自适应定阶的快速Burg算法设计与FPGA实现

针对信号频谱分析的实时性要求,设计了一种适用于短序列的自适应定阶的快速Burg算法硬件加速电路。以FPGA为平台进行实验,将快速Burg算法与最终预测误差(Final Prediction Error,FPE)准则结合可做到自回归(Auto-Regressive,AR)参数自适应定阶。实现了灵活控制的并行二级流水线结构和并行化计算单元,同时优化了存储单元,达到速度与面积的平衡。实验结果表明,该算法对短序列也能准确地估计信号频率,与Burg算法硬件实现方案的计算时间对比,该算法将运算时间降低了75%,确实起到了加速作用,并且节省了内存空间,符合设计要求。

基于最优窗Burg算法的电力系统间谐波谱估计

Burg算法适合于电力系统间谐波谱估计,但存在谱峰偏移和谱线分裂的缺点,影响其谱估计效果。本文在误差分析的基础上提出了基于最优窗Burg算法的间谐波谱估计新方法。首先通过在平均频率误差方差最小的意义下来获得最优窗,再将加窗后的预测误差平均功率最小化来求取反射系数,最终求得信号的功率谱。仿真结果表明,与传统的Burg算法和汉明窗Burg算法相比,最优窗Burg算法具有更好的谱估计性能。并且,由于采用Levinson递推,其计算复杂度明显低于特征值法。该方法可应用于电力系统间谐波谱估计。

Burg算法在基于AR模型多普勒血流信号时频分析中的应用

多普勒超声血流信号是一个非平稳的高斯随机过程,其时频分布与血流的速度及其变化有密切的关系。由于假设信号在一定时间间隔内是平稳的,实际上难以获得同时具有较好的时间、频率分辨率的超声多普勒时频分布。一种估计多普勒超声血流信号时频分布的方法是基于Levinson-Durbin算法的自回归(AR)模型法。但用该算法估计出的参数的误差随时间间隔的缩短而增大。Burg提出一种递推算法,不需要计算自相关,而是用使前向与后向预测误差能量之和最小的方法求出模型的参数。我们将用两种算法估计出的多普勒时频分布及理论的时频分布进行比较,发现用Burg算法估计出的多普勒时频分布比用Levinson-Durbin递推算法估计出的多普勒时频分布更接近理论的时频分布,尤其是频率带宽性能得到了明显的改善。

小波变换和改进Burg算法的GNSS-IR海面高度反演模型

针对传统的GNSS-IR海面高度监测方法信号分离不佳且精度有待提高的问题,提出结合小波变换和改进Burg算法的新型GNSS-IR海面高度反演模型。相比于传统的多项式拟合法,小波变换得到的SNR振荡项更加完整、精确。改进的Burg算法能有效抑制峰值偏移或谱分裂现象,提高谱分析精度。基于瑞典Onsala空间天文台提供的GNSS数据和验潮仪数据的实验结果表明,优化后的海平面测高模型的反演结果与验潮仪数据具有较高的一致性,相比于传统的GNSS-IR海面测高模型精度提高约20%。

Burg算法最大熵谱估计的VC++仿真分析

介绍了现代功率谱估计中的Burg算法最大熵谱估计的基本原理,并采用VC++语言对功率谱密度(PSD)进行了仿真。同时比较了Burg算法和经典谱估计中Bartlett周期图法,针对Burg算法中的模型阶次的选择进行了分析,提出了最佳模型阶次采用最终预报误差(FPE)为准则的结论。

基于Burg算法功率谱估计的参数选择

介绍了现代功率谱估计中常用的基于自回归(AR)模型的Burg算法,分析了Burg算法中参数选择对功率谱估计的影响,并给出综合最优的Burg算法参数选择方法,最后将本文参数选择方法应用于列车测速系统进行实验验证,准确地估计出了列车的多普勒频率。

Burg算法与自相关在科氏流量计中的应用

为提高谱分辨率,将Burg算法引入科氏流量计频率解算,无需对窗口之外数据假设。Burg算法谱分辨率受信号初相以及信号噪声影响,对Burg算法进行分析和改进,并引入自相关算法,解决初相以及噪声的影响。建立了科氏流量计的信号模型,用Matlab对本算法进行仿真验证,算法的解算精度优于一般流量计的要求,算法可以用于科氏流量计频率解算。

改进Burg算法对血流信号的处理

[摘要]本文提出了一种改进Burg算法,它比原Burg算法具有乘法次数少,处理速度高的优点。并通过对血流信号的处理,证实了这种改进是可行的.

