交织OFDMA频偏估计

同步是OFDM系统的关键技术之一。本文提出了一种针对多用户OFDM频偏估计的算法。利用交织子载波分配方案的OFDMA上行链路中,每个用户信号在一个OFDM符号内都具有一定的周期性结构。它是利用接收信号的结构特性,并借助一种新的子空间算法估计得到多用户的频偏。此算法利用总体最小二乘方法(TLS)取代特征值分解得到噪声子空间,其运算量小于多重信号分类(MUSIC)算法,而其性能与MUSIC算法相当。计算机仿真结果表明此算法是有效的。     

新型快速DOA估计算法

针对传统MUSIC算法进行DOA（direction of arrival）估计计算量过大、难以实现实时处理的问题,提出了一种新型测向算法。基于信号子空间与噪声子空间的正交性,利用部分噪声子空间进行变步进谱峰搜索,通过减少单个伪谱值估计运算量、减小谱峰搜索范围以及规避信号源个数估计过程,大幅降低了算法实现复杂度,同时优化加法和乘法运算数配比,将乘法运算量减少至1/4以下,降低了硬件运算负荷,可实现信号实时处理。通过计算机建模、仿真及性能比对,验证了该方法对运算性能的改进效果。     

基于实值MUSIC算法的电力谐波分析方法

现代谱估计方法逐渐被应用于电力谐波及间谐波的超分辨率检测与分析,其中的多重信号分类方法(MUSIC)算法最具代表性.然而,常规谱MUSIC算法在分析电力谐波时必须将实值信号转换为复频率信号,因而计算复杂度较高;此外,其伪频谱的峰值搜索过程也存在着类似栅栏效应,导致其频率分析精度有限.为了改善谱MUSIC算法对电力谐波的分析精度,本文基于子空间分析理论提出了针对实值周期信号的谱MUSIC频率检测方法,推导并给出了其伪谱函数的表达式.在此基础上,还利用Newton-Raphson算法对伪谱峰值进行迭代求精,进一步提高了谐波频率的估计精度.仿真结果表明:实值MUSIC伪谱更能有效区分真实谐波谱峰与噪声伪峰,同时本文方法的计算复杂度远远低于原有复值谱MUSIC算法,而频率估计精度与求根MUSIC算法接近,非常有利于电力谐波参数的准确获取.     

基于MUSIC-Group Delay算法的相邻相干信号源定位

为了准确的进行相邻的相干信号源定位,提出了一种基于多重信号分类群延迟（MUSIC group delay）的改进算法。首先,将空间平滑技术引入到波达方向（DoA）估计当中去除部分相干信号。由于在信号源相邻的情况下子空间算法的性能降低,就结合了MUSIC Group Delay算法来区分相邻的信号源,这种方法因为自身的加和性通过MUSIC相位谱来计算群延迟函数,从而能估计出相邻的信号源。理论分析和仿真结果表明提出的方法估计相邻的相干信号源比子空间算法更精确,分辨率更高。     

基于特征空间求根法的非整数次谐波估计方法

现有傅里叶算法在含有非整数次谐波的情况下存在着频谱泄漏和栅栏效应,AR模型谱估计和多信号分类法(MUSIC)法能提高频率分辨率,但对噪声敏感,容易产生虚假频率。提出基于特征空间求根法进行频率的精确估计,对修正的信号自相关矩阵进行特征值分解,利用信号子空间和噪声子空间的正交性构造多项式,进行多项时求根,得到单位圆上的根进行频率估计,在此基础上通过三角回归法,解一超定方程组得到相应的振幅和相位。并与MUSIC法在无噪声和有噪声情况下进行仿真比较,证明了该方法在提高分辨率、减小估计偏差和提高数据精度的有效性。     

机载多电磁矢量传感器的飞行器姿态优化估计

实现对飞行器飞行姿态的快速精准估测是成功执行任务的重要保障。为提高飞行器飞行姿态估测的精准性和快速性,考虑到多重信号分类(multiple signal classific-ation algorithm,MUSIC)算法在谱峰搜索的时候计算量大且速度慢的特点,提出了在谱峰搜索中应用改进的粒子群算法。首先依靠飞行器机身上的各电磁矢量传感器的姿态位置与来自地面基站上所传送的信号信息之间的变化规律,形成MUSIC算法中所需要的导向矢量,建立由电磁矢量传感器组成的信号接收阵列的电磁波信号数学模型表达式,求出协方差矩阵,将矩阵的特征值进行分解得到噪声子空间,构造出姿态空间谱函数来完成信号空间谱的建立和谱峰搜索,从而得到表征姿态的唯一谱峰。最后通过仿真实验验证表明,在谱峰搜索应用改进粒子群算法能够有效的提高飞行姿态的估测精度和搜索速度。     

