多段降频等长信号的频率估计快速迭代算法

为改善多段平稳信号频率估计的精度、实时性和扩展已有方法的适用范围,给出一种多段降频等长信号的快速迭代算法。在算法中,生成频域分析参数矩阵以克服各段信号频率不等;设计相位差补偿因子矩阵以达到相位连续信号的效果;生成搜索频率序列以修正相位差补偿因子矩阵中的未知参量并得到具有特定形式的功率谱矩阵;采用间接迭代计算以改善算法实时性。在说明上述技术措施的应用原理时,给出了5项重要性质作为该算法正确性的数学证明。针对多种应用环境状态进行了仿真实验,结果表明:该算法具有普适性、抗噪性和实时性好,频率估计精度比现有方法有     

多段降频等长信号的频率估计快速迭代算法

为改善多段平稳信号频率估计的精度、实时性和扩展已有方法的适用范围,给出一种多段降频等长信号的快速迭代算法.在算法中,生成频域分析参数矩阵以克服各段信号频率不等;设计相位差补偿因子矩阵以达到相位连续信号的效果;生成搜索频率序列以修正相位差补偿因子矩阵中的未知参量并得到具有特定形式的功率谱矩阵;采用间接迭代计算以改善算法实时性.在说明上述技术措施的应用原理时,给出了5项重要性质作为该算法正确性的数学证明.针对多种应用环境状态进行了仿真实验,结果表明:该算法具有普适性、抗噪性和实时性好,频率估计精度比现有方法有较大提高.     

短时同频等长信号频率估计的加权融合算法

针对低信噪比条件下短时正弦信号的高精度频率估计问题,提出一种同频等长信号加权融合算法。首先,建立同频等长信号频谱模型,构造具有相位连续化特性和噪声对消特性的相位补偿矩阵;然后,利用相位补偿矩阵对同频等长信号频谱进行加权融合,使之基本达到与其总长度相等的相位连续信号频谱的分析效果;最后,谱峰搜索加权融合后的频谱,获得高精度的频率估计值。算法分析与仿真实验表明,与现有方法相比,本算法精度较高,计算量较小,抗噪性较强,普适性好,适用于任意类型的同频等长信号。     

基于压缩信号特征值分解的超宽带码序列估计算法

针对脉冲超宽带通信中码序列盲估计问题,根据超宽带信号为时域极窄脉冲这一主要特点,提出了一种适于较低采样率下基于特征值分解的码序列盲估计算法。结合压缩传感理论,首先利用压缩测量矩阵将信号维度降低,然后按字符周期将接收到的UWB信号截取成若干等长的时间窗,分段积累得到压缩后信号协方差矩阵的估计值,进而通过对于协方差矩阵的特征值分解得到码序列的估计,同时进一步根据所得特征值得到接收信号符号帧级的时间偏移量估计。实验验证表明,该方法可以以较低采样率,在低信噪比条件下较好地完成接收信号的码序列估计。     

基于同频等长信号融合的频率估计快速迭代算法

多段同频等长信号十分常见,对其进行信息融合能有效提高信号处理的精度,尤其适用于低信噪比、被测频率持续时间短的情况。为提高频率估计的精度、实时性和扩展已有方法的适用范围,给出了一种基于多段同频等长信号融合的快速迭代算法。在该算法中,设计相位差补偿因子矩阵以克服各段信号之间相位不连续;生成搜索频率序列以修正相位差补偿因子矩阵中的未知参量并得到具有特定形式的功率谱矩阵;采用间接迭代计算以改善算法实时性。在说明上述技术措施的应用原理时,给出了5项重要性质并作为该算法正确性的数学证明,针对多种应用环境状态进行了仿真实验,结果表明,该算法具有普适性、抗噪性好、频率估计精度比现有方法有较大提高,具有重要的理论和应用价值。     

采样频率对局域波分解的影响

在分析了局域波方法特征的基础上,深入探讨了采样频率对局域波分解的影响.对单频正弦信号的分析结果表明,应用局域波分解对信号进行分析时,要对信号进行过采样.研究结果揭示了分解误差和采样频率的关系,验证了提高采样频率可以有效地降低分解误差.     

