一种减小频谱泄漏的采样频率自适应算法仿真研究

由于采样不同步造成的频谱泄漏是影响频谱分析和谐波检测精度的重要原因。提出一种通过采样数据计算信号实际频率的软件算法,较为准确地得到信号的实际频率,并根据算法求得的频率动态调整采样时间间隔,实现采样频率的自适应。因而能够减少同步误差,从而降低频谱泄漏的影响,对于频率变化较为缓慢的电力信号能够明显地提高测量精度。该算法实现简单,精度较高。仿真验证了算法的特性,给电力系统谐波分析提供了一种有效的方法。     

高速模拟信号压缩采样实现

压缩传感理论能够有效地降低信号的采样频率,实现对稀疏信号的压缩采样。该文在信号延时多通道采样技术的基础上,提出了一种基于压缩传感理论的模拟信号采样实现方法,根据该采样模型构造了压缩传感测量矩阵。该采样模型能够以低于信号Nyquist频率的采样率对频域稀疏信号进行采样,通过最优化算法准确重构原始信号。仿真结果表明,基于压缩传感理论的模拟信号采样模型能够对频域稀疏信号进行压缩采样,该方法具有可行性。     

一种基于频域插值的非同频采样信号的补偿方法

在异地多天线信号合成中,非同频采样会给合成性能带来损失,因此需要对信号间的采样频率偏差进行估计并补偿。提出了一种基于频域变换的信号采样频率偏差补偿方法,该方法根据采样频率偏差估计值对信号进行不同点数的DFT,通过在频域对齐信号的采样点来实现采样频率偏差的补偿,从而达到提高合成信号信噪比的目的。利用两路QPSK信号进行了仿真验证,给出了利用快速傅里叶变换来减小计算量的方案。结果表明,该算法能够较好地对采样频率偏差进行补偿,且能够通过选择不同的FFT算法来节省计算量,为采样频率偏差的补偿提供了新的解决思路。     

基于频谱估计的频域稀疏压缩采样信号重构

压缩采样理论突破了采样定理对稀疏信号采样频率的限制,在保证信号重构精度的条件下能够显著降低采样频率,能够在采样过程中对数据进行压缩。在频域稀疏信号的压缩采样中,由于所处理数据长度的有限性,存在频谱泄漏现象,即稀疏表示基失配,从而导致信号重构性能降低。为克服这种表示基失配引起的重构误差,提出一种基于频谱估计的频域稀疏压缩采样信号重构算法。该算法采用root-MUSIC算法对被测信号的表示基进行自适应地构造:用root-MUSIC算法对频率进行估计,用自适应的基向量构造稀疏表示基矩阵。通过实验对该重构算法的可行性进行验证。与传统信号重构算法相比,该重构算法具有更高的信号重构精度。     

欠采样超宽带LFM信号参数估计

针对Nyquist采样频率过高、硬件实现困难的问题,提出一种基于欠采样的超宽带线性调频信号的调制斜率和初始频率估计方法。该方法利用互谱ESPRIT算法和余数定理对欠采样信号进行解模糊,在低信噪比情况下仍能较精确地估计超宽带线性调频信号的调制斜率和初始频率。计算机仿真证实了该方法的有效性。     

基于任意阵列结构的欠采样频率估计

针对电子战接收机对宽带信号频率的无模糊估计要求,提出基于任意阵列结构的欠采样频率估计算法。采用两个工作时间步长不等的控制开关,将各阵元接收信号依次接入两个独立的接收通道,并以小于Nyqist采样频率的速率对送入的信号进行采样,通过接收通道的时间相关运算及相应的频率解模糊算法实现频率的无模糊估计,最后给出了正确解模糊的条件。由于各信号的估计可以并行实现,该方法在一维搜索量小的优势下实现了同时多信号的频率估计,计算机仿真结果表明此方法测量精度较高,对噪声影响具有一定稳健性。     

基于分维处理的单通道阵列频率与角度联合估计

针对现有无源单通道阵列频率与角度联合估计算法的信号采样时间较长以及运算复杂度较高等问题,提出了分维处理的频率与角度联合估计算法.其信号采样数据由时域采样数据与空域采样数据构成,前者来自于对参考阵元的多次采样,后者来自各阵元.仅对时域采样数据进行处理即可得到各信源的频率估计值;然后基于空域采样数据以各频率估计值为搜索频率,估计出各频率对应的空间谱,再利用频率误差与角度误差的关系以及方向矢量与噪声子空间的正交性从各空间谱中提取出与各频率估计值对应的角度估计值.与已有算法相比,该算法采样时间较短,复杂度较低,且直接对采样信号进行处理,避免了信号失真.理论推导与仿真分析证明了该算法的有效性.     

基于宽带欠采样阵列的频率估计算法研究

鉴于宽带欠采样阵列的常规FFT频率估计算法只适用于输入信噪比较高且精度要求不高的单信号频率估计,给出了多组采样频率联合解模糊的方法,在无需增加复杂配对算法的情况下,实现了多信号频率的无模糊估计．针对常规FFT法估计精度不高的问题,提出了一种分级高分辨频率估计方法（CMUSIC算法）．该算法估计精度可达到10kHz级,相对于常FFT法的MHz级提高了至少一个数量级．最后,仿真结果验证了本文所提方法的有效性．     

通信信号调制类型的三角矩特征盲识别

针对盲环境下的通信信号调制类型识别困难的问题,提出了一种新的信号盲聚类算法,该算法利用采样信号的瞬时频率作为训练样本,以方向数据统计理论为依据提取分类特征,利用该特征参数在二维特征平面实现了多种不同通信信号的调制类型识别.该方法不仅能实现类间识别,同时也能够实现类内识别.仿真实验结果表明,该算法简单高效,识别率较高,鲁棒性较好,具有较强的实用性和可行性.     

