冲击噪声背景下相干信号DOA估计

针对冲击噪声背景下相干信号源的波达方向估计问题,提出了一种基于分数低阶矩的修正MUSIC算法。首先根据阵列接收数据,计算出分数低阶矩矩阵,从而抑制冲击噪声对阵列接收数据的影响;然后采用修正MUSIC算法基本原理,通过对矩阵的共轭重排,解决因相干信号的存在而导致的阵列协方差矩阵秩的亏损问题,并提高了算法的估计性能。通过对所提方法进行仿真实验验证以及相关理论性分析得知：所提算法能够有效抑制冲击噪声的影响,同时可对相干信号进行解相干处理,并且与分数低阶奇异值分解算法及数据预处理后进行重构的自适应方法相比具有更高的估计精度和估计成功概率。     

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。     

基于分数低阶统计量的时延估计算法比较

传统的时延估计算法大多建立在高斯模型的基础上,这种情况下,利用信号的二阶、高阶统计量,可以得到理想的结果。然而,研究的信号往往都处在非高斯环境下,如通信线路瞬间尖峰、环境噪声等。这一类信号的时域波形中存在一个明显的峰值,这时利用α稳定分布模型可以较好地表述非高斯脉冲信号和噪声。所以有必要对α稳定分布模型下的,基于分数低阶统计量(FLOS)的时延估计算法进行研究。目前,基于分数低阶统计量的时延估计算法还有许多尚未完善的地方,通过对现有的几种基于分数低阶统计量的时延估计算法进行仿真,就几种算法的效果以及适用范围进行了研究。在通过计算机仿真的基础上,得出结论,从而对实际应用具有一定的参考价值。     

脉冲噪声下基于 NAT 函数的 LFM 信号多径时延估计

针对脉冲噪声环境下无法准确估计线性调频(LFM)信号多径时延的问题,分析非线性幅值变换法抑制脉冲噪声的原 理,设计了一种新的非线性幅值变换函数 P-NAT(piecewise-NAT)函数,证明了任意随机变量经该函数变换后存在有限二阶矩, 提出了基于 P-NAT 函数的 LFM 信号多径时延估计方法。 分别对发射信号和 P-NAT 函数变换后的含噪多径接收信号进行最佳 阶次 FRFT,根据 FRFT 域的峰值位置偏移量和时延的关系,实现 LFM 信号的多径时延估计。 仿真结果表明,该方法在广义信噪 比为 0 dB、噪声特征指数大于 0. 2 的情况下,时延估计归一化均方根误差小于 10 -4 ,适用于低信噪比和强脉冲噪声环境下的 LFM 信号多径时延估计。     

电站锅炉声学测温中时间延迟估计的仿真研究

为了在电站锅炉声学测温中获得准确的声波飞渡时间，针对强噪声环境下弱信号检测问题，研究了声信号的时间延迟估计。对从国内某电站锅炉采集的炉膛噪声进行了频谱分析和统计分析，认为炉膛噪声是以中心频率250~ 1000 Hz的低频燃烧噪声为主的类高斯噪声。指出了电站锅炉环境下几种传统的时延估计方法的不足，提出了一种基于高阶累积量的时延估计方法。在指数分布信号中加入实测炉膛噪声信号，设定不同的信噪比，分别对基于ML互相关方法和基于3阶累积量方法进行了100次蒙特卡罗时延估计仿真试验。结果表明，在较低的信噪比下，3阶累积量方法仍可以抑制非高斯信号中相关高斯噪声的影响。不仅为声学测温中的声波飞渡时间测量提供了指导，而且对基于时延估计的锅炉四管爆漏声源定位有一定的参考价值。     

基于插值互相关函数的GIS局部放电特高频时差定位方法

文中提出一种基于插值互相关函数的GIS局部放电特高频时差定位方法。该方法对在较低采样频率下捕获的局部放电特高频信号首先进行三次样条插值处理,再对插值后信号进行互相关分析,以达到精确估计特高频信号时延的目的。该方法能够利用算法提升系统采样频率,从而提高弥补系统硬件的采样性能,同时减小由于信号时延与采样间隔非整数倍匹配所造成的时延估计误差。通过仿真试验分析两组特高频信号的时延,验证了该方法的可行性和有效性。应用该方法成功定位了一起220 k V GIS内部悬浮电位放电缺陷。仿真试验及应用结果表明,利用基于插值互相关函数的特高频时差定位方法,能够准确快速地进行时延估计,提高时延估计准确度27%以上。     

