基于信号模型参数辨识的变电站局部放电电磁波信号重构

抑制现场噪声干扰、有效提取信号特征是局部放电(PD)信号检测和分析的关键,为此,利用自回归–滑动平均(ARMA)模型对局部放电辐射的特高频(UHF)电磁波信号建模,给出了利用高阶累积量估计模型阶数和参数的理论依据和算法。以混有Gauss白噪声及定频干扰的双指数振荡衰减函数模拟局部放电辐射的UHF信号,利用ARMA模型参数重构信号的Fourier变换幅值,利用双谱估计重构其Fourier变换的相位,最终重构时域信号,以验证该算法重构信号的有效性。利用该方法重构变电站实测的局部放电辐射的UHF信号,验证了该算法在变电站现场干扰情况下,可从现场采集到的含有噪声的信号中重构出只相差常数因子和线性相移的有用信号。且算法辨识得到了信号的ARMA模型参数及重构得到的UHF信号频谱及时域信号,可以给局部放电类型识别等进一步处理提供参数。

再生切削颤振系统动态响应谐参数辨识

考虑多重再生切削效应,建立了切削系统在随机噪声激励下的时滞动力学模型及递推求解算法。利用基于互四阶累积量的谐参数联合估计TLS-ESPRIT方法,讨论了再生型切削系统动态响应的频率、相邻两转切削间相移和互功率的辨识,揭示了在动态失稳切削中这些谐参数的演变特征以及多频再生型切削颤振现象。研究结果表明,基于互四阶累积量的谐参数估计TLS-ESPRIT方法可抑制噪声,具有优越的参数估计性能,能够在动态失稳切削中抽取再生型切削不稳定性的演变特征。

基于小波和高阶累积量的数字调制识别算法

利用基于高阶累积量的数字调制识别算法对数字调制信号进行分类识别时,六阶及六阶以上累积量的计算过于复杂,且多进制频移键控(MFSK)与8PSK信号各阶累积量的值均相等,直接计算无法识别。针对此问题,提出了一种基于小波和高阶累积量相结合的分类算法,先对MFSK与8PSK信号进行小波变换,再利用四阶累积量进行识别。实验证明,利用该算法所提取的特征参数能有效抑制高斯白噪声,除了识别2ASK/BPSK,4ASK,2FSK,4FSK,QPSK,8PSK信号外,还可识别16QAM,并且计算量小,易于实现。当信噪比大于等于3 dB时,总体识别率达到96%。与已有算法相比,仿真结果证明了该算法的优越性。

通信中数字调制信号自动识别算法

将信号的高阶累积量作为信号的特征参数具有很好的抗噪声性能。然而,不同调制信号提取的高阶累积量参数可能相同,造成不能完全识别。针对这种情况,引进了分形理论。提出了将信号的高阶累积量和分形维数结合共同作为识别的特征参数。这种方法不仅很好的避免了高斯噪声对调制识别产生的影响,并且解决了单一的将高阶累积量作为识别的特征参数中存在的不能完全识别所有调制类型的问题。仿真结果证明了算法的有效性。

大量程光栅位移测量累积误差的修正

提出了一种自动测量光栅栅距修正累积误差的方法。栅距测量是基于高阶累积量估计光栅传感器输出的两路莫尔条纹信号的时间延迟而得到的，该方法能够实现每个栅距的测量，通过对每个光栅栅距的误差进行修正来减少累积误差，为大量程高精度测量奠定了基础。实验采用长为500mm的50线／mm的光栅传感器，该传感器包含栅线25000条，实现栅距测量分辨力为3nm，达到了纳米级测量。该方法抗干扰能力强，适合在生产现场应用。

一种基于支持向量机的信号调制分类方法

针对现有数字信号调制分类的问题,在人工分类的基础上,提出一种基于支持向量机(SVM)的自动分类方法。提取信号的高阶累计量特征参数用于训练与测试数据。比较已有的基于SVM的调制分类方法,采用应用混合核函数的SVM分类方法,并利用决策树二分类思想设计分类流程。经过仿真比较,验证了该混合核函数的SVM具有较好的分类性能。