基于分数阶傅里叶变换的宽带LFM信号波达方向估计新算法

提出一种新的基于分数阶傅里叶变换和信号子空间分解的宽带线性调频(LFM)信号波达方向(DOA)估计算法.该方法利用LFM信号在分数阶傅里叶变换域的极高的聚集性,在分数阶傅里叶变换域分离信号,并构造分数阶傅里叶变换域的阵列信号相关矩阵.通过对相关矩阵进行特征值分解,估计信号子空间和噪声子空间,并利用MUSIC算法估计宽带LFM信号的波达方向.仿真验证了新方法的有效性.     

基于多域流形的行星齿轮箱局部故障识别

行星齿轮箱振动信号包含多种频率成分和噪声干扰,频谱具有复杂的边带结构,容易对故障识别造成误导甚至引起错判.在不同故障状态下,行星齿轮箱振动信号的多域特征量将偏离正常范围且偏离程度不同,根据这一特点,提取振动信号的时域、频域特征参量用于故障识别.为了避免传统分析方法中负频率及虚假模态问题,增强对噪声干扰的鲁棒性,采用局部均值分解法将信号自适应地分解为单分量之和,提取时频域单分量瞬时幅值能量.针对多域特征空间构造过程中出现的高维及非线性问题,采用流形学习对数据进行降维处理.提出基于改进的虚假近邻点的本征维数估计及最优k邻域确定方法,并通过等距映射对多域特征空间进行降维分析.对于行星齿轮箱实验信号,根据样本流形特征聚类结果,分别识别出了太阳轮、行星轮和齿圈的局部故障,从而验证了上述方法的有效性.     

非规则部分校准阵列下的宽带LFM信号二维DOA估计

提出了一种宽带线性调频（LFM）信号的二维波达方向（DOA）估计新方法.该方法在空域和时域同时对信号进行采样,并利用观测样本的分数阶Fourier域峰值构造出新的时频空DOA矩阵,进而通过特征值分解的方法实现多个LFM信号的DOA估计.该方法充分地挖掘了观测信号所包含的时频信息,降低了对阵列结构和阵元一致性的约束,使其适用于阵元几何分布不规则且大部分阵元未经校准的阵列.此外,该方法无需谱峰搜索和二维参数配对,计算简单且估计精度较高.仿真结果显示,在DOA估计的均方根误差（RMSE）相同时,与传统方法相比,该方法可获得6～8 dB的信噪比增益.     

基于稀疏贝叶斯的多跳频信号二维波达方向估计

分析了现有跳频信号二维波达方向(DOA)估计算法的优缺点,提出了一种基于稀疏贝叶斯学习的跳频信号二维DOA估计算法.该算法利用L型阵列特点,将方位角、俯仰角和跳频率三维信息转换为一维空间频率信息,降低了冗余字典长度和稀疏求解难度.其次,经过奇异值分解降维处理,减少了矩阵运算维数,降低了算法复杂度,通过稀疏贝叶斯算法和快速傅里叶变换估计出空间频率和跳频率,利用Capon空间频率配对算法将空间频率和跳频率正确配对,计算出空间角.最后,由空间角几何关系解算出方位角和俯仰角.模拟结果表明,在低信噪比或低快拍数条件下,该算法DOA估计精度较高,且不易受空间频率间隔和跳频信号源相干性的影响.     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

基于变分模态分解的相关能量熵自适应阈值去噪

为有效抑制噪声对地震数据的影响,根据地震信号的时频特性,提出了基于变分模态分解的相关能量熵阈值去噪方法。采用变分模态分解算法将地震信号分解为频率由高频到低频且具有一定带宽的模态分量,计算各模态分量与地震信号的规范化相关系数,实现对各模态分量中的有效信息和噪声的定位。将去除有效信息的各模态分量分成若干子区间,分别计算各子区间的噪声能量熵,选取能量熵最大区间的模态分量系数作为该分量的噪声方差获得该分量的阈值,再将经阈值处理后的各模态分量重构得到去噪信号。通过对合成地震模型和实际地震信号进行去噪处理,并与直接去除高频分量的变分模态分解去噪方法进行了对比,结果表明,该方法能在强噪声环境下更有效地提取地震信号中的有效成分,提高信噪比。     

非协作通信中的信噪比估计算法

研究基于信号协方差矩阵分解的信噪比估计算法.该算法使用最小描述长度准则实现了信号空间维数的估计,进而实现信噪比估计.在此基础上,提出了基于信号功率谱的信噪比估计算法.由该方法计算出接收信号的功率谱,估计出有用信号的带宽,在有用信号频带外的噪声频带上估计出噪声的功率,从而估计出信噪比值.仿真实验表明,当信噪比小于3dB时,基于信号功率谱的信噪比估计算法优于基于信号协方差矩阵分解算法.     

