混合噪声下正弦参数估计互高阶谱MUSIC方法

采用互高阶累积量 (互四阶累积量 )的一维对角切片为统计量 ,首次证明了互高阶累积量可以有效地抑制非相关噪声和高斯噪声 ,并在建立互高阶累积量的Yule -Walker方程的基础上 ,通过特征分解 ,建立了信号矢量空间与噪声矢量空间 ,首次提出了混合噪声背景下正弦参数估计互高阶谱MUSIC方法。仿真结果说明 ,该方法在几乎不需要有色噪声的先验信息的条件下 ,具有良好的谱估计的分辨率和谱估计的稳定性。与其他方法比较 ,该方法抗干扰性更强 ,其信噪比工作门限低 。

混合噪声背景下正弦参数估计的互高阶谱Pisarenko方法

本文以互四阶累积量为依据 ,首次证明了互高阶累积量可以有效地抑制非相关噪声和高斯噪声 ;并在建立互高阶累积量的Yule Walker方程的基础上 ,通过该矩阵的奇异值分解 ,建立了信号矢量空间与噪声矢量空间 ;首次提出了混合噪声背景下正弦参数估计的互高阶谱Pisarenko方法。仿真结果表明 ,与自高阶谱Pisarenko方法相比 ,该方法具有更好的谱估计的分辨率和谱估计的稳定性 ,抗干扰性更强 ,其信噪比工作门限更低 。

互相关及高阶谱核材料富集度识别方法

针对基于传统核材料识别系统中特征值易受系统噪声影响且精确度不够的问题,将高阶统计特征概念引入252 Cf源驱动核系统特征提取和识别之中,提出了一种基于互相关函数与高阶统计特征的252 Cf源驱动核材料富集度识别方法。通过互相关运算及高阶统计分析,得到核系统信息的三维特征图像,并在此基础上开展了待测核材料(235 U)的富集度实验研究与分析识别工作。实验研究结果表明,该识别方法能够较好地降低背景辐射噪声与电子学系统噪声。与传统识别方法相比,对于核部件富集度变化,该算法的敏感性与鲁棒性均有大幅提高。

基于互高阶谱MUSIC法的电机定子匝间短路故障特征分量提取

针对电机定子绕组匝间短路时,定子电流中干扰信号影响大,故障信号较微弱等缺点,研究了一种基于互高阶累积量的多重信号分类的故障特征检测方法(Multiple Signal Classification,MUSIC)。通过MUSIC算法对定子电流信号进行快速分解,形成噪声子空间和信号子空间,确定定子匝间短路故障特征频率分量。由于互高阶累积量可以有效地抑制相关和非相关噪声,在混合噪声条件下,该方法仍具有很高的谱分辨率和谱估计性能。仿真和实验结果表明,该方法在对电机定子匝间短路故障检测时,在不需要对分析数据进行整周期采样前提下,更准确地反映故障特征频率,证明了此方法的有效性。

基于互高阶谱的ESPRIT法的间/次谐波参数估计

电力系统中,准确有效地确定信号中的间/次谐波分量,对于改善电能质量有重要意义。提出了基于互高阶累积量的子空间旋转法(Esprit)来估计间/次谐波幅值和频率。最大优点是无需谱峰搜索,计算量很小。

互高阶累积量对离散系统辨识的应用原理

采用互高阶累积量 (互四阶累积量 )的一维对角切片为统计量 ,证明了互高阶累积量可以有效地抑制非相关噪声和高斯噪声 ,并在建立互高阶累积量的Yule Walker方程的基础上 ,对离散系统 (AR过程 )的结构进行了分析。结果表明 ,该方法具有良好的谱估计的分辨率和谱估计的稳定性。与其它方法比较 ,该方法抗干扰性更强 ,其信噪比工作门限更低 。

高频地波雷达浪高参数提取的一种新算法

从Howell深水无表面流情况下的二阶窄波束雷达截面方程出发,提出了一种变换积分对象、不等分积分区间构成稀疏矩阵方程来反演无向浪高谱的新算法.在不同信噪比和不同海况条件下进行数值仿真,当信噪比高于35dB时,该算法有较高的反演精度.并将该方法应用于“高频地波雷达现场对比验证试验”,反演结果与观测船输出结果比较,有效浪高的平均绝对误差为0.32m,并与Barrick法和Howell法进行了比较.模拟结果和实测结果都表明该反演算法的正确性和可行性.

