DQ变换和MUSIC算法在ITER磁体电源信号间谐波检测中的应用

随着国际热核聚变实验堆(International Thermonuclear Experimental Reactor,ITER)计划的逐步开展,保证ITER磁体电源系统的稳定运行显得尤为重要。文章采用将DQ变换和多信号分类(multiple signal classification,MUSIC)算法相结合的方法进行间谐波频率检测,信号的幅度和相位由最小二乘法来估计。DQ变换可以消除大幅度ITER基波分量,MUSIC算法可以通过矩阵特征分解检测出短数据条件下的谐波和间谐波,适用短时平稳的间谐波检测,两者相结合可以有效检测出大幅度基波附近存在小幅度间谐波。仿真实验表明,计算经DQ变换后检测出的ITER信号谐波频率时,取中间信号计算真实频谱较为正确,两侧信号则有较大的误差。

基于宏微导向的ACO-MUSIC两级相控声源定位算法

针对传统的多重信号分类(multiple signal classification,简称MUSIC)算法定位声源位置时存在计算量大的问题,提出了一种基于宏微导向的蚁群(ant colony optimization,简称ACO)-MUSIC两级相控声源定位算法。首先,利用ACO估算出声源所在的宏观位置,再用MUSIC算法精确搜索声源所在的微观方位;其次,对提出的算法进行数值仿真,并搭建实验系统进行验证。仿真和实验结果表明,所提出的算法可以高精度、快速地定位出声源所在的位置;在搜索步距为0.05°时,算法的计算复杂度和计算时间仅为传统MUSIC算法的0.25%和2.8%。

VMD与MUSIC相结合的超宽带雷达呼吸与心跳检测系统

超宽带雷达是一种重要的生命探测遥感工具,文中利用超宽带雷达穿透能力强、分辨率高等优点,可以得到人体的生命体征信息,处理雷达回波信号可以得到呼吸心跳信息,实现对生命信号的非接触式监测。文中针对回波信号易受环境噪声影响、心跳信号微弱且易受呼吸谐波影响的问题,构造了生命体征模型模拟人体呼吸与心跳频率,提出了一种基于变分模态分解(VMD)与多重分类算法(MUSIC)相结合的方法。使用PulsON440超宽带雷达在1 m距离处进行了实验,与传统的快速傅里叶变换、奇异值分解相比,该方法提取的呼吸和心跳信号更加准确。在不同距离和遮蔽条件下验证了该方法的适用性。结果表明提出的基于MUSIC和VMD相结合的方法能够有效地从大呼吸信号中分离出小心跳信号,准确地检测出呼吸和心跳频率。

基于共形极化敏感阵列的MUSIC算法角度分辨力研究

针对具有超分辨能力的多重信号分类(MUSIC)算法在基于共形极化敏感阵列的被动雷达导引头测向应用中的角分辨力问题,提出了谱函数角分辨力的定义与分辨角门限。利用MUSIC算法零谱的定义近似推导了在渐进有偏条件下的期望值,并针对矢量阵列与标量阵列模型分别得出了相应的角分辨力表达式。以均匀圆形阵列为例,根据计算机仿真模型定量分析了各参量对角分辨力的影响,对比了标量阵列与矢量阵列的分辨角门限统计值。仿真结果表明,在同样的阵列及信号源参数设定条件下,标量均匀圆阵的分辨角值普遍高于矢量均匀圆阵。

Modified MUSIC estimation for correlated signals with compressive sampling arrays

This paper addresses the issue of the direction of arrival （DOA） estimation under the compressive sampling （CS） framework. A novel approach, modified multiple signal classification （MMUSIC） based on the CS array （CSA-MMUSIC）, is proposed to resolve the DOA estimation of correlated signals and two closely adjacent signals. By using two random CS matrices, a large size array is compressed into a small size array, which effectively reduces the number of the front end circuit. The theoretical analysis demonstrates that the proposed approach has the advantages of low computational complexity and hardware structure compared to other MMUSIC approaches. Simulation results show that CSAMMUSIC can possess similar angular resolution as MMUSIC.

基于单快拍MUSIC与改进UTJDL的海杂波抑制算法

要实现船载高频地波雷达对海面目标的快速准确检测,必须对非均匀分布的海杂波进行有效抑制。为此,提出一种单快拍多重信号分类(MUSIC)与改进无迹变换局域联合处理(UTJDL)相结合的非均匀海杂波抑制算法。首先通过单快拍MUSIC算法,将阵列信号转换至角度多普勒域并进行局域联合处理(JDL),以有效降低运算量和提高目标分辨率。然后,利用改进的基于奇异值分解(SVD)的无迹变换(UT)对每个距离元的JDL数据进行预处理以获得更多的一致性数据并进行每个距离元的协方差矩阵估计。最后,根据不同距离单元与待检测距离单元的相关系数估计待测距离单元的协方差矩阵,并由此实现对海杂波的快速有效抑制。仿真实验结果表明,文中提出的算法可以有效提升信杂噪比,有利于目标的快速准确检测。