基于非均匀同步采样的周期信号重构

基于适用于周期信号的一种非均匀同步采样方法,推导了利用非均匀采样值恢复原周期信号的内插重构算法. 重构的关键在于将非均匀采样信号分解为几个均匀采样信号的叠加,从而使得在非均匀采样时应用Shannon采样定理成为可能. 由于这种非均匀采样法不存在实际采样点偏离采样点理论计算值的弊端, 从而提高了内插公式的计算精度.该算法具有结构简单和计算精度高的特点, 数值实验的结果也验证了算法具有这些优点. 该算法在电网监测系统中具有实际应用意义.     

基于压缩传感的混沌二相码雷达成像

压缩传感系统利用信号稀疏表示的先验知识,能从少量的观测值中重构原始信号。由于混沌相位编码信号是一种伪随机码,其越来越多地应用在雷达领域。本文将压缩传感理论应用到混沌二相码雷达系统中,将成像问题转化为字典选择问题来处理,对接收的回波进行线性投影来降低采样频率,通过最小化光滑0范数重构成像。实验结果表明,本文方法在有效降低采样频率的基础上,获得了较高质量的成像效果,并且对噪声具有一定的自适应性。     

基于恒虚警的信号检测迭代算法

提出了在信号检测中利用恒虚警估计噪声特性的迭代算法,该算法能够在信噪比达到一定值的情况下,比较准确地检测出中频信号包含的有用信号的数量及其中心频率。算法的基本思想在于在未知情况下估计信号中噪声统计特性,利用估计的噪声统计特性将信号和噪声分离,从而获得实际信号的数量、带宽、中心频率等基本参数。仿真结果表明该迭代算法计算简便,且具有较好的适应性。     

介质损耗tanδ测量的非同步采样改进算法及仿真研究

针对介质损耗因数测量中非同步采样下存在不同程度误差,提出一种非同步采样改进算法.利用复三角函数性质,结合Hilbert变换特性,通过理论推导出介质损耗角表达式,最后建立电气设备的等效模型对改进算法进行仿真实验.仿真结果表明该算法有效地解决了由频率波动引起的非同步采样和非整周期采样问题,提高了介质损耗因数测量精度.     

基于混沌序列构造测量矩阵优化算法

针对混沌序列具有良好伪随机性的特点来构造测量矩阵,提出了两种基于调整混沌测量矩阵列向量顺序的优化算法。第一种具体方法是通过对信号稀疏向量中系数的分析,针对恢复信号贡献值最大的系数,设计选用混沌自适应测量矩阵最优的向量去采样。另外提出一种对稀疏向量通过不均匀进行采样的方法。实验结果表明：采用混沌测量矩阵通过理论证明可行性和实验仿真结果证明恢复效果比随机测量矩阵更好,并且两种优化算法在相同的压缩比下能显著地提高信号恢复的效果。     

A new family of windows——convolution windows and their applications

Measurement of harmonic parameters, including frequency, magnitude and phase, is a key step in of analyzing and solving of harmonic problems. In electrical power system, the Fast Fourier Transform (FFT) has been widely used in harmonic analysis. Due to the requirement for real time implementation and/or the random shift of signal period, a sampling sequence usually contains only several cycles of the signal and the windowingtime width generally does not strictly equal to multiples of signal …     

非重构压缩样值跳频信号时频联合估计算法

针对宽带跳频信号的参数进行精确快速的估计,提出一种非重构压缩样值跳频信号时频联合估计算法。首先在非重构原始信号的前提下,通过研究信号的压缩数字特征,发现信号频率发生改变的位置,然后对该位置所在的数据段进行重构得到其频域系数,即可达到估计跳频频率、跳频周期以及跳频跳变时刻的目的。仿真结果表明,当信噪比为10d B,压缩比为1/4时,该算法估计出跳频信号的跳变时刻与Wigner算法达到相同误差条件下,所需处理的采样点个数为Wigner算法的1/4;比完全重构信号后估计算法误差小,所需重构的采样点个数为完全重构的1/4。该算法相对于传统的时频特征算法和基于压缩感知的完全重构估计算法,运算复杂度低,实时性较好。     

A new family of windows — convolution windows and their applications

A new family of windows is constructed by convolutions via a few rectangular windows with same time width and is thus referred to as convolution windows. The expressions of the second-order up to the eighth-order convolution windows in both the time and frequency domains are derived. Their applications in high accuracy harmonic analysis of periodic signals are investigated. Comparisons between the proposed windows and some known windows with the same width shows that, when the synchronous deviation of data sampling is slight, the proposed ones have the least effect of spectral leakage. Therefore, the new windows are well suited for high accuracy harmonic analysis and parameter estimation for periodic signals. The error analysis and computer simulations show that the estimation errors, corresponding to frequency, amplitude and phase of every harmonic component of a signal, are proportional to the pth power of the relative frequency deviation in case of the pth-order convolution window is applied to windowing signal of approximately p cycles. By introducing real time adjustment in sampling interval, the proposed algorithm can adaptively trace signal frequency and lead to less sampling synchronous deviation. The proposed approach has the advantages of easy implementation and high measure precision and can be used in harmonic analysis of quasi-periodic signals whose fundamental frequency drifts slowly with time.