIC算法、改进MUSIC算法及修正MUSIC算法。通过仿真分析了角度间隔、信噪比、信号相干对改进MUSIC算法分辨率的影响。以上几种改进MUSIC算法进一步发挥了该算法高分辨率的优势,且有利于其在智能天线方面的应用。

流形分离在非均匀圆阵上的应用

流形分离技术(MST)将任意结构阵列的阵列流形矢量分解为采样矩阵(只与阵列结构有关)和范德蒙德结构矢量的乘积(只与来波有关),使只适用于均匀线列阵的DOA估计方法可用于任意结构阵列。建立了任意结构阵列模型,选取非均匀圆阵作为研究示例,将MST中采样矩阵的求取转化为最小二乘问题,而后利用root-MUSIC对范德蒙德结构进行DOA估计。仿真分析表明:通过MST,只适用于均匀线列阵的求根类高分辨算法可用于任意结构阵列。