色噪声背景下弱信号频率估计互谱方法研究

现代互谱估计是抑制有色观测噪声的一种有效方法.本文针对旋转不变技术来估计信号参量的方法进行了深入的分析,进而提出了在有色观测噪声背景下,基于最小二乘技术的信号估计的互谱ESPRIT方法。这种方法的突出特点是不需要任何色噪声的先验信息准确地估计出待估计信号,不仅避免了以往互谱估计本身所固有的在整个频域上的谱峰搜索,而且克服了自谱ESPRIT估计方法对噪声的严格限制（要求噪声为白色高斯噪声）。可直接通过特征值确定信号参数估计值。本文方法只需两次SVD分解,计算量大大降低。仿真结果表明,该方法具有较好的谱估计分辨率和良好的稳定性。     

激光多普勒测速信号的小波包全局阈值消噪研究

针对实际的激光多普勒测速信号中混有大量的噪声信号,难以找到所需要的多普勒频移的问题,提出了一种小波包全局阈值消噪方法,并在MATLAB中运用此方法对多普勒测速信号进行处理。根据多普勒信号的特点,通过对小波包分解尺度的选取、阈值估计方法的对比和对阈值thr的调整,可以快速有效地消除信号中的噪声信号,提高信噪比,得到有用信号。     

基于传播算子的宽带近场源二维参数估计算法

针对宽带线性调频近场源参数估计问题,提出一种基于非相干子空间算法的方向角和距离二维参数估计算法.该算法将宽带信号分解成若干个窄带信号,对每个窄带信号构造MUSIC谱函数,并通过谱峰搜索法估计方向角和距离二维参数,使用传播算子(Propagator Method,PM)直接估计接收信号的噪声子空间,构造谱函数,而不需要进行奇异值分解,可有效降低非相干子空间算法的计算量.该算法具有较高的估计性能,仿真实验证明了算法的有效性.     

基于频率分集逆合成孔径雷达的多重信号分类目标成像算法

将频率分集的思想应用在逆合成孔径雷达(inverse synthetic aperture radar,ISAR)成像中,通过单频信号合成宽带信号,可解决系统发射接收宽带信号复杂的问题.但窄带的合成可视为宽带信号的稀疏采样,由此带来了旁瓣提高等难点.提出一种基于频率分集ISAR体制的多重信号分类(multiple signal classification,MUSIC)目标成像算法,该算法将合成阵列接收的回波信号协方差矩阵进行特征值分解,得到信号子空间与噪声子空间,然后根据二者的正交性构建谱函数对目标位置进行估计,得到目标的超分辨二维像.将MUSIC算法与后向投影(back projection,BP)算法做了对比,仿真结果表明:在有较强噪声环境下,前者仍能有较好的成像效果,证明本文方法的应用可有效解决频率稀疏带来的高旁瓣问题.     

基于共振稀疏分解与子带增强的滚动轴承声学诊断方法

针对轴承声信号易受环境噪声干扰,导致声学诊断结果准确率低的问题,提出一种结合共振稀疏分解与小波降噪选取核心冲击子带、对信号进行二次降噪的滚动轴承诊断方法。首先采用共振稀疏分解算法对原始声信号进行降噪处理,提取信号瞬态冲击成分;然后通过小波包变换对信号进行分解,依据各子带信号峭度值选取核心冲击子带信号进行线性叠加并重构;最终通过包络谱分析确定轴承故障。故障模拟实验结果表明,本文方法可有效增强复杂声场环境下轴承声信号的冲击特性,实现针对滚动轴承的声学诊断。