基于互质极化敏感阵列的参数降维估计算法

针对互质极化敏感阵列波达方向角（DOA）和极化参数估计中存在的计算复杂度高以及多信源情况下DOA解模糊配对错误问题,本文提出了一种基于模值约束降维求根多重信号分类（MUSIC）的DOA和极化参数联合估计算法。首先通过重构三维谱函数,对DOA和极化参数进行解耦,实现三维 MUSIC 方法的降维,然后利用多项式求根求解出DOA,并利用波束形成方法解决了互质阵列中存在的解模糊角度错配问题,最后利用极化矢量的模值有界性构造代价函数,推导出极化参数的闭式解。数值仿真结果验证了所提算法的有效性,结果表明,所提算法参数估计精度高于旋转不变技术（ESPRIT）,与一维全局谱峰搜索MUSIC（1D-TSS-MUSIC）算法基本相当,但本文算法显著降低了计算复杂度,且在多信源情况下依然可以获得可靠的参数估计。     

基于单辅助源校正的MUSIC测向性能分析与实验验证

实际测向系统中,由于多通道微波组件、天线阵元及连接电缆等射频部件传输特性不一致的影响,使得接收通道失配问题不可避免。存在通道失配时,天线阵列的接收数据中含有幅度和相位误差,最终导致空间谱的波达方向（Direction of Arrival,DOA）估计性能急剧下降甚至失效。本文针对这一问题,采用一种基于单辅助信源的通道校正算法,研究了该算法在通道数据预补偿和导向矢量修正的具体应用方法,并结合多信号分类算法（Multiple Signal Classification, MUSIC）进行DOA估计。从信噪比、快拍数和均方根误差等仿真参数证实了校正算法的有效性,并利用硬件平台的实测数据,验证了校正算法能够对通道失配进行有效补偿并获得较高的DOA估计性能。     

基于高阶累积量ESPRIT算法的指数衰减 正弦信号参数估计

工程应用中环境噪声多表现为高斯有色噪声,而针对高斯白噪声进行处理的算法失效问题,提出了一种高斯色噪声环境中用于多分量衰减正弦信号频率和衰减因子估计的四阶累积量ESPRIT算法。首先,推导出四阶累积量与观测样本中的自相关矩阵和互相关矩阵之间的关系,求出其四阶累积量矩阵。其次,通过对四阶累积量进行广义特征值分解,根据广义特征值即可得到信号衰减因子和频率的估计值。最后对所提算法进行了仿真实验验证,在混合信噪比为0 dB时,所提算法针对多分量衰减正弦信号角频率和衰减因子的平均估计误差分别为0.002 0πrad和0.002 0。在高斯白噪声和高斯色噪声背景下与ESPRIT算法和Prony算法相比具有更强的噪声抑制能力和更高的估计精度。     

基于频域子空间平滑的MUSIC时延估计算法

时延估计常被用在无线定位测距中,针对多径环境下定位精度下降和时延估计失真的问题,提出了一种基于正交频分复用（OFDM）频域子空间平滑的超分辨率（MUSIC）时延估计算法。首先使信号源经过OFDM调制,利用子载波形成数据流;随后在频域对数据流的协方差矩阵作双向平滑处理,使其最大程度的利用信号子空间的数据信息;最后利用MUSIC算法下信号/噪声子空间正交性逐一进行谱峰检测,并针对噪声情况对伪谱作归一化处理,从而获得更为准确的时延信息。计算机仿真表明,本文优化算法相对于特征空间MUSIC算法具有更高的谱峰和更窄的旁瓣,且无错误估计干扰。在测距信号间隔较近时能够有效解决估计失真问题,最小时延间隔可达6ns,分辨能力较强。估计性能层面,可在信噪比为-15dB复杂条件下估计精度达到3ns左右,验证了该算法的有效性和优越性。     

一种相干式分布源DOA估计的ESPRIT算法

本文研究了相干分布式信号源条件下的波达方向(DOA)估计问题.现有的分布式信号源模型的DOA估计方法一般需要假设描述分布式目标信号源模型的角信号分布函数具体的数学形式已知,并需求解2维或高维非线性参数估计问题.在角信号分布函数具体的数学形式未知的条件下,本文利用角信号分布函数的共轭对称性,提出了一种相干式分布源DOA估计的ESPRIT算法.该方法估计性能优于常规ESPRIT算法,与相干分布式目标特征值搜索方法相比,运算量较小,且避免了估计结果的模糊性问题.     

