交流电子负载的谐波间谐波机理分析研究

分析了馈能型交流电子负载谐波间谐波产生的机理,基于馈能型电子负载工作原理,对电子负载输出信号进行研究,得出输出信号含有谐波间谐波等多种成分.采用MUSIC算法估计电力谐波信号频率,针对电力信号实值的特点,对MUSIC算法进行相应改进,获得较高的检测精度,同时对比了FFT算法的频率估计结果,得出MUSIC对电力谐波信号尤其是间谐波等负载谐波具有更高的精度,对电力系统监测及电能质量评估有较大应用价值.     

基于调制FFT有限域搜索的MUSIC频率估计算法

为满足跳频频率测量中频率估计高精度及实时性的要求,提出了一种将调制FFT和MUSIC算法相结合的频率算法:首先利用调制FFT对谐波频率进行预估计,确定感兴趣的频域区间;然后利用MUSIC算法在锁定区间内估计伪谱谱峰的位置,实现频率的精确估计。该算法可得到较高的频率分辨率,并减少了MUSIC算法的谱峰搜索范围。仿真试验表明:该算法的频率分辨率高,且实时性能满足频率测量需求。     

基于数字信道化的极微弱信号载波频率引导模块设计与实现

针对深空探测中常规点数的FFT无法对极微弱信号进行精确的频率引导,而超长点数的FFT无法用现有器件实现,提出一种基于数字信道化的并行FFT频率引导方法.接收信号先经过数字信道化处理,均匀划分为若干窄带信号,然后分别对各子带信号进行FFT运算,最后通过对各子带有效谱线的联合检测完成载波频率的精确估计.在等效219点FFT的频率引导模块FPGA实现中,通过FFT模块的复用节约了硬件资源开销.测试结果表明:在8MHz采样率下该模块的测频精度小于10Hz.     

基于FFT的自适应频率估计算法

为了解决FFT算法中因能量泄露和栅栏效应而导致的算法估计性能下降的问题,提出了一种基于FFT的自适应频率估计算法.分析了Rife算法,指出当信号频率位于量化频率附近时,由于插值方向错误,会导致频率估计性能下降;对于分段FFT相位差频率估计算法,当2段信号最大谱线处对应的相位相差比较大时,容易产生相位模糊,从而增大估计误差.基于FFT的自适应频率估计算法将2种算法进行了综合,既保留了2种算法的优点,又对算法性能有所改进.仿真结果表明:该算法的估计精度、稳定性和抗噪能力都有显著提高.     

基于MUSIC的高分辨率到达频率差估计方法

多重信号分类(MUSIC)算法具有高分辨率、高精度和同频多信号的频率估计能力,利用这一性能可将其应用于到达频率差估计,得到基于MUSIC的到达频率差估计方法。这种方法在不同信噪比、带宽、采样率和积分时间等条件下,均能对到达频率差进行高精确估计,仿真结果验证了该算法的可行性、有效性和稳健性。     

高动态环境下BFSK信号的快速解调算法

提出了一种适用于高动态环境下,BFSK信号的快速解调算法。该算法基于FFT频率引导和改进的正交锁相环,利用FFT实现对接收信号的快速捕获,利用改进的正交锁相环对接收信号进行动态跟踪。仿真结果表明在高动态环境中该算法可以快速、准确解调BFSK信号。     

利用曲线拟合方法分析暂态振荡信号

提出了一种利用曲线拟含定量分析暂态振荡信号的方法.该方法给出的暂态振荡信号模型能够反映振荡的幅度和频率随时间变化的规律.提出了利用曲线拟合方法确定该摸型的具体参数的步骤:首先利用三次样条插值求出信号的上包络曲线,对其采用指数衰减信号模型来进行拟合以描述信号振荡幅度的变化参数;然后得到信号频率变化部分的正弦形式,利用 Hilbert 变换提取出正弦部分的相位,并采用幂指数信号模型进行拟合以描述信号振荡频率的变化参数.与以往分析暂态振荡信号的方法相比,该方法可对信号进行定量分析.仿真和试验结果表明,采用曲线拟合方法确定模型参数,实现过程简单,均方根误差小;对实际信号的分析则表明所提出的模型能够真实地反映出实际暂态振荡信号的变化规律.     

基于小波变换与FFT算法的电能质量信号分析

提出了一种基于小波变换和FFT相结合分析电能质量信号的方法.用小波变换检测电能质量信号的间断点,对由间断点分段得到的信号用FFT进行频谱分析,并进行了计算机仿真,取得了较满意的结果.     

基于谐波恢复方法的直升机声信号特征提取

在对直升机声信号特征进行分析之后,提出了一种基于谐波恢复的ESPRIT方法来提取直升机声信号谐波频率作为特征用以识别直升机声目标。同时对ESPRIT方法与其它方法在提取谐波能力方面作了比较。最后对实测的直升机声信号进行了谐波提取。各种结果均显示谐波恢复的ESPRIT方法在提取谐波频率方面较之其它方法更为优越,用它提取直升机声信号特征是十分有效的。     

装甲车辆电源系统整流装置故障诊断方法

针对装甲车辆电源系统整流装置内部二极管的开路和短路故障,提出一种基于快速傅立叶变换(FFT)和Elman神经网络的诊断方法。在主电路结构基础上,通过增加外围测试电路的硬件设计方案,获取两路测试信号;对测试信号进行FFT运算,提取基波频率1次～6次谐波分量所占直流分量百分比为故障特征量,借助Elman神经网络的模式识别功能,实现整流装置故障诊断及模式分类。结合装甲车辆电源系统数学模型,基于仿真结果,构建了整流诊断装置诊断模型,开发了整流装置故障诊断系统,应用结果验证了该方法的有效性。     

