基于RD-MUSIC算法的局放超声阵列检测方法仿真研究

超声阵列检测是一种可靠性较高的局部放电定位方法,而目前对局放超声阵列信号的波达方向研究尚不成熟。基于此,文中提出了一种基于多重信号分类降维(RD-MUSIC)算法的局放超声阵列信号波达方向(DOA)估计方法。首先,将局放超声阵列信号波达方向(方位角和俯仰角)的谱峰空间采用二维并行搜索方式;其次,基于RD-MUSIC算法将局放源分解为方位角和俯仰角的一维顺序搜索方式,将阵列输出信号的协方差矩阵进行处理,进而提高了该一维DOA估计方法对局放源的分辨性能;最后,将RD-MUSIC算法与多重信号分类(MUSIC)算法作仿真对比,结果表明,RD-MUSIC算法测向性能好,运算速度快,其测向误差小于MUSIC算法,进一步提高了定位的准确度。

基于改进RD-MUSIC算法与稀疏方形阵列的双局放源超声定位方法研究

电气设备局部放电超声阵列定位是将超声阵列传感器与阵列信号处理技术应用于局部放电超声定位的一种新方法。研究表明,传统的测向算法对双局放源的定位精度不足,分辨力较低;满阵传感器结构复杂且成本昂贵,不适合工程应用。据此,提出一种基于改进RD-MUSIC(Reduced Dimension-Multiple Signal Classification)的测向算法和稀疏方形阵列传感器的双局放源检测方法。以稀疏度为4阶的4×4方形平面阵列传感器为例,研究了基于改进RD-MUSIC算法的双局放源的波达方向估计算法的有效性。仿真结果显示改进RD-MUSIC算法得到的测向星谱图可直观获得DOA估计量,提高了计算速度和测向精度,实验验证了该方法的有效性。

模值约束的降维MUSIC二维DOA估计

利用传统二维多重信号分类(multiple signal classification,MUSIC)算法进行二维波达方向(direction of arrival,DOA)估计时,往往带来巨大的运算量,限制了算法的实际应用。提出了一种能够大大降低二维DOA估计运算量的模值约束降维MUSIC算法,该算法将二维DOA估计问题转化为优化方程的求解问题,并采用模值约束法定义附加条件,使方向向量得到了较强约束,进而使求解结果更加接近最优解。理论分析和仿真实验表明,本文算法所需运算量较低,且角度估计的成功率与精确度较高。

基于谱分解的降阶求根MUSIC算法

求根多重信号分类(Root-MUSIC)算法以多项式求根代替谱峰搜索,降低了波达方向(DOA)估计的计算量,但当阵元数较大时,其计算量依然很大。为进一步降低计算量,该文提出一种降阶Root-MUSIC(RD-Root-MUSIC)算法。该算法基于谱分解将Root-MUSIC多项式的阶次降低一半,再根据矩阵特征多项式与求根多项式的关系构造友阵,采用Arnoldi迭代计算得到友阵的L个大特征值(L为信号数)并估计DOA。仿真结果表明,RD-Root-MUSIC估计精度与Root-MUSIC相近,但其在大阵元下具有比Root-MUSIC更低的计算量。

MIMO雷达中一种降维MUSIC的相干角度估计算法

研究单快拍下双基地多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达中相干信源的离开角(Direction of departure,DOD)与到达角(direction of arrival,DOA)联合估计问题。利用单快拍下双基地MIMO雷达的接收信号构造一组Toeplitz矩阵,利用这组Toeplitz矩阵重构一个信号矩阵,提出一种基于降维多重信号分类(Reduced Dimension Multiple Signal Classification,RD-MU-SIC)的DOD与DOA联合估计算法。提出的算法能够有效估计相干信源以及非相干信源的角度,实现角度的自动配对,并且角度估计性能远优于FBSS-ESPRIT算法以及ESPRIT-like算法。仿真结果验证了算法的有效性。