一种稳健的四阶累积量ESPRIT测向方法研究

本文提出了一种基于四阶累积量的ESPRIT超分辨阵列测向算法,该算法适用于任意形状排列的空间阵列。通过对误差模型的分析,发现该算法具有稳健性,只要接收通道中任意两个通道能保持一致,该算法就能得到正确的方向估计。计算机模拟验证了该算法的正确性。

一种稳健的非圆信号波达方向估计算法

为了充分利用非圆信号的特性,提高非圆信号波达方向估计的性能,针对最大非圆率信号,提出了一种稳健的波达方向估计算法。首先,构造两个包含信号非圆信息的四阶累积量矩阵;然后,利用这两个矩阵的旋转不变关系实现信号的波达方向估计;最后,在存在通道幅相误差模型下分析了算法的稳健性,并推导出只要令接收通道中任意两个通道保持一致,算法就能得到正确的波达方向估计。仿真实验表明,算法的测角精度得到提高,并且算法对通道幅相误差具有稳健性。

基于RBF神经网络的模拟数字信号调制识别

针对多种信号在低信噪比条件下识别率低的问题,利用高阶累积量良好的抑制噪声特性,通过构造高阶累积量作为特征参数之一,并联合其他特征参数,采用优化的径向基神经网络对模拟数字信号进行自动调制识别。Matlab仿真表明,该种方法能够有效提高低信噪比条件下的信号识别率。

Krawtchouk矩的误差传递分析及算法改进

提出了Krawtchouk矩的误差传递模型,分析了其误差传递的机理,提出一种基于GMP大数库的分段迭代算法来精确计算Krawtchouk多项式,且此方法对参数p取任意值均有效。该方法的原理为:根据经典Krawtchouk矩的传递误差累积趋势,将其迭代过程分为若干段,每段迭代的初值均由GMP库计算得到,通过保证初值的精确性和控制迭代的次数来降低多项式计算的误差,提高高阶矩计算的精度。实验证明该方法确实能有效抑制且在一定程度上控制高阶Krawtchouk矩的累积误差,消除重构图像的劣化。

基于高阶累量的数字调制方式识别

数字通信调制方式识别一直是信号截获处理方面的热点课题,是信号筛选和解调的基础,在通信对抗中意义重大。本文提出了以接收信号的四、六阶累量为特征来识别数字调制信号,文中进行了理论推导,并做了仿真验证该方法的可行性,实现了对2A SK/2PSK、4A SK、8A SK、4PSK、8PSK、16SQAM等数字调制类型识别。

直扩信号的深度盲检测方法研究

提出一种基于四阶累积量切片和非线性滤波的直扩信号盲检测算法,新方法充分利用四阶累积量能有效提取直扩信号谐频分量的特性,结合了非线性滤波能深度抑制背景噪声的优点,极大降低了直扩信号的检测和参数估计的门限。理论分析和仿真试验表明,新算法可以实现在超低信噪比下DSSS/BPSK信号的检测和扩频码周期的精确估计,具有计算量小、检测概率高的特点,易于工程实现。

一种基于波束域最大非冗余矩阵的四阶高分辨DOA估计算法

在非白噪声背景下,基于二阶统计量的高分辨方法性能较差。基于四阶累积量的高分辨方法能较好地抑制空间高斯噪声,但其运算量较大。文献[9]提出了一种基于四阶累积量的波束域MUSIC方法,降低了运算量,但其四阶累积量矩阵仍存在较多的冗余元素。为了进一步降低运算量,提出了一种波束域最大非冗余四阶累积量矩阵。仿真分析和实验结果表明,与波束域四阶累积量MUSIC方法相比,论文所提方法在保证估计性能的同时减小了运算量。