基于快速傅里叶变换的扫描单发单收面阵近场成像技术

近年来,扫描单发单收面阵近场成像技术在安检、医疗等民用领域中引起了广泛关注.然而,传统的距离徙动算法在对回波进行处理的过程中无法避免多步近似和插值操作,并且忽视了信号传播衰减带来的不利影响.因此,提出了一种基于快速傅里叶变换的扫描单发单收面阵近场成像技术,该技术通过保留回波模型中的幅度衰减因子,并根据目标回波方程特性对...     

CFO条件下的OFDM子载波调制样式识别方法

提出了一种基于信号幅度分布特征与多次方谱线特征相结合的调制样式识别算法。该算法主要基于正交解调后的正交频分复用子载波信号的幅度分布特征,采用直方图统计的方法实现多进制相移键控和多进制正交幅度调制识别,用多方次谱特征实现多进制相移键控类的调制识别。相比基于经典的高阶累积量的调制识别算法,具有更好的载波频率残留偏差适应能力,在载波频率偏差条件下,提高了调制识别率;相比循环平稳方法,具有更好的信噪比适应能力。仿真实验结果表明了该方法的有效性,相同的识别率下能适应更低的信噪比。     

OFDM系统中深度神经网络指导的IQ不平衡补偿算法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交。然而,在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能。通过研究IQ不平衡对OFDM系统的影响,提出了一种并联深度神经网络架构下的IQ不平衡补偿算法。该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用干扰信号来自镜像子载波的先验知识来初始化模型驱动的神经网络,加快其网络优化的收敛速度。仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的基于导频的最小二乘补偿算法,证明了深度学习方法解决物理层问题的优越性。     

基于阶次分析方法的齿轮箱齿轮故障诊断研究

研究了旋转机械非稳态振动信号分析中的计算阶次分析方法．分析了该方法在重采样过程中的采样率设置规则．利用插值算法实现了对等时间间隔采样的齿轮箱振动信号的角域重采样,将其应用于齿轮箱加速过程故障诊断,成功识别了齿面磨损故障．结果显示,阶次分析法能有效避免传统频谱方法出现的频率模糊现象,在处理非平稳转速变化信号时具有独特的优越性．     

Robust TDOA/FDOA estimation from emitter signals for hybrid localization using UAVs

This paper considers the time difference of arrival (TDOA) and frequency difference of arrival (FDOA)estimation problem for joint localization using unmanned aerial vehicles (UAVs),involving range migration (RM) and Doppler ambiguity within observation interval.A robust estimation method based on interpolation and resampling is proposed.Specifically,the interpolation artificially increases the pulse repetition frequency (PRF).After that,the resampling eliminates the coupling between range frequency and slow time.Finally,a coherent integration step based on inverse discrete Fourier transform (IDFT) is used to achieve parameter estimation and suppress the grating lobes caused by interpolation.The proposed method could be efficiently implemented by fast Fourier transform (FFF),inverse FFT (IFFF) and non-uniform FFT (NUFFT) without parameter searching procedures.Numerical experiments indicate that the proposed method has nearly optimal anti-noise performance but much lower computational complexity than the maximum likelihood estimator,which makes it more competitive in practical applications.     

低轨移动卫星异步多用户检测算法

介绍了一种适合在低轨(LEO)星载接收机上运行、低复杂度的异步CDMA多用户检测算法,能够有效对抗强多用户干扰和大多普勒频移。基带信号通过码片滤波后以码速率采样信号作为观测信号,然后利用Kalman滤波算法对各个用户信号进行分离。状态方程综合考虑了多普勒频移、定时误差。该算法能够抵抗高达35dB的远近效应,并且对频率和定时误差不敏感。     

分布式小卫星SAR回波仿真快速算法

回波信号仿真是研究分布式小卫星SAR系统的基础,对于系统总体设计具有重要意义。大范围自然场景回波仿真导致巨大的计算量。快速算法基于FFT实现,首先在时域利用脉冲序列近似表征场景在慢时刻的响应,然后利用FFT在频域实现线性时不变滤波以产生场景回波,算法能够有效减小运算量。对仿真的回波进行成像和干涉处理,结果验证了算法的有效性。     

基于深度神经网络的OFDM系统IQ不平衡补偿技术

正交频分复用(OFDM)是现代移动通信中一项重要的物理层通信技术，并且OFDM系统要求子载波间严格正交。然而在实际系统中，振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase，IQ)不平衡，从而破坏子载波的正交性，严重影响OFDM系统的性能。本文研究了IQ不平衡对OFDM系统的影响，提出了基于并联深度神经网络的IQ不平衡补偿技术。该算法利用了深度神经网络不依赖于模型的特点，直接从接收到的频域信号恢复原输入信号的二进制序列，并利用IQ不平衡的干扰信号来自镜像子载波的先验知识来初始化神经网络，加快其网络优化的收敛速度。仿真结果表明，该算法能有效地补偿IQ不平衡失真，并且在幅度和相位失真的补偿上，其性能都优于传统的导频的最小二乘（LS）估计补偿IQ不平衡的算法，证明了深度学习方法解决物理层问题的优越性。