混合阵列误差校正与快速极化MUSIC算法

为解决通道不一致性对传统极化敏感阵列长矢量模型的测向精度影响及传统长矢量多重信号分类(multiple signal classification,MUSIC)算法实时性不高的问题,本文在传统极化敏感测向系统基础上,在阵列中心增加一个标量平面螺旋天线,利用其天线方向图的增益稳定性,作为内部源对其他矢量通道不一致性进行实时校正;然后将结合标量圆阵和快速傅里叶变换(fastFouriertransform,FFT)的快速MUSIC算法推广到矢量阵列,提出降维快速极化MUSIC算法.仿真结果验证了此误差校正方法的有效性,且快速算法在保证测角精度前提下有效提高了算法实时性.本文为极化敏感阵列测向提供了一种误差校正方法及一种快速实用的测向算法.

米波极化敏感阵列的实值MUSIC测高方法

为获得更高的相干信号角度估计精度,并提高算法可实现性,在极化敏感阵列的基础上,文中提出了一种米波极化敏感阵列的实值多重信号分类测高方法。该方法首先采用矩阵重构的方法消除多径相干信号的影响;其次,利用酉变换对接收数据进行实值处理使其变为实数数据,并利用奇异值技术降低接收数据维度及噪声对接收数据的影响;然后,通过对特征值分解获得的噪声子空间矩阵进行空间谱估计获得目标仰角;最后,利用几何关系获得目标高度。由于该方法完全用实值运算来表述,因而可以显著降低计算复杂度。仿真结果表明:该方法测高精度更高,更利于工程实现。

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。

单脉冲测角的二维分级主旁瓣干扰联合抑制方法

针对矩形平面阵列天线同时存在主、旁瓣干扰的单脉冲测角问题,该文设计了2维分级自适应单脉冲波束形成算法(TDHJ-ADBF)。TDHJ-ADBF算法将矩形平面阵分为方位维和俯仰维两个正交维度,采用2维分级处理架构:第1级处理在测角维进行,采用低运算量的压缩多重信号分类法对测角维主瓣干扰进行快速识别与方向估计,构造阻塞矩阵滤除主瓣干扰,获得仅含旁瓣干扰和噪声的协方差矩阵,进而对和、差波束方向图进行指向与鉴角曲线联合约束,完成测角维旁瓣干扰抑制与波束形成处理;第2级在非测角维对残留的测角维主瓣干扰进行抑制。通过2维分级处理实现主、旁瓣干扰联合对抗,并保持单脉冲测角的鉴角曲线线性度。仿真结果表明,TDHJ-ADBF算法实现了对主、旁瓣干扰联合抑制,具有高精度的单脉冲测角性能。

基于频域波束降维的车载雷达多参数联合超分辨方法

针对车载雷达多参数联合超分辨计算复杂度高、无法快速实现参数估计的问题,提出了基于频域波束降维的多参数联合超分辨算法。所提算法通过快速傅里叶变换(fast Fourier transform,FFT)将空时多参数域联合数据变换到频域,处理感兴趣区域的多维频域数据,完成空时波束空间降维和基于频域数据的多参数联合超分辨,实现目标信息的快速联合估计。推导了频域子空间正交性及频域波束降维超分辨算法理论。仿真研究了算法的分辨率和估计性能与信噪比的关系。仿真结果表明,所提算法的精度和分辨率远超传统FFT算法,相对于传统多重信号分类(multiple signal classification,MUSIC)算法,所提算法计算量大幅降低。

典型阵列快速MUSIC算法研究

由于MUSIC(MUltiple SIgnal Classification)算法需要大量的乘法运算和三角函数求值,导致其实时处理能力较弱。为此,该文首先对均匀线阵和均匀圆阵的阵列结构进行分析,提取导向矢量的一些性质。然后,利用Hermite矩阵的性质对复数乘法进行分解,再组建两个实值向量以减少乘法运算次数。最后,利用导向矢量的性质提出一种基于查表的新算法。新算法既没有三角函数求值运算,又不需要大量的存储空间。仿真实验结果表明新算法在没有改变MUSIC算法谱估计的效果的前提下,将MUSIC算法的运算速率提高了50倍以上。因此,新算法具有广阔的应用前景。

模型误差对非圆信号测向MUSIC算法性能的影响

近年来,针对非圆信号的测向算法已陆续提出,对这些算法的渐近性能及Cramer-Rao界的分析也已见报道,但仍未涉及模型误差对此类算法影响的分析.本文概括介绍了用于非圆信号测向的MUSIC(Multiple Signal Classi-fication)算法,对其空间谱函数进行一阶泰勒展开,得到了测向误差的表达式,从而求得测向均方误差统计意义上的表达式.仿真实验验证了推导的正确性,并由理论结果分析了模型误差条件下测向误差与角度间隔和非圆相位差的关系.