基于软件无线电的电磁干扰识别系统研究

针对通信系统中存在的电磁干扰问题,提出一种基于软件无线电的电磁干扰自动检测识别系统。该系统能够在不需要任何先验信息的情况下,利用GNU Radio软件搭配标准化硬件HackRF One平台,对干扰信号进行实时的接收识别。对干扰信号的频率和符号速率进行估计,完成时钟同步和匹配过滤;提取高阶累积量作为特征参数结合决策树分类器,实现对6种调制类型干扰信号的分类识别,以及信号的相位校正;结合信号星座图对识别结果进行判别。仿真验证表明,当信噪比为10 dB时,信号识别率可达95%以上。

一种DSSS信号载频与码片速率的估计方法

在军事通信领域中,为解决抗干扰问题,直接序列扩频(Direct Sequence Spread Spectrum,DSSS)信号具有较低的功率谱密度,信号淹没在背景噪声中,侦查难度较大。针对低信噪比DSSS信号载频与码片速率检测的难题,为提高通信系统的性能,消除噪声,利用循环统计量的循环特性可以体现出循环平稳信号的频率参数,高阶循环累积量可以有效地抑制任何平稳噪声与非平稳高斯有色噪声的特点,提出了一种可同时对DSSS信号的载频与码片速率进行盲估计的方法。通过对不同延时切片的选择可以实现低信噪比DSSS信号载频与码片速率的检测,不需要任何的先验信息,在低信噪比的情况下有较好的估测效果。仿真实验验证了估计方法有效性。

多个高阶累积量组合的调制样式识别算法

利用2个高阶累积量之比构造的特征参数代表的信号特征通常有限,基于此类特征参数的调制样式识别性能有待进一步提高。为此,提出多个高阶累积量组合的调制样式识别算法。采用2个累积量和/差的归一化来构造特征参数,充分利用多个高阶累积量信息,使之包含更多的信号特性;并使用随机森林作为分类器,克服弱分类器存在的过拟合问题。仿真结果表明:提出的特征参数对调制样式的识别性能优于归一化累积量的特征参数,随机森林分类性能优于弱分类器。

直接识别系统参数的闭形式解

本文提出了一种直接识别系统参数的闭形式表达式,避免了参数递归迭代方法的误差传播问题。由于本文方法仅与高阶累积有关,因此具有抑制加性高斯噪声的能力。模拟结果表明,本文的方法具有比参数递归迭代方法更优越的性能。

多传感器阵列的近场源联合参量估计优化

在多传感阵列参数估计中,需要进行近场源联合参数估计,提高目标检测和识别能力,提出一种基于高阶累积量分析的近场源联合参量估计算法。采用多分辨的高斯随机过程构建近场源目标阵列分布节点模型,采用多传感器联合跟踪识别方法进行近场源的传输信号和回波信号采样,采用MUSIC算法进行目标阵列节点的初始方位估计,根据方位估计结果进行空间波束形成处理,提取近场源阵列输出信号的高阶累积量,根据高阶累积量的动态特征进行频谱分离,采用最大似然估计算法实现对近场信源距离和方位角二维参数的联合估计。仿真结果表明,采用该方法进行了近场信源联合参量估计的精度较高,对阵列目标检测的准确性较好,抗干扰能力较强。

三星干扰源定位TDOA参数估计算法研究综述

对三星干扰源定位系统时差(TDOA)参数估计算法进行了深入的研究,首先介绍了干扰源定位系统出现的背景,并对三星时差定位算法的原理进行了详细的介绍,之后对互相关法、自适应法和高阶统计量法等时差参数估计算法进行了介绍,在简要介绍各种算法的来源、理论基础和发展历程的基础上对比了各算法的优缺点,最后指出了当前的TDOA参数估计算法存在的不足之处,展望了三星干扰源定位系统TDOA参数估计算法研究领域的进一步发展方向。

高阶累积量下瞬态信号参数估计

根据瞬态过程的一般表达式，提出了其参数估计在高阶累积量下相应的数学模型及其新的估计方法。实验证明了其在高阶累积量下参数估计的可行性。结果表明该方法具有较高的精确性，对瞬态信号参数估计可实现实时估计。