中压电力线通信自适应OFDM系统背景噪声抑制技术研究

针对中压电力线通信自适应OFDM系统缺乏抗噪声干扰措施的问题,介绍了一种低复杂度的子空间迭代算法用以抑制背景噪声。该方法基于子空间理论来分解含噪OFDM信号的特征空间,并在信号失真最小的约束条件下,应用拉格朗日最优极值法来获得理想信号的最佳估计。针对经典子空间方法求特征值分解时的高计算量,该方法采用重复一维子空间迭代的办法来降低计算复杂度。构建了结合信噪比门限与注水原理的自适应OFDM系统,并仿真比较背景噪声抑制前后的系统性能。结果表明,该方法能够进一步改善误比特率性能,提高信噪比。应用该方案可优化自适应OFDM系统在PLC中的应用。     

Harmonic/inter-harmonic detection based on DNS-MUSIC function

针对电力系统中存在的谐波和间谐波问题,提出了基于噪声子空间分解MUSIC (DNS-MUSIC)函数的谐波/间谐波检测方法.利用信号自相关矩阵的特征值分解理论,将信号的自相关矩阵分解为信号子空间和噪声子空间,利用2个子空间的正交性进一步分解噪声子空间,对其进行变换,构造出基于噪声子空间分解的特征多项式(DNS-MUSIC函数),求解该多项式得到信号基波和谐波频率预估计,结合消噪思想检测电力系统信号频率成分,然后利用扩展Prony法检测信号的幅值和相位.通过仿真实验与其他经典算法比较,结果证明了所提算法的可行性、高效性和稳定性.     

基于共变谱和旋转不变技术的多径时延估计

针对脉冲噪声环境下多径时延估计的分辨率问题,提出了一种基于共变谱(CS)和信号估计参数旋转不变技术(ESPRIT)的多径时延估计方法。采用α稳定分布建模脉冲噪声,依据分数低阶统计量理论,将两接收信号的共变序列进行傅里叶变换得到共变谱。CS看作等效的时间序列,把时域的多径时延估计问题转化为频域的多个正弦信号频率估计问题。利用ESPRIT对等效时间序列进行频率估计,得到高分辨率的多径时延估计。仿真实验表明:多径时延估计方法(CS_ESPRIT)在高斯和脉冲噪声环境中均具有较好的估计性能。     

基于噪声子空间分解MUSIC函数的谐波／间谐波检测算法

针对电力系统中存在的谐波和间谐波问题,提出了基于噪声子空间分解MUSIC（DNS-MUSIC）函数的谐波 ／间谐波检测方法。利用信号自相关矩阵的特征值分解理论,将信号的自相关矩阵分解为信号子空间和噪声子空间,利用2个子空间的正交性进一步分解噪声子空间,对其进行变换,构造出基于噪声子空间分解的特征多项式（DNS-MUSIC函数）,求解该多项式得到信号基波和谐波频率预估计,结合消噪思想检测电力系统信号频率成分,然后利用扩展Prony法检测信号的幅值和相位。通过仿真实验与其他经典算法比较,结果证明了所提算法的可行性、高效性和稳定性。     

球形麦克风阵列时频故障信号定位算法研究

针对广义互相关算法在强噪声环境下,设备故障时频声音信号定位困难的问题,提出一种结合图像分析与短时傅里叶变换(STFT)的时频信号子空间延时(TFSD)估计算法。利用STFT域中的噪声与信号特征,结合STFT域中不同麦克风测量数据的相关信息,使用滤波、谱减等方法进行信号、噪声区域分离,构建信号主成分区域,通过反演构造信号子空间,从而进行端点识别,延时值估计,实现声源定位。仿真结果表明,即使在加性噪声幅度远大于故障信号的2倍,也能实现准确的延时估计,延时估计误差和5 m×5 m范围的定位误差小于10%,实测也证实了该结果的正确性。     

