伯格谱估计算法的一种改进

在实数据情况下，由伯格算法得到的谱有时会出现谱分裂和谱峰偏移。已有文献对这种现象产生的原因作了各种分析和猜测。其中之一认为由于一阶反射系数的计算存在误差，导致预测误差滤波器（PEF）其余系数计算的误差。根据这种分析，本文提出了一种改进算法。该算法不是直接利用伯格算法计算一阶反射系数，而是按二阶PEF输出总功率最小的原则，求解二阶PEF系数，再求得一附反射系数。在获得二阶PEF系数之后，仍用伯格递推算法求其他高阶系数。结果，在几乎不增加计算量的情况下，使谱估计的性能得到明显改善。对信号长度为1/4信号周期的奇数倍且初相为л/4时的最坏情况，在计算机上进行了计算。结果表明，谱峰偏移大为减小。     

基于小波周期图的功率谱估计算法研究

作为一种功率谱的估计方法,周期图法具有物理概念清晰、直观、计算方便的优点。由于傅里叶变换的一些局限性,一直以来,经典周期图估计法不能很好的处理非平稳信号,并且缺乏很好地处理分辨率与方差的方法。文章在小波理论的基础上,结合经典周期图,深入阐述了小波周期图的基本算法与相关理论。通过matlab仿真分析表明,小波周期图有效地在各个不同的尺度上对信号的功率谱进行局部估计。     

最小方差谱估计算法的改进及应用

最小方差谱估计方法（MVM）是声纳信号波达方向估计中一种十分重要的方法,然而工程实际应用中在小快拍数和低信噪比的场合最小方差谱估计方法的估计性能会受到很大影响。提出的基于时空相关信号协方差矩阵的最小方差谱估计算法（MVM Based on Time-Space Correlation Matrix）利用噪声在空间和时间上的相关性比较弱的特点大大改善了MVM在小快拍数和低信噪比场合的估计性能。基于时空相关信号协方差矩阵的最小方差谱估计算法应用到浅水高分辨率测深侧扫声纳的波达方向估计中,取得了比原始信号协方差矩阵的最小方差谱估计算法更好的效果。算法中的时空相关信号协方差矩阵构成方法在波达方向估计中有广泛的应用价值。     

功率谱估计及其MATLAB仿真

从介绍功率谱的估计原理入手分析了经典谱估计和现代谱估计两类估计方法的原理、各自特点及在Matlab中的实现方法。     

谱估计中Bartlett算法和Welch算法分析

本文针对经典谱估计从直接法改进出的Bartlett算法和Welch算法做一分析,并对这几种经典谱估计算法的性能进行比较。     

最大熵谱估计及DSP实现

最大熵谱估计法与传统的谱估计法比较具有高分辨率、谱线平滑、适用于短数据序列等优点,但是分辨率越高计算的工作量就越大,为了解决分辨率和计算速度二者的矛盾,本文利用高速DSP实现最大熵谱估计算法,在保证高分辨率的情况下有效地提高了处理速度.     

AR模型功率谱估计及Matlab实现

功率谱估计是分析随机信号的一种重要方法,是信息学科的研究热点。文章介绍了现代功率谱估计中AR模型参数的几种典型求解算法,并借助MATLAB平台对各种算法的功率谱进行仿真。     

基于AR模型的多普勒散射计回波功率谱估计

当采样点数少或流速较小时,采用周期图法估计的多普勒散射计(Doppler scatterometer, DopSCAT)回波功率谱分辨率低,多普勒频移提取精度低。对此,提出了一种基于自回归(autoregressive, AR)模型的DopSCAT回波功率谱估计方法。该方法为DopSCAT回波信号建立含有未知参数的AR模型,采用赤池信息量准则自适应确定模型的最优阶数;对定阶后的AR模型采用Burg算法计算模型参数,利用得到的AR模型估计回波功率谱;对功率谱进行峰值检测提取多普勒频移计算径向流,采用两个观测方位向的径向流合成得到海面流场。利用OSCAR海流数据进行了回波功率谱估计与海流反演实验。分析结果表明,与周期图法相比,该方法能够显著提高回波功率谱分辨率和多普勒频移的提取精度,进而提高了海流的反演精度。     

基于七元传声器阵列的声源定位算法及性能分析

为了准确定位声源所在空间位置,提高声源定位性能,在分析方位估计算法的基础上,建立七元传声器阵列模型,提出一种声源定位算法。根据阵元间的矢量关系,推导出声源方位计算公式,实现声源定位。利用阵列参数,水平偏角、仰角和声源到阵元中心距离,与定位性能关系,对测距测向精度进行分析。结果表明,该算法声源坐标误差为1.0%,方位角误差为0.5%,具有较好的定位效果。     

空间谱估计和数字波束形成的RFID信号辨识

针对超高频和微波段射频识别系统(RFID)信号在噪声干扰和多标签环境下难以辨识的问题,提出一种新的RFID信号辨识方法。以均匀直线阵为基础,采用空间谱估计算法正确估计出波达方向(DOA),再根据信号波达方向通过数字波束形成技术产生自适应定向波束来辨识信号。仿真分析表明,该方法具有较低的信噪比门限和较高的信号辨识和防碰撞性能。     

