基于共轭倒序阵盖氏圆准则的相关信源数估计研究

针对均匀线阵提出了一种基于共轭倒序阵去相关处理的盖氏圆准则应用方法。这种方法使盖氏圆准则在信号之间有相关性的情况下,仍然可以对信源数有准确的估计。从理论上证明了这个方法的可行性,并且把这个方法运用到浅水高分辨率测深侧扫声纳对附近船只尾流干扰的检测中,取得了比较好的效果。

基于盖氏圆准则的相关信源数估计研究

针对均匀线阵提出了一种适用于小阵列去相关处理的盖氏圆准则应用方法。这种方法使盖氏圆准则在不减少阵列有效孔径的前提下,仍然可以对有相关性的信源数得到准确估计。从理论上证明了这个方法的可行性,并且把这个方法运用到浅水高分辨率测深侧扫声纳对附近船只尾流干扰信号的检测中,取得了比较好的效果。

基于相关TOP矩阵的相干信源数盖氏圆估计方法

大部分高分辨波达方向估计算法都是以特征子空间分解为基础的,所以正确估计信号源数对算法结果有效性起着至关重要的作用。该文提出了一种基于均匀线形阵列的相关Toeplitz矩阵构造方法,并结合盖氏圆半径法形成一种相干信源数估计的盖氏圆改进方法,将接收阵列各阵元与参考阵元输出信号做相关,得到一组相关向量,应用相关Toeplitz矩阵构造算法构造阵列输出的Toeplitz矩阵,从而得到去相干的盖氏圆估计矩阵,最后再应用盖氏圆准则完成相干信源数估计。仿真结果表明,本文所用相关Toeplitz矩阵构造算法达到了去相干的作用,扩展了盖氏圆半径法的应用范围,使得盖氏圆准则在不损失阵列有效孔径前提下,能够有效估计相干信源数目。

基于盖氏圆与TAM的电力系统谐波检测

电力系统中谐波检测是无功补偿、谐波滤除等电能质量分析与控制的前提。针对传统电力系统中谐波检测方法存在的问题,结合盖氏圆和TAM算法进行谐波检测。该算法以信号空间为模型,首先用盖氏圆检测出信号源数,然后结合信号子空间和噪声子空间的正交性以及子空间的旋转不变性,估计出信号的频率,最后由全最小二乘法(TLS)计算得到信号的幅值。仿真实验与实际数据分析结果表明:该方法速度快、精确度高,具有一定的应用前景。

基于盖氏圆方法的宽带信源数目估计

针对低信噪比和小快拍数情况下宽带信号源数目较难精确估计的问题,提出了一种基于盖氏圆方法的宽带信号源数目估计算法(GDECSM)。盖氏圆方法通过利用盖氏半径对矩阵特征值范围的限定关系,能有效区分信号子空间与噪声子空间,在宽带信号源数目估计中能够产生良好的检测效果。仿真实验表明,与基于AIC准则的宽带信源数目估计算法(AICCSM)相比,GDECSM算法在低信噪比和小快拍数时都具有更高的检测概率,运算复杂度也有所降低。

基于峰均功率比的盖氏圆信源数估计方法

针对低信噪比下盖氏圆估计(Gerschgorin disk estimator,GDE)方法难以有效估计信号源数目的情况,通过将峰均功率比(peak-to-average power ratio,PAR)与盖氏圆半径相结合,提出基于峰均功率比的盖氏圆估计(Gerschgorin disk estimator based on peak-to-average power ratio,GDE-PAR)方法.从阵元接收数据中提取出特征向量,再用特征向量加权接收数据,得到峰均功率比用于修正对应的盖氏圆半径,用GDE方法判定信号源数目.在不同信噪比条件下对修正前后的盖氏圆半径进行Matlab仿真,并使用蒙特卡罗方法对不同信噪比、等强双目标与不等强双目标和等强3目标与不等强3目标情况下,Akaike信息论准则(Akaike information criterion,AIC)、最小描述长度(minimum description length,MDL)准则、PAR方法和GDE-PAR方法进行信号源估计.结果表明,在低信噪比及不等强多目标条件下,GDE-PAR方法成功检测到信源的概率均比AIC、MDL准则和PAR方法大.