阵元间距对MUSIC算法的影响

本文概述了MUSIC算法,当阵元间距不大于载波半波长时,通过分析得出MUSIC算法空间分辨率随阵元间距增大而提高,并推导阵元间距与MUSIC算法性能的定量关系;当阵元间距大于载波半波长时,讨论空间谱可能出现虚假谱峰的情况,并提出提取真实谱峰的方案.最后通过计算机模拟仿真验证文中结论.

基于MUSIC对称压缩谱的快速DOA估计

为提高波达方向(direction of arrival,DOA)估计的速度、降低运算量,在分析多重信号分类(multiplesignal classification,MUSIC)算法原理的基础上,利用噪声子空间降维的思想构造一维MUSIC对称压缩谱(MU-SIC symmetrical compressed spectrum,MSCS)。MSCS通过构造共轭噪声子空间并对噪声子空间及其共轭子空间的交集进行奇异值分解得到,其物理实质等效于在空间辐射源的对称位置添加相同数目的镜像辐射源。理论分析和仿真实验表明,MSCS不受实际阵型的限制,能将DOA估计的计算量降至传统MUSIC算法的50%,并具有与MUSIC相当的估计精度。

DOA估计算法的一种修正MUSIC算法的研究

传统改进MUSIC算法通过对接收信号协方差矩阵作预处理,使信号协方差矩阵分解得到信号子空间与噪声子空间正交,从而降低噪声的影响。但当信号间隔很小时,随着信噪比的降低,传统改进MUSIC算法已无法分辨出信号。基于此问题提出的修正MUSIC算法在使信号子空间与噪声子空间正交的基础上,充分利用了噪声子空间及其特征值对噪声子空间的修正,进而构造谱峰搜索函数估计出信号。通过仿真实验,证实了在信噪比很低的情况下,信号间隔很小且存在相关信号时,修正MUSIC算法能准确地估计出传统改进MUSIC算法不能估计的信号。

基于均匀线阵的改进MUSIC算法

在相干信源下,传统的MUSIC(MUltiple SIgnal Classification)算法不能准确地估计波达方向。为此,在对传统的MUSIC算法进行研究的基础上,提出了一种改进的MUSIC算法。该算法是将阵元接收的数据做相应的变换,从而得到新的阵列数据,再通过求互协方差等运算,得到新的数据协方差矩阵。同时,对该算法和传统的MUSIC算法进行了仿真,对其DOA(Direction-of-Arrival)估计性能进行比较。仿真实验表明,改进后的算法在相干信源的情况下具有很好的去相干性能,而且没有阵列孔径的损失。能精确地估计信号的波达方向。

任意阵列双基地MIMO雷达的半实值MUSIC目标DOD和DOA联合估计

实值处理具有降低高自由度多输入多输出(multiple-input multiple-output,MIMO)雷达角度估计大计算量的优势。但受制于阵列的共轭对称性,对于任意阵列结构的双基地MIMO雷达发射角(direction of departure,DOD)和接收角(direction of arrival,DOA)联合估计,若不做附加的预处理则无法实现实值操作,故将常规阵列实值处理的多重信号分类(multiple signal classification,MUSIC)超分辨算法推广至任意阵列结构的双基地MIMO雷达。首先根据MIMO雷达的导向矢量共轭与镜像的对等性,提取接收信号协方差矩阵的实部,并对其进行特征分解得到"目标加倍"的信号子空间及其应对的噪声子空间;然后利用Kronecker积的特性对其进行降维处理,得到搜索区域减半的一维半实值域MUSIC谱,取出目标DOD真值与其镜像代入降维Capon算法来剔除虚拟峰值得到目标DOD估计真值;最后利用特征矢量得到模糊DOA估计值,采用方向余弦差最小范数方法得到目标DOA无模糊估计值。本文算法估计性能与一维搜索复数域MUSIC相当,计算量约降50%,且能够实现DOD和DOA的自动配对。仿真结果证明了该算法的有效性。

一种基于逐次搜索的快速MUSIC方法

MUSIC方法是一种经典的阵列波达方向(DOA)估计子空间方法,在高信噪比时,该方法有很好的性能,但随信噪比的降低,算法性能下降很快,特别是其分辨概率下降很快。其主要原因是低信噪比和DOA相邻较近时,信号源之间的空间相关性较强。逐次消除空间相关性并逐次搜索DOA的改进MUSIC方法,提高了分辨概率。为降低运算量,采用多级维纳滤波代替特征值分解过程。文中方法具有一般性,适合于基于子空间方法的一大类DOA估计。仿真结果证明了方法的有效性。

基于MUSIC算法的动不平衡信号提取方法研究

针对相关滤波等经典频域分析方法提取动不平衡信号时,近频干扰抑制能力及参数估计精度严重依赖数据长度的问题,提出了一种基于残差MUSIC(multiple signal classification)谱分析的正弦参数估计方法,以残差MISIC谱中给定频率点的幅度值为观测变量判定参数拟合效果,提取该频率成分的幅值和相位。实验表明此方法与相关滤波法相比具有更高的频率分辨率,对抑制近频干扰的能力更出色,较好地解决了提高动不平衡信号提取精度与提高动平衡试验效率难于两全的问题。