引入动态因子的改进MLMS谐波检测算法

针对原始加入动量项最小均方MLMS (momentum least mean square)算法在低信噪比情况下,容易产生稳态失调,提出一种引入动态因子的改进MLMS算法.该算法采用动态因子来控制步长对瞬时误差信号的敏感性,并且采用当前误差信号e(n)和上一次误差信号e(n-1)的自相关估计来调整步长迭代,增强了算法对噪声的抗干扰性,提高了谐波检测的精度.该算法在稳态精度上优于原始算法,MATLAB仿真结果验证了该算法的有效性和可行性.     

基于RD-MUSIC算法的局放超声阵列检测方法仿真研究

超声阵列检测是一种可靠性较高的局部放电定位方法,而目前对局放超声阵列信号的波达方向研究尚不成熟。基于此,文中提出了一种基于多重信号分类降维(RD-MUSIC)算法的局放超声阵列信号波达方向(DOA)估计方法。首先,将局放超声阵列信号波达方向(方位角和俯仰角)的谱峰空间采用二维并行搜索方式;其次,基于RD-MUSIC算法将局放源分解为方位角和俯仰角的一维顺序搜索方式,将阵列输出信号的协方差矩阵进行处理,进而提高了该一维DOA估计方法对局放源的分辨性能;最后,将RD-MUSIC算法与多重信号分类(MUSIC)算法作仿真对比,结果表明,RD-MUSIC算法测向性能好,运算速度快,其测向误差小于MUSIC算法,进一步提高了定位的准确度。     

基于奇异值分解的互相关时延估计优化算法

针对多站时差定位系统在低信噪比下无法获得准确的时延估计,进而影响时差定位的精度,提出一种基于奇异值分解和希尔伯特差值的互相关时延估计优化算法。首先对接收信号进行奇异值分解,提高信号的信噪比,然后将处理后的信号作互相关运算,最后通过希尔伯特差值法锐化相关函数的峰值,进一步提高时延估计精度。在相同条件下,模拟分析了不同算法的时延估计精度,结果表明,新的优化算法时延估计精度更高,具有良好的抗噪声性能。     

相关性噪声对MUSIC算法参数估计性能影响的分析

本文以相关性噪声中的频率估计为信号模型,在理论上推导、解释了影响MUSIC算法的参数估计的偏差和分辨力的各因素及具体关系.清楚的表明在很宽的范围内,估计偏差与信噪比、噪声的相关性强弱无必然联系,它主要是因为计算时的窗效应与被估计参数附近的噪声谱密度的起伏引起的.但噪声相关性很强时,将会引起错误的估计,不过这种错误可通过增大序列长度来消除.在多个信号的情况下,在相当宽的范围内,MUSIC算法的分辨力与信噪比、噪声的相关性强弱无必然联系,但它会随协方差矩阵估计子的维数的增大而增强.第一次全面、深入地揭示了影响相关性噪声中MUSIC算法的参数估计偏差和MUSIC算法的分辨能力的各因素及关系.仿真结果也强有力的证明了这些结论.     

用于电力系统谐波频率高分辨估计的MUSIC算法

指出了目前电力系统谐波频率常规估计算法的诸多不足,将基于多重信号分类（MUSIC）的高分辨谐波频率估计算法引进电力系统谐波频率估计领域。给出了MUSIC算法的基本原理,对MUSIC算法的频谱分辨能力和频率检测门限进行了理论分析,在Matlab仿真平台下对MUSIC算法和FFT算法的频率估计性能进行了比较。理论分析和Matlab仿真结果表明,MUSIC频率估计算法对数据量要求较低,具有良好的分辨特性和抗噪声能力,且能够检测微弱的谐波信号。     

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.     