Multipath Time Delay Estimation Based on MUSIC Algorithm Under Small Sample Conditions

On account of the traditional multiple signal classification (MUSIC) algorithm has poor performance in time delay estimation under the condition of small sampling data and low SNR. In this paper, the traditional MUSIC algorithm is improved. The algorithm combines the idea of spatial smoothing, constructs a new covariance matrix using the covariance information of the measurement data, and constructs a weighted value using the modified noise eigenvalues to weight the traditional estimation spectrum. Simulation results show that the im-proved algorithm has steeper spectral peaks and better time delay resolution under the condition of inaccurate path number estimation. The time delay estimation accuracy of this algorithm is higher than that of the traditional MUSIC algorithm and the improved SSMUSIC algorithm under the conditions of small sampling data and low SNR.     

Real‐valued MUSIC algorithm for power harmonics and interharmonics estimation

Recently, advanced spectrum estimation methods, including the MUSIC (Multiple Signal Classification) algorithms, are being gradually employed for high‐resolution power harmonics analysis. However, most of them are proposed to detect frequencies of complex‐valued signals, so that any real‐valued signal should be transformed into complex form. This data pre‐treatment may lead to additional computation burden. In addition, the picket‐fence effects also exist as in the FFT algorithm and cause poor frequency resolution. To overcome these drawbacks, a real‐valued MUSIC algorithm is proposed for power harmonics analysis in this paper. The algorithm is based on the subspace decomposition theory and the computation of pseudospectrum is also provided. Additionally, to improve the measuring precision, the Newton–Raphson algorithm is adopted to optimize the harmonic frequencies significantly. Simulation results show that, in the real‐valued MUSIC pseudospectrum, the spectral peaks of actual harmonic components can be more easily distinguished from the false peaks caused by noise, and the computational complexity is notably lower than that of the classic complex MUSIC, as well as the detecting accuracy is close to that of root‐MUSIC algorithm which is quite time consuming. Experimental results prove that the proposed strategy is more suitable for high‐resolution power harmonics estimation. Copyright © 2010 John Wiley & Sons, Ltd.     

基于改进多信号分类法的异步电机转子故障特征分量的提取

在基于定子电流信号进行异步电机故障诊断时，转子断条故障特征频率分量常常被电流的基频分量淹没。针对这一情况，该文提出一种新的改进的MUSIC方法来提取这一故障特征频率。MUSIC方法通过特征值分解把自相关矩阵中包含的信息空间分成信号子空间和噪声子空间两个正交的子空间，该文提出的改进方法是将信号子空间中对应最大主分量的特征向量移到噪声子空间，这样构成两个新的正交子空间I和II。子空间I由信号中的最大主分量和噪声所对应的特征向量张成，子空间II由其他分量的特征向量张成。把不同频率的信号投影到子空间I，基频信号在该空间的投影将远大于其他的频率分量，因此在投影的倒数谱中，基频分量被抑制，凸显出了故障频率分量。仿真和实验表明，该方法用于提取转子断条故障特征是可行并且是有效的。     

OFDM系统中基于卡尔曼滤波和FFT的信道估计算法

本文提出了一种OFDM系统中基于卡尔曼滤波和FFT的二维导频辅助信道估计算法.OFDM系统作为一个多载波传输系统,其信道估计需要在时间和频率两个方向同时进行.在这种新算法中,首先在时间方向上采用标量卡尔曼滤波器对导频处信道信息进行估计,然后在卡尔曼估计的基础上进行频率方向上的FFT插值,从而估计出全部的信道信息.在性能上这种新方法与基于维纳滤波器的信道估计算法接近,但实现更为简单,更适合应用于实时传输系统的信道估计.     

MUSIC算法的性能分析与改进

使用均匀线性天线阵列雷达,在MUSIC小波预处理方法的基础上对其进行改进,将小波预处理MUSIC算法改进成小波包预处理MUSIC算法,并将其与旋转不变子空间算法(ESP RIT)算法、最大似然估计法(MLE)算法和小波预处理MUSIC算法进行仿真比较,通过计算机仿真结果证明,改进后的小波包预处理MUSIC法比小波预处理MUSIC方法具有更高的精确度和更好的稳定性.