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。     

基于改进二维MUSIC算法的蓝牙信号到达角估计

蓝牙技术联盟在蓝牙 5. 1 规范引入寻向功能,为大幅提升蓝牙定位技术的精度提供了新的解决途径,但并未对信号的 角度测量算法提供统一方案。 针对低功耗蓝牙在室内环境多径干扰下到达角估计困难这一问题,提出了一种面向矩形阵列的 改进二维 MUSIC 算法,通过对矩形阵列天线阵元进行二次划分,采用前后向平滑的方法修正一维子阵的协方差矩阵,再利用接 收信号矩阵的广义逆求出各个子阵协方差的关系,从而修正整个阵列接收信号的协方差矩阵。 该算法在没有降低信号协方差 矩阵维数的同时,恢复了信号协方差矩阵的秩,有效抑制室内多径信源引起的干扰。 经过仿真实验,证明了本文算法在低快拍 数、低信噪比的情况下对角度估计的精度有着较大改善。 并设计了相应的硬件系统进行室内与室外的实验,结果表明在多径干 扰严重的室内定位时定位精度改善更为明显,室内定位圆概率误差降低了 26. 75% ~ 60. 25%。 仿真和现场定位实验证明了本 文提出角度估计算法的有效性,该算法对其他应用领域的来波方向估计也具有重要参考意义。     

基于ICA的含噪电力系统信号的频率测量

为提高在噪声环境下频率测量的准确性,提出一种结合独立分量分析(ICA)和加汉宁窗插值算法的含噪电力系统信号的频率测量方法.该方法使用ICA对混有噪声的信号进行分离获得电力系统信号后,使用加汉宁窗插值的傅里叶算法获得电力系统频率.由于ICA对噪声和有用信号进行了很好的分离,因此频率测量的精确度得到了显著提高.仿真分析了含有白噪声和脉冲噪声的情况.即使噪声的幅值大于信号幅值数百倍时,使用所提出算法后频率误差绝对值的最大值从2.4 Hz左右分别减少到了0.0028 Hz和0.0005 Hz,表明所提出算法在极低信噪比时仍具有较高的精确度.     

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.     

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。     

双模噪声中信号识别与精确估计

文中给出了双模噪声中信号参量的精确估计，并给出了任意加性白噪声中信号识别与估计的一般方法，且可同时估信号与噪声，具有一定的普遍意义，仿真表明，本识别与估计方法是正确的。     

关联RANSAC-DST的FM信号瞬时频率估计

针对冲击-高斯混合噪声环境下的FM信号瞬时频率估计问题,在方向性S变换的基础上,提出了一种基于新型关联随机一致性算法(RANSAC)的瞬时频率估计方法。该算法将原RANSAC算法的随机一致搜索策略与FM信号的物理特征统一起来,构建关联函数以保证在抑制复杂噪声的同时准确跟踪目标信号的时变轨迹。结合方向性S变换的二次平滑特性,算法能够在-7 dB混合噪声的干扰下恢复信号的相位信息。仿真实验在α-高斯混合噪声条件下验证了算法的有效性。     

基于可变遗忘因子广义RLS算法的频率估计

传统的递推最小二乘(RLS)算法有良好的抑制噪声的能力,但在非稳态环境下跟踪能力弱,导致误差大.RLS和Kalman滤波之间存在一一对应的关系,引入Kalman滤波的一步预测估计和新的状态转移矩阵,可以得到广义的RLS算法,该算法改进了跟踪能力.同时,考虑到加权遗忘因子对算法的收敛速度和跟踪能力也有很大影响,故在广义RLS算法中再引入可变的遗忘因子,以确保对时变参数的快速跟踪能力和小的参数估计误差.对基于可变遗忘因子的广义RLS自适应算法和按指数加权的传统RLS算法进行了仿真比较,分析了在稳态下加入谐波、输入幅值变化、输入频率变化等情况下,2种方法所得的频率估计值和均方误差,结果显示所提方法在精度和收敛速度上都更优越.     

一种实正弦信号的短时频率估计新方法

针对单频实正弦信号,分析了负频率成分对其频谱分析的影响.提出了一种实正弦信号的短时频率估计新方法.此方法基于把实信号转换为复解析信号的思想,把采样信号与它的90°相移组合成为一个单频复解析信号,然后对此复解析信号再做进一步的频谱分析,从而达到通过消除负频率影响来提高频率估计精度的目的.仿真结果验证了该方法的有效性.     