脉冲噪声环境下机械故障信号的盲分离

针对振动传感器在采集故障信号时,在α稳定分布脉冲噪声的干扰下,使得传统机械故障信号时频盲源分离算法性能退化的问题,提出了一种基于分数低阶和S时频变换的盲源分离新方法。该方法先对传感器测试信号进行分数低阶子空间预白化,再计算低阶化信号的S变换时频分布,最后通过联合近似对角化恢复各个部分的故障源信号。通过计算机仿真实例分析表明,该算法能有效抑制脉冲噪声影响,避免了二阶矩或高阶矩无穷大的缺限,盲源分离效果较好,具有良好的鲁棒性。     

脉冲噪声下基于Sigmoid的LFM信号参数估计

由于脉冲噪声具有的短时大幅值特性,使得基于高斯假设的信号参数估计方法无法在脉冲噪声环境下有效估计参数。针对此问题,利用α稳定分布模拟随机脉冲噪声,提出了一种基于Sigmoid-CFRFT的LFM信号参数估计方法。首先,建立了一种自适应Sigmoid函数,证明了信号经过此非线性变换后,信号的2阶矩由无界变为有界,且信号的相位信息保持不变。其次,将变换后的信号进行离散时间CFRFT,建立了数学优化模型,并使用水循环算法搜索最优值点。最后,利用了非标准SαS分布噪声的修正方法,分析了标准和非标准分布下参数估计的性能。仿真结果说明,所提方法不仅可以有效抑制脉冲噪声对LFM信号分数谱特征的影响,而且能够实现低信噪比信号参数的高精度估计。相比于现有的基于非线性变换的参数估计方法,本文方法具有更好的精度,稳定性和噪声鲁棒性。     

基于分段CEEMD降噪的时延估计研究

为了提高信号非平稳、采样点数较多条件下的时延估计精度和速度,提出了一种基于分段CEEMD降噪的广义互相关时延估计方法。该方法首先将原始信号划分为等长的小信号段,再利用CEEMD阈值降噪方法滤除各小段信号的噪声成分,连接降噪小信号段构成原始信号的降噪信号,最后根据降噪信号的互相关峰值来估计时延。针对该方法中的分段段数和添噪次数的选取问题,在研究这两个参数对仿真人走动信号降噪精度和计算耗时等性能的影响的基础上,给出了参数的具体选择范围。将该方法应用于声定位系统的时延估计中,结果表明:在信号采样点数较多、低信噪比的情况下该方法仍能够较为快速、准确地估计时延。     

基于小波变换的电缆局部放电定位中时延算法研究

在电缆局部放电定位直接相关法的基础上,研究出了一种基于小波变换的广义相关时延估计算法。此算法放宽了直接互相关法对信号与噪声的假设条件且在低信噪比下仍能有效估计时延;同时为了提高时延估计精度,在广义相关时延估计的基础上又研究出了基于基小波的二次加权法。利用PSCAD/EMTDC仿真分析论证了这两种算法在电缆局部放电定位中的有效性。     

基于非线性变换的自适应时间延迟估计

含有脉冲性噪声的信号常使经典的时间延迟估计算法效果变差。给出了一种基于Sigmoid 变换的自适应时间延迟估计算法（SATDE）,采用 Sigmoid 函数,对含有脉冲性噪声的信号进行非线性变换;利用自适应滤波器对信号的时间延迟参量进行估计。计算机数值仿真实验结果表明,该算法在对信号的时间延迟进行估计时,不仅可以适用于符合高斯模型的信号噪声,更适用于含有脉冲噪声的信号。该算法是一种具有较好鲁棒性的时间延迟估计算法。     

基于自适应容积卡尔曼滤波算法的电力系统动态谐波状态估计

由于传统的谐波状态估计的参数辨识算法要求噪声的协方差矩阵固定不变,而实际工程中噪声的协方差矩阵是随时间变化的,工程中存在错误的量测数据,导致传统参数辨识算法估计的谐波电流参数的准确度较低。因此,提出自适应容积卡尔曼滤波算法来提高辨识谐波电流参数的准确度。首先,针对时变噪声干扰,采用基于渐消记忆指数加权法的噪声估值器算法生成时变噪声的协方差矩阵;其次,针对错误的量测数据,采用开窗估计算法修正错误的量测数据;然后,将修正的噪声协方差矩阵和量测数据代入容积卡尔曼滤波算法中,对谐波电流参数进行估计;最后,搭建IEEE 13节点系统仿真模型,验证了自适应容积卡尔曼滤波算法在时变噪声干扰及量测数据错误情况下仍可准确地估计谐波电流参数,确保了动态谐波状态估计的准确性。     