L阵基于降维MUSIC的二维DOA与频率估计

提出了一种L阵中基于降维多重信号分类(reduced-dimensional multiple signal classification,RD-MUSIC)的二维波达方向(two dimensional direction of arrival,2D-DOA)与频率联合估计算法。该算法首先通过一维局部谱峰搜索得到接收信号频率的估计,然后利用频率估计过程中得到的参数矩阵,获得信号的2D-DOA估计。与需要进行多维全局搜索的传统MUSIC算法相比,所提算法只需一维局部搜索,算法复杂度较低。该算法同时适用于均匀L阵和非均匀L阵,且能获得配对的二维角度与频率估计。其角度与频率估计性能接近于传统的MUSIC算法以及平行因子方法,且优于借助旋转不变性估计信号参数算法和传播算子算法。

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。

共形FDA-MIMO雷达降维目标参数估计研究

频控阵多输入多输出(FDA-MIMO)雷达是一种具有距离-角度-时间依赖性波束模式且能够提高自由度的系统。该文将可实现降低空气动力学对载体影响、附着在载体表面的共形阵列引入到FDA-MIMO雷达中。首先创建共形FDA-MIMO测量模型,推导参数估计的克拉默-拉奥下界(CRLB)。为了避免传统三维多重信号分类算法(3D-MUSIC)三维搜索,提出一种降维多信号分类(RD-MUSIC)算法实现目标参数估计。仿真结果表明,该算法与3D-MUSIC算法相比,估计精度有所下降,但计算复杂度显著降低。此外,与3D-MUSIC算法相比,该算法具有更好的多目标距离估计性能。

一种基于降维处理的DOA估计方法

针对传统波束形成算法在利用矩形面阵进行二维DOA估计时,需要进行二维角度遍历搜索,耗时较长等问题,通过理论推导和数值计算给出一种降维方法。该方法利用坐标转换及二次寻优,先后计算目标相对于x和y轴的夹角,并结合最小二乘思想最终计算出目标的方位角和俯仰角,将二维问题变为一维搜索,大大减小了计算量。仿真结果表明,该方法的角度估计精度与传统的MUSIC方法相.当,但其计算复杂度和计算时间节省了很多,非常适合工程应用。

此岸·彼岸——何训田音乐作品思想分析

在国内音乐界,何训田教授属于最具文化属性、最具个性、最具探索精神的作曲家之一。他一直力图以恢宏的文化内涵、精微的思想深度、圆融的创作技巧向不同文化、不同族群播撒音乐甘霖,并期望到达理想中的音乐彼岸。在本文中,作者从何训田不同时期、不同作品思想变化的角度进行分析,力图挖掘他不断超越自我、不断提升作品境界的精神内核并剖析其原因。

张量框架下双基地FDA-MIMO雷达参数估计算法

频控阵(Frequency Diversity Array,FDA)雷达于2006年由Antonik和Wicks提出.由于FDA雷达每个相邻的天线之间存在一个频率偏移,因此在发射阵列存在距离角度二维依赖性.而对于双基地频控阵多输入多输出(FDA-Multiple Input Multiple Output,FDA-MIMO)雷达而言,在导向矢量中耦合了波离方向、到达方向、距离(Direction Of Departure-Direction Of Arrival-range,DOD-DOA-range)三个信息,如何对三者信息进行解耦便成为研究的重点.本文针对双基地FDA-MIMO雷达的目标参数估计问题,提出了一个张量框架下的降维多重信号分类(Reduced-Dimension MUltiple SIgnal Classification,RD-MUSIC)的参数估计算法.首先,为了将发射阵列中的DOD和距离信息进行解耦,需要对发射阵列进行子阵的划分.紧接着利用高阶奇异值分解(High-Order-Singular Value Decomposition,HOSVD)算法获得信号子空间,并构建二维空间谱函数.其次,通过拉格朗日算法对空间谱进行降维,使其仅与DOA有关,从而得到DOA估计.然后利用子阵之间的频率增量来对DOD和距离信息进行解耦,同时消除相位模糊,最终得到与DOA估计自动匹配的DOD和距离估计.所提算法利用高维数据的多维结构提高了估计精度,同时能够有效地降低运算复杂度.数值实验证明了所提算法性能的优越性.