基于改进S变换估计电能质量信号的噪声水平

提出了基于改进S变换估计电能质量信号噪声水平的方法。该方法根据能量聚集度的概念确定了改进S变换的时频分辨率。同时定义了与白噪声改进S变换功率谱相关的统计量,利用其分布特性检测电能质量信号能量在改进S变换时频面的分布区域,并采用迭代算法消除电能质量信号能量对噪声估计的影响,根据改进S变换时频面只含噪声区域的功率谱实现了对噪声方差的估计。仿真结果表明,当采样率达到一定程度时,采用该方法估计噪声方差有很高的可信度。     

Parameter estimation for MIMO system based on MUSIC and ML methods

The frequency offset and channel gain estimation problem for multiple-input multiple-output (MIMO) systems in the case of flat-fading channels is addressed. Based on the multiple signal classification (MUSIC) and the maximum likelihood (ML) methods, a new joint estimation algorithm of frequency offsets and channel gains is proposed. The new algorithm has three steps. A subset of frequency offsets is first estimated with the MUSIC algorithm. All frequency offsets in the subset are then identified with the ML method. Finally, channel gains are calculated with the ML estimator. The algorithm is a one-dimensional search scheme and therefore greatly decreases the complexity of joint ML estimation, which is essentially a multi-dimensional search scheme. __________ Translated from Journal of Electronics and Information Technology, 2008, 30(7): 1552–1556 [译自: 电子与信息学报]     

一种FFT法和MUSIC法结合的间谐波频率估计

在电力系统中,间谐波检测是抑制间谐波的重要环节,准确有效地确定信号中的间谐波分量,对于改善电能质量有重要意义.FFT能够实现整数次谐波检测,对于非整数次谐波的检测存在着频率泄漏和栅栏效应,而MUSIC法需要在整个频域内进行谱峰搜索,影响其实用性.将FFT和MUSIC算法相结合,利用FFT缩小搜索域,再利用MUSIC进行频率细化,即克服了FFT的频率泄漏和栅栏现象,同时缩短谱峰搜索时间,可以更有效地估计出间谐波的频率,仿真试验说明了此方法的有效性及频率估计的精确度.     

一种FFT法和MUSIC法结合的间谐波频率估计

在电力系统中,间谐波检测是抑制间谐波的重要环节,准确有效地确定信号中的间谐波分量,对于改善电能质量有重要意义。FFT能够实现整数次谐波检测,对于非整数次谐波的检测存在着频率泄漏和栅栏效应,而MUSIC法需要在整个频域内进行谱峰搜索,影响其实用性。将FFT和MUSIC算法相结合,利用FFT缩小搜索域,再利用MUSIC进行频率细化,即克服了FFT的频率泄漏和栅栏现象,同时缩短谱峰搜索时间,可以更有效地估计出间谐波的频率,仿真试验说明了此方法的有效性及频率估计的精确度。     

A frequency response estimation method based on smoothing and thresholding

A standard approach for estimating the frequency function of a linear dynamical system is to use spectral estimation. Traditionally, this is done by smoothing the noisy frequency data using linear filters. The method has proved to be successful in most cases and is widely used. However, if the frequency response has fine details appearing only locally in frequency, the loss of resolution caused by smoothing might result in unacceptable errors. In this paper, a different method for frequency response estimation is suggested. The method utilizes recently proposed wavelet-based denoising schemes combined with traditional smoothing techniques. The wavelet transform is applied in the frequency domain in order to provide a suitable frequency window. Tested through simulations, this approach provides an alternative when traditional methods fail. © 1998 John Wiley & Sons, Ltd.     

VDES中ASM信号频偏估计算法研究

甚高频数据交换系统(VDES)是新一代船舶通信系统,由于卫星和船舶的移动,信号中存在多普勒频移,要完成信号的解调,必须对其多普勒频率进行精确地估计和抵消。为此,针对VDES中的特定应用消息(ASM)信号的频偏估计问题,基于M&M算法,提出了一种两步估计算法,先做范围较大,精度较低的粗频偏估计,再做范围较小,但精度较高的细频偏估计。仿真结果表明,两步估计算法的总估计范围为原始算法的两倍,并且具有较高的估计精度,在E_b/N₀>4 dB后,归一化频偏估计的均方误差小于10^-4。     

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。     

改进的Prony算法在多正弦信号频率估计中的应用研究

针对噪声背景下经典Prony算法对多正弦信号频率估计受限的问题,提出一种抗噪性强的改进Prony算法。通过建立一种新的累积关系,提出的算法可以在低信噪比情况下,仅利用适当数量的新序列值线性重构稀疏和,从而较为精确地估计出信号的频率。对提出的算法与经典Prony算法的性能作出仿真实验对比。实验结果表明,在信号中嵌入噪声时,经典Prony算法在估计信号频率时失去效用,而新算法依旧可以有效估计信号频率。所以,提出的算法抗噪能力较强,性能相对稳定,精度较高,在多正弦信号频率估计中表现出更好的实用性。     

一种基于OFDM系统频偏估计方法

正交频分复用(OFDM)技术已经成为当今高速无线通信系统的研究热点.但OFDM系统的显著问题是对频率偏移十分敏感.文中采用最大似然估计算法(MLE)进行频偏估计,并在其基础上提出了一种简化算法,该算法可大大降低运算的复杂度.     

基于LabVIEW 6.i辨识微弱信号中的工频噪声

基于虚拟仪器(VI)LabVIEW6．i软件平台，采用相关估计算法，设计了VI程序，利用VI程序辨识了微弱信号中的工频噪声(或以工频为整倍数的噪声)，从而消除了工频噪声干扰。本辨识方法也适应其它正弦噪声的辨识。最后，举一个例子，用虚拟仪器测量的数据最大相对误差为0．12186％。