一种基于四阶累积量的声定向方法

针对深水钻井隔水管监测系统水下测点的声定向问题,建立了空间任意结构阵列的数学模型,分析了阵列信号的四阶累积量特性,提出了一种基于四阶累积量的空间任意结构阵列MUSIC算法,可对多于阵元数的空间多目标源进行二维波达方向估计,并能够有效抑制高斯色噪声。以一种空间结构的四元立体阵为例进行了计算机仿真,实现了对空间四个不同方向目标的二维波达方向估计,且对高斯噪声的抑制性能优于二阶统计量MUSIC算法。     

近场声源三维定位MUSIC算法研究

信号到达方向(DOA)估计是阵列信号处理的最主要目的之一,基于语音阵列的DOA估计与传统的窄带远场信号的DOA估计在信号模型和处理方法上有很大区别.本文把经典的MUSIC算法推广到语音阵列处理中,实现了声源三维定位.该算法的基本思想是:把宽带语音信号通过短时傅立叶变换转换为独立离散频率点,利用MUSIC算法求出每个/部分频率点的空间谱矩阵,然后加权平均这些空间谱矩阵.通过搜索该平均空间谱矩阵,找到信号源的位置.最后,在16元均匀圆环阵的情况下,选用双语音信号源进行了仿真.仿真结果表明,该算法定位性能优良.     

强干扰下的基于子空间分解的信源侦察

在空间阵列信号处理中,首先要估计信号源的个数和波达方向,然后才能正确接收信号.一般的阵列信号源数和方向估计都是在噪声环境里进行的.本文提出了在强干扰环境里,对信号源个数和波达方向的估计.首先分析了子空间抑制强干扰的原理,然后介绍了用Gerschgorin半径估计信号源数目和MUSIC方法估计波达方向的原理,最后在强干扰、加性高斯白噪声和色噪声的情况下进行验证,仿真结果证明了这种思想的有效性.     

相关噪声中DOA估计的一种新算法

本文提出了一种在空域平稳的相关性噪声中利用等间距线性排列的一维天线阵来进行DOA估计的新算法.根据噪声自相关矩阵为对称Toeplitz矩阵的特点,利用接收数据自相关矩阵减去其一变换矩阵(R-JRJ,其中J为交换矩阵)得一差阵,使得数据的相关矩阵中与噪声相关的分量被对消掉.同时,文章中详细地论证说明了这差阵的特征向量、特征值与自相关矩阵的相应部分的定量关系,提出了相应的DOA估计方法.所以,使用这种方法完全避免了噪声对DOA估计的影响.仿真说明,这种方法是有效的,避免了噪声对DOA估计的影响;另外,即使在非相关性噪声条件下,这种方法也比标准MUSIC方法具有更高的分辨力、更高的参数估计精度.     

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。     

相干信源DOA估计算法研究

相干信源DOA估计是阵列信号处理的一个研究热点。而空间平滑技术是目前一种较有效的降维类解相干处理算法,但它是通过牺牲阵列有效阵元数来换取解相干能力的,阵列孔径有一定的损失。本文提出了一种新的平滑去相干算法,该算法基于传感器阵列数据快照的基础上,采用前后向平移技术,使用同一几何阵列构造三个虚拟子阵,没有物理孔径损失,该算法对三个子阵列的数据协方差矩阵进行前后向平均,再采用传统的MUSIC算法进行DOA估计。仿真结果表明该算法比传统的平滑算法有更好的估计性能。     

基于L型阵列的故障声源位置估计

传统的故障诊断方法主要是基于接触式的振动信号分析,在某些特殊环境下该方法具有很大的局限性,而基于设备运转过程中的声音信号就可以解决该问题。提出了基于L型声阵列的位置估计方法来进行故障诊断,采取了雷达中常用的基于二维MUSIC的DOA估计,并研究了算法的估计性能情况。分别研究了在不同的阵元个数、信噪比和快拍数下的2D-DOA估计的计算机仿真结果,并和基于矩形阵列的DOA估计进行了比较。研究结果表明,在不同的参数下该算法的估计结果也会有很大的不同。所以在选择合适的参数条件下,该算法可以应用于齿轮箱的故障诊断中。