盖氏圆准则信源数估计算法的分析与改进

为了减少盖氏圆准则信源数估计算法的运算量并且提高信源数估计的精度,根据噪声空间与阵列导向矩阵的正交性原理,设计了基于特征空间的信源数估计算法(Estimator Based on Eigenvectors,EBE).EBE构造时空相关矩阵,利用色噪声在时间上相关性比较弱的特点,实现对空间色噪声的抑制.在空间白噪声环境下和空间色噪声环境下测试了EBE信源数估计的性能并且与传统的盖氏圆准则和其它色噪声类信源数估计的一些算法比较,证明了EBE在空间白噪声和空间色噪声环境下的有效性.EBE不仅节省了盖氏圆准则信源数估计中一次特征分解的运算量,并且同时提高了信源数估计的性能.

基于奇异值分解的PMU数据恢复法

同步相量量测单元(phasor measurement units,PMUs)因其同步性、快速性和准确性成为电网动态实时监测最有效的手段之一,并得到迅速发展。但由于通信堵塞、硬件故障、传输延迟等因素,现场PMU通常存在不同程度的数据丢失问题,严重制约其在电力系统中的应用与发展,甚至威胁电网安全。该文通过分析现场PMU量测信息,归纳了3种数据丢失类型;提出基于奇异值分解的动态数据成分分析方法,并采用盖氏圆法确定其最优特征成分数,可有效提取原始信号中各特征分量。进一步,提出基于训练、验证与丢失数据分类的数据恢复迭代计算方法,实现系统动态条件下仅利用单通道PMU量测信息的高精度数据恢复。通过仿真与实测数据验证该方法的可行性和准确性。该方法解决传统方法对系统动态信号丢失数据恢复失真的问题,为PMU量测信息更好的应用于电力系统的各个方面提供保证。

基于波束空间ESPRIT算法电力系统谐波检测

电力系统中谐波检测是无功补偿、谐波滤除等电能质量分析与控制的前提。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ESPRIT算法应用于电力系统谐波检测。该算法以信号空间为模型,首先用盖氏圆检测出信号源数,然后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后由ESPRIT算法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。通过仿真实验验证和实际数据分析表明该方法速度快,精确度高且抗噪性强,具有一定的应用前景。

基于模糊C类均值聚类的信源数估计方法

信源数估计的性能直接影响着高分辨测向的精度。为提高估计方法的性能,提出一种基于模糊C类均值(fuzzy C-means,FCM)聚类的信源数估计方法。在此方法中,信号的协方差阵的特征值及其差值,对协方差阵酉变换得到的盖氏圆半径及其差值作为FCM聚类过程中的样本指标。最终判断样本归属时,引入容错概率的概念。在接受一定程度容错的前提下,提高了算法的性能。在不同噪声类型下进行仿真的结果表明,所提出的信源数估计方法性能较好。

基于支撑矢量机的信源数估计

为了改善在低信噪比、小快拍、色噪声环境下盖氏圆准则信源数估计算法的估计性能,提出了基于支撑矢量机(SVM)的信源数估计算法。基于支撑矢量机的信源数估计算法应用天线阵列接收数据协方差矩阵经特征值分解后,噪声的特征矢量与天线阵列的阵列流型正交的特性,通过盖氏圆算法提取信号和噪声的分类特征,再构造和训练两类分类矢量机,将天线阵列接收的数据分为信号子空间和噪声子空间。通过仿真实验比较了本算法与其他经典算法在低信噪比、小快拍、色噪声环境下的信源数估计性能,结果证明本算法对信源数的估计精确度要高于其他经典算法。

基于虚拟阵列的信号源数估计算法

信号源数估计是智能天线技术的一个基本问题,经典的信号源数估计算法有:基于信息论"AIC"算法"MDL"算法、假设检验、平滑秩序列法以及盖氏圆算法等,这些算法在低信噪比、小采样、色噪声以及实际信源数近阵列阵元数时,会产生较大的误差。在Kullback准则基础上提出了一种基于虚拟阵列的改进算法,该算法通过对阵列接收的数据进行预处理,虚拟地增加阵元数,按照修正的规则,求取信源数。经仿真验证,该算法克服了经典算法在低信噪比、小采样、色噪声以及实际信源数接近阵列阵元数时,准确估计信源数的难题。