脉冲噪声环境下混沌扩频时延估计算法研究

针对传统时延算法面对脉冲噪声时运算结果峰值旁瓣比较低，且存在误判点较多难以判断的问题，提出了一种新型加权高斯相关熵时延估计方法，并将该方法应用于电缆故障定位的仿真模型中。仿真结果表明，与现有的方法相比，不仅可以在脉冲噪声环境下获得良好的时延估计效果，而且在强脉冲噪声干扰下依旧能够保持较高的定位精度。在不同强度的脉冲噪声背景下，其运算结果相比其他3种方法主峰值旁瓣比绝对值增加0.020 3 dB以上，误判峰值与故障点峰值比减少了0.053 9以上，均方值误差减少了1.863 6 m以上。     

基于遗传算法的正交多相码产生技术研究

正交信号设计是MIMO背景下的雷达信号产生的关键技术之一,为了降低正交多相码设计的复杂度,提高雷达的相关性能,本文采用了一种基于遗传算法的正交多相码设计方法。该方法利用Hadamard矩阵的严格正交性,首先构造一类Hadamard矩阵,从中选取初始码序列;然后把“和函数”作为代价函数,采用遗传算法求解出近似最优的信号组。整个实验通过MATLAB仿真实现。仿真结果表明,该方法在保证低自相关旁瓣量和低互相关量的同时,能够保证设计出的信号符合严格正交性。     

考虑量测相关性的容积卡尔曼滤波动态状态估计

针对电力系统动态状态估计中SCADA量测量间存在相关性的实际情况,文中提出了一种考虑量测相关性的容积卡尔曼滤波动态状态估计方法。首先进行了SCADA量测相关性分析,然后基于状态转移方程推导过程噪声协方差矩阵,基于容积变换方法计算考虑SCADA量测相关性的量测误差协方差矩阵,并提出了考虑量测相关性的电力系统动态状态估计流程,每次估计实时修正量测误差协方差矩阵及过程噪声协方差矩阵。IEEE-39节点系统的仿真结果表明,相较于不考虑量测相关性的容积卡尔曼滤波算法,文中方法能够明显提高状态估计结果的精度。     

A multi-tone central divided difference frequency tracker with adaptive process noise covariance tuning

The problem of real-time frequency estimation of nonstationary multi-harmonic signals is important in many applications. In this paper, we propose a novel multi-frequency tracker based on a state-space representation of the signal with Cartesian filters and the second-order central divided difference filter (CDDF), which improves the performance of the extended Kalman filter (EKF) by using Stirling's interpolation method to approximate the mean and covariance of the state vector. A crucial element of the method is the adaptive scaling of the process noise covariance matrix appearing in the filter equations, as a function of the innovation sequence, which tunes the accuracy-reactivity trade-off of the filter. The proposed solution is evaluated against two approaches from the literature, namely the factorized adaptive notch filter (FANF) and the extended Kalman filter frequency tracker (EKFFT). Several experiments emphasize the estimation accuracy of the proposed method as well as the improved robustness with respect to initial errors and input signal complexity. The presented method appears to be particularly efficient with rapidly varying frequencies, thanks to the update mechanism that adjusts the filter parameters based on the amplitude of the estimation error.     

基于分数阶理论的车用锂离子电池建模及荷电状态估计

针对电动汽车动力锂离子电池的状态估计问题,提出一种基于分数阶等效电路建模方法,并采用分数阶卡尔曼滤波算法估计电池荷电状态(SOC)。首先建立基于二阶等效电路的分数阶电池模型,采用遗传算法辨识阶数,然后利用分数阶卡尔曼滤波算法估计电池SOC,并与扩展卡尔曼滤波算法进行比较。实验结果表明,在恒流放电下采用分数阶模型,其端电压最大绝对误差为0.014V,SOC最大估计误差不超过2%。本文提出的基于二阶等效电路的分数阶模型及分数阶卡尔曼滤波算法,不仅给出了一种准确、可靠的建模方法,而且为有效提高电池管理系统中SOC估计的准确性提供了途径。