穿墙目标探测的Burg算法

详细介绍了电磁波照射人体的散射特性的基本原理,分析了在雷达回波中提取人体运动的信号特征参数的方法。针对穿墙雷达系统中回波信号结构复杂、信噪比低,提出了利用Burg算法进行人体运动特征探测的可能性,并与经典的FFT算法进行了分析比较。通过试验结果分析比较,得出了Burg算法探测能力要优于FFT算法,验证了新算法的有效性。

一种改进的Burg算法

在雷达信号处理方面，对算法的外推精度以及实时性，都有很高的要求。通过对Burg算法的研究，根据Burg算法容易发生谱分裂和谱偏移等特点，提出了一种快速实时的改进算法，并已应用到实际。

周期图法与Burg算法的对比研究

功率谱估计是分析随机信号的一个重要手段。功率谱估计一般分为经典谱估计和现代谱估计。文章主要从功率谱估计的原理入手,分析周期图法和Burg算法的各自特点,以及借助matlab平台对两种方法进行对比。

基于Burg算法逆运算的计算机语音信号合成

线性预测是语音信号分析中用得比较多的一种方法,Burg算法在线性预测中占有重要地位,格型滤波器在语音信号分析中起了重要作用。本文采用Burg算法的逆运算对语音信号进行合成,得到了较好的合成效果。

最大熵谱分析中Burg算法和Marple算法比较

最大熵谱分析是一种具有较高分辨率的谱分析方法，本文从三个方面对最大熵谱分析中的Burg算法和Marple算法进行了比较，首先是对初相位的依赖性，其次是频率分辨，第三是抗干扰能力。通过这三个方面的比较，进一步搞清了这两种算法的优缺点，Marple算法在抗干扰方面略逊于Burg算法，而在其他两个方面优于Burg算法。

Burg算法在雷达测速中的应用

为将Burg算法应用在汽车测速中,在多普勒效应原理的基础上,推导出移动物体发射波频率与接收波频率之间的关系,并分别用直接法和Burg算法估计测速模型中发射波频率82 Hz与接收波频率81 Hz。经Matlab仿真表明:直接法估计的发射波与接收波主频率分别接近于82 Hz和81 Hz,但频率主峰旁边存在大量噪声频率的假峰;Burg算法估计出的发射波与接收波主频率更准确,同时主峰清晰且较其他噪声频率突出明显。故Burg算法对间隔不大的发射波与接收波的频率分辨力远远优于直接法,可应用于测速环境中。

基于Burg算法与卡尔曼滤波的有色噪声状态估计

探讨一种有色噪声卡尔曼滤波算法。基于静态环境下多传感器的噪声信号,借助Burg算法和自回归模型,获得可在线估计噪声信号的噪声模型,进而结合经典卡尔曼滤波算法,获得可估计系统状态的有色噪声卡尔曼滤波模型。数值实验结果比较显示该模型对系统的状态估计精度高、噪声抑制能力强。

多普勒信号的Burg算法优化研究

随着高速列车的发展,测速精度高的多普勒测速方式被广泛应用。其将多普勒信号看作广义平稳随机信号,利用功率谱估计方法进行信号处理。针对现代谱估计中Burg算法基本原理分析其误差来源。分析了两种优化算法,一种是基于窗函数的优化算法,另一种针对改进的协方差法实现了基于预测误差功率最小意义的优化算法。通过仿真对比原算法与两种优化算法的频谱估计性能,分析算法复杂度,选择模型最优参数,并验证了在列车测速范围内不同频段的适用性。结果表明,优化算法在不增加运行时间的基础上可降低频谱偏移程度、改善频谱分辨率,可识别出列车测速范围内各个频段频率,并且谱估计频率误差小于1%。

AR模型功率谱估计的Burg算法研究及验证

基于AR模型的功率谱估计Burg算法是现代功率谱估计中常用的一种方法,主要用于解决从低信噪比信号中提取有效信号的问题,实际应用比较广泛.通过分析Burg算法中各参数对谱估计结果的影响,明确了各个参数的优选原则,并验证了Burg算法在ADSP-21489上运行的可行性.

基于高阶累积量Burg自适应算法的间谐波估计

Burg算法适合处理间谐波信号,但是在有噪声的环境下,会产生错误的谱估计结果。采用一种基于高阶累积量的Burg自适应算法估计间谐波信号,该方法不受高斯噪声的影响。首先,利用高阶累积量对高斯噪声不敏感的特性,改进Burg算法的预测误差标准。其次,为了降低引入高阶累积量而增加的计算量,反射系数的求取采用递推形式。最后,利用谐波信号的4阶累积量对角切片求取各成分的幅值。仿真结果表明,所提出的算法明显改进了Burg算法的谱估计性能,能够在噪声环境下获得准确的间谐波参数估计。

Burg频谱估计算法的硬件加速方法研究

基于Burg算法的现代谱估计相对于基于FFT算法的经典谱估计,具有更好的实时性和频率分辨率。然而Burg算法中需要的大量迭代运算,降低了实时系统的性能。为进一步提高频谱估计的速度,提出一种Burg算法的硬件加速方法。该方法以高性能FPGA为平台,遵循并行计算的思想,根据Burg算法的特点,巧妙的利用FPGA内部的DSP资源和RAM处理数学运算与存储器管理两大核心问题。通过在速度和面积上的折中优化系统性能。实验结果表明,该加速方法能较为准确的估计出脉冲编码雷达中目标物体的多普勒频偏。通过进行比较发现,该方法提高了系统的运算速度和性能。

一种改进的非协作MSK信号参数联合估计算法

针对MSK信号参数联合估计中原有参数估计算法抗噪声性能不足、算法较复杂、运算量较大等问题,基于burg现代谱算法,提出一种改进的MSK信号参数联合估计算法,实现了在低信噪比条件下对MSK信号进行快速参数估计。