水下目标回波亮点高分辨方位估计与仿真

水下目标回波亮点识别技术是现代声纳系统与水声对抗的一个极为重要的组成部分。基于单源方位精估的短脉冲切割方法,对于发射信号为长脉冲以及正横中轴方位下的目标回波亮点方位估计效果较差。因此研究基于多源的水下目标回波亮点高分辨方位估计方法具有重要的应用价值。本文重点研究了水下目标回波亮点高分辨方位估计方法,首先采用基于共轭倒序阵盖氏圆准则的方法对目标回波进行解相干和亮点数估计,然后在此基础上进行目标回波空间谱估计以获得目标亮点的方位。在具体仿真过程中,采用板块元散射方法仿真目标回波,并在此基础上进行高分辨方位估计,取得了较好的仿真效果。结果表明,本文的研究对于正横中轴方位的潜艇目标识别具有一定的应用价值。

单通道信源数估计的改进方法

本文对单通道接收信号的源数估计方法进行了研究,提出了对现有方法的改进措施.将单通道数据通过延迟处理转换为多通道形式,然后引入阵列信号处理中的信源数估计算法,如盖氏圆盘估计法(Gerschgorin’s Disk Estimation,GDE)和最小描述字长法(Minimum Dscription Lengh,MDL).基于信息理论标准(ITC)的MDL方法在低SNR条件下获得比GDE更好的性能,但是它无法处理包含有色噪声的信号.GDE方法虽然可以克服有色噪声的影响,但是其在低SNR下的性能欠佳.基于上述考虑,本文对这两种方法进行了改进.采用对角加载技术改善MDL方法的性能,并引入Jackknife切法优化数据协方差矩阵,以提高GDE方法的性能.模拟实验结果表明:本文提出的方法使原有方法的性能得到很大改善.

基于模糊聚类信源数估计算法的研究、仿真与应用

为了改善在小快拍情况下盖氏圆准则信源数估计算法的估计性能,提出了一种基于模糊聚类的信源数估计算法(Fuzzy Clustering Based Estimator-FCBE)。基于模糊聚类的信源数估计算法使用了待分类对象(特征向量)隶属于信号子空间的隶属函数值作为分类的特征,实际上引入了从对象参数到分类特征的一次映射,符合阵列信号处理中信源数估计的实际情况。通过仿真实验比较了基于模糊聚类的信源数估计算法和盖氏圆准则在小快拍下的估计性能,并且在浅水高分辨率测深侧扫声纳中的实际应用验证了基于模糊聚类的信源数估计算法的有效性。

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.

色噪声背景下的重采样信源数目估计方法

针对盖氏圆信源数目估计方法在低快拍数、低信噪比情况下性能变差的问题,设计了一套能在有色噪声中提高估计准确率的方法。首先,对接收信号样本集多次抽样,利用多个子样本集协方差矩阵的行列变换构建不同酉矩阵,然后对多个酉变换结果取平均,最后通过多次重采样循环迭代得到最优估计值。仿真结果表明,相比传统GDE的统计方法,文中提出的方法能得到更稳定、准确的估计结果,同时计算所需的接收信号快拍数目更少、信噪比更低。

模糊神经网络优化间谐波检测方法

电力系统中电力电子元件大量应用可产生间谐波。它不但对用电设备产生影响,而且不易估计,给谐波治理带来了一定的困难。针对间谐波检测,先采集大量数据进行离线计算,利用一种改进的模糊神经网络得到满足误差要求优化模糊神经网络参数。在线计算利用这些参数,能够在短时间内得到满足误差要求的盖氏圆方法参数、ESPRIT算法的采样间隔和采样个数,使得信号源个数、间谐波频率和幅值能够准确判断。

基于噪声源估计的电机故障诊断研究

介绍了声音阵列采集信号模型,结合盖氏圆源数估计、MUSIC谱算法分析,提出通过麦克风阵列采集电机噪声数据,并对电机故障进行诊断的新方法。通过收集故障电机发出的噪声数据,利用Matlab软件进行数据处理,最后成功地对故障电机给出正确诊断。

阵列信号中信源数估计方法的研究

信号源个数估计是空间谱估计技术的一个重要问题。信源数的准确估计是目标参数估计,目标定位和跟踪的前提,其估计准确与否将直接影响到目标参数估计的性能。本文基于阵列信号处理的知识,分析了信息论准则、盖尔圆法(GDE)以及正则相关技术(CCT)在信源数估计中的运用,对比了它们在不同快拍,不同信噪比条件下的估计效果。仿真实验表明,信息论准则在阵列输出信噪比较低,采样数据短和空间信号间隔较近时比较有效,在色噪声背景下,CCT和GDE均能较好地估计信号源数,而信息论准则失效。