互高阶谱MUSIC法在异步电机转子断条故障诊断中的应用

针对电机断条故障特征频率分量易被基波分量泄漏及噪声淹没而无法准确检测的缺点,提出了一种基于互高阶累积量的多信号分类法MUSIC的异步电动机转子故障特征提取方法。将故障信号进行空间分解,根据正交子空间的特性,有效地提取出转子故障特征分量。仿真和实验结果表明,该方法在对电机转子断条故障检测时,在不需要对分析数据进行整周期采样前提下,能准确检测出转子故障时电流中的故障特征成分,证明了该方法的有效性。

相关与非相关噪声下正弦小信号恢复互高阶谱矩估计方法

不提供任何噪声的先验信息的条件下,在建立互高阶累积量的Yule-Walker方程的基础上,通过特征分解,建立信号矢量空间与噪声矢量空间。该方法能有效地抑制相关噪声和非相关噪声,信噪比工作门限低,有良好的谱估计的分辨率和谱估计的稳定性。

基于互高阶谱MUSIC法的异步电机转子断条特征分量的提取

提出了一种基于互高阶累积量的多信号分类法(Multiple Signal Classification,MUSIC)的异步电动机转子故障检测方法。由于断条故障特征频率分量易被基波分量泄漏及噪声淹没,而互高阶累积量可以有效抑制相关和非相关噪声,在混合噪声和信噪比很低(-20 dB)的情况下,该方法仍具有很高的谱分辨率和谱估计性能。仿真和试验结果表明,该方法在对电机转子断条故障检测时,在不需要对分析数据进行整周期采样的前提下,能准确检测出转子故障时电流中的故障特征成份,证明了该方法的有效性。

非相关噪声与相关高斯噪声下正弦参数估计的互高阶谱最小范数法

在建立互高阶累积量的Yule Walker方程的基础上 ,通过特征分解 ,建立了噪声矢量空间和信号矢量空间 ,提出了在非相关噪声和相关高斯噪声下 ,正弦参数估计的互高阶谱最小范数法。通过仿真计算可知 ,该方法信噪比工作门限低 。

MHD角速度传感器微弱信号频率估计的互高阶谱方法

MHD角速度传感器信号宽频带和低信噪比特性会降低微弱信号频率估计的分辨力、精度和稳定性。因此,本文通过实验采集传感器的本底噪声,计算噪声功率谱密度,分析了传感器的噪声特性。然后,针对其高斯有色噪声的特点,采用四阶累积量与现代互谱相结合的互高阶谱方法,分析不同频段和信噪比条件下,对仿真和实验数据的频率估计分辨力、偏差、方差和信噪比。结果表明互高阶谱算法对高斯有色噪声具有很好的抑制能力,频率估计分辨力<1 Hz,信噪比提高了7 dB～11 dB。

混合色噪声背景下谐波恢复——可抑制伪峰的互高阶谱SVD—TLS方法

分析了正弦谐波信号的扩阶互四阶累积量矩阵的特征,提出消除扩阶方程产生的谱谱估计伪峰的理论与方法。

基于互相关卷积与高阶矩质心计算的布里渊散射谱特征提取

针对目前布里渊光时域分析(BOTDA)分布式光纤传感系统存在的实时性较差的问题,为了缩短测量时间,提出一种基于互相关卷积与高阶矩质心计算相结合的布里渊散射谱特征提取方法。首先将布里渊散射谱沿光纤的扫频数据与理想Lorentz曲线作互相关卷积,然后利用卷积结果峰值附近的理想Lorentz线型特征进行高阶矩质心提取,并将提取结果作为布里渊频移(BFS)的估计值;其次,搭建1.5km的瑞利BOTDA温度传感系统对所提算法进行可行性验证。结果表明:不同于常用的Lorentz拟合(LCF),所提算法避免了复杂的迭代求解所造成的测量时间延长,具有良好的实时性与测量精度,选取恰当的数据点数与阶数可将误差控制在小于1 MHz;当进行长距离高分辨率的动态测量而不得不加大扫频间隔以减少测量时间时,所提算法的测量误差远小于基于莱文伯-马奈特(LM)算法的LCF的测量误差。