复杂脉内调制雷达信号的识别方法

提出一种识别包括相位编码、频率编码,以及脉内混合调制等复杂雷达信号的方法。该方法结合AR模型功率谱估计分析方法和小波变换模极大值方法,将复杂混合调制信号转化成相位编码信号,然后基于高次方频谱分析的方法提取信号的频率特征,首次实现了对6种复杂雷达信号的分类。实验表明,在信噪比为0 dB时,大多数信号的识别率可以达到93%以上。     

一种基于功率谱估计的盲载频估计新算法

信号载波频率估计是通信、雷达、声纳以及电子对抗等领域信号处理中的一个重要问题,将经典的载频估计算法——频率居中法与Welch功率谱估计算法相结合,提出一种改进的盲载频估计新算法。该算法无须信号的调制类别和定时信息即可实现信号的盲载频估计,在短波信道的仿真环境下,其低信噪比下的估计性能要优于频率居中法。即使在恶劣的短波信道环境下,该算法仍可实现对载频较为精确的估计,在短波通信中有着良好的应用前景。     

功率谱估计和扩展子空间下的欠定盲分离

研究了欠定情形下的信号盲分离。充分利用信号的时频特性,提出了AR模型功率谱估计法滑动估计信号频率,设计带通滤波器近似获取源信号和欠定混合矩阵,以及扩展子空间向量基构造完备观测信号的方法,将问题转化为完备情况下的盲分离,最后运用FastICA方法实现了信号盲分离。仿真实验数据表明方法的可行性和有效性,为欠定盲分离问题研究提供了新的思路。     

基于MPI的Welch功率谱估计并行算法的实现

Welch算法是一种应用很广的经典功率谱估计算法。但是面对现在日益膨胀的海量数据,单纯在串行Matlab环境下运行Welch算法势必耗费大量的运算时间。尽管Matlab也引入了并行计算工具箱,但是价格昂贵,不利于大范围推广使用。根据Welch算法的原理,在Linux集群环境及消息传递接口MPI 的支持下,采用主从并行编程模式,实现了一个开源的Welch并行算法PMWelch。实验结果表明,PMWelch不仅具有Matlab下Welch算法一样的运算结果,还可以大幅减少运行时间。     

脉冲噪声环境下基于相关熵的AR模型α谱估计方法

在高脉冲水平条件下,基于分数低阶统计量的α谱估计方法对脉冲噪声变得敏感,并且分数阶参数值的选取影响估计精度,其性能会出现不同程度的下降。根据信号的相关熵函数对非高斯噪声不敏感的特点,提出了一种基于相关熵的模型α谱估计方法。仿真结果显示,在相同混合信噪比条件下,所提方法具有无需预设分数阶参数值和顽健性强的特点,特别在高脉冲水平噪声下相比其他方法频率分辨能力更具优势。     

频率估计的一种多段同频等长信号频谱融合法

为提高信号频率估计精度和现有方法的普适性,提出一种基于频谱融合的多段同频等长信号的频率估计算法。设计相位差补偿因子克服分段信号相位不连续问题,以达到相位连续信号的频谱分析效果;建立搜索频率序列修正相位差补偿因子中的未知参数,并对分段信号频谱进行相位差补偿得到修正频谱矩阵;通过累积频谱抽取谱和修正频谱计算频谱相关序列并搜索最大值,其对应搜索频率即为该算法的频率估计值。数值仿真实验表明,基于该算法频率估计的均方根误差约为现有方法的1/4~2/3,较为接近Cramer-Rao下限。     

基于约束方差的噪声谱估计算法

为了进一步提高非平稳环境下噪声估计的准确性,提出了一种基于约束方差的噪声谱估计算法,通过约束方差计算得出平滑参数,对噪声功率谱进行估计。实验结果表明,相对于其他三种算法,该算法能较低时延地跟踪背景噪声的轨迹,且它的噪声谱估计均方误差较小,在非平稳噪声及噪声突变环境下尤为明显。     

电力系统状态估计多算法融合

为解决复杂电网大数据背景下单一算法难以满足状态估计要求的问题,提出一种电力系统状态估计多算法融合系统。基于数据融合思想,将加权最小二乘法、快速分解法、量测状态变换法与Sigmoid函数法相互融合实现电网状态估计,支持串行融合模式和并行融合模式。实验结果表明,融合算法使得估计结果保留了各自算法的优点,避免了单一算法的缺点,提高了状态估计的精度和效率。     

一种基于循环谱的MPSK信号符号速率估计方法*

针对频谱感知的实际应用,在循环平稳理论的基础上,研究了经过脉冲成形滤波器滤波后的MPSK信号的循环谱特性,通过分析有限数据条件下剩余带宽对循环谱估计的影响,提出一种恒包络处理与频域平滑循环周期图结合的符号速率估计算法,仿真表明该方法在有限数据条件下具有良好的性能,而且在剩余带宽较小时,该方法也能有效地估计MPSK信号的符号速率。