一、用四阶累积量实现谐波信号频率与功率谱估计(论文文献综述)
郭李强[1](2020)在《无人机图传信号检测与调制识别方法研究》文中进行了进一步梳理随着无人机(Unmanned Aerial V-ehicle,UAV)技术日益成熟,无人机已广泛应用于人们日常生活,如航拍摄影、电力巡检、新闻报道等。但随之也带来了一系列安全问题,如无人机“黑飞”、运送毒品、偷窥他人隐私等现象屡见不鲜,给社会和人们的生活造成了严重的威胁,引起各国专业人士的广泛关注。因此,反无人机的技术研究势在必行。本文对无人机图传信号的检测、调制识别及相关参数估计方法进行研究,其是反制无人机领域中无人机定位技术的前提,具有重要的理论意义。主要研究内容如下:(1)研究了无人机的通信系统,以此作为无人机图传信号检测与调制识别的理论基础,并采用AD9361射频捷变芯片与数字信号处理片上系统(System on Chip,SOC)结合的架构,设计了无人机图传信号接收系统。(2)研究了民用无人机图传信号的检测方法。利用无人机遥控信号为跳频信号,而图传信号为非跳频通信信号的特点,采用时频分析法对两种信号分析,利用图传信号在时频谱图上频率恒定不变、时间连续的特征来检测图传信号是否存在。同时,提出基于功率谱的图传信号检测方法,通过计算信号平均功率谱与原功率谱之间的对消比,利用图传信号对消比较大的特征判断接收信号是否为图传信号。(3)研究了民用无人机图传信号的调制识别与相关参数估计算法。首先,利用正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号的高阶累积量,实现了 OFDM信号与单载波信号的调制识别,仿真表明该算法在信噪比大于-4dB时,识别正确率高于97%;其次,研究了 OFDM调制信号的相关参数估计算法,主要包括基于功率谱密度的带宽估计算法、基于信号循环特征的时域参数估计算法、基于带宽的子载波数目估计算法,并在不同信道、不同循环前缀长度、不同子载波数目、不同符号数目四种条件下对三种参数估计算法仿真,仿真表明在信噪比大于0dB时,每种参数估计正确率高于91%;最后,利用图传信号为非跳频通信信号、带宽约为9MHz、调制方式为OFDM三种特征,设计了无人机图传信号接收、检测及识别系统。
郭微[2](2020)在《运动目标被动声呐信号频域分析关键技术研究》文中进行了进一步梳理对水中目标辐射噪声中线谱信号的检测与估计是被动声呐信号处理的重要研究内容。通常情况下,被动声呐中的线谱信号检测与参数估计是在强背景噪声和强干扰条件下进行的,需要通过增加积分时间,以提高频谱分析的频率分辨力、获取更高的信号处理增益。然而目标辐射线谱信号的频率漂移和目标的运动限制了传统被动声呐信号方法的积分处理时间和信号处理增益。本论文分别对如何在有限数据样本长度下提升功率谱分析的频谱分辨能力、降低谱间干扰、减小目标运动引起的互相关损失进行了深入研究,具体研究内容如下:首先,针对线谱旁瓣干扰背景下运动目标信号功率谱分析问题,提出了频域解卷积高分辨功率谱估计方法。由经典谱估计理论可知,有限长样本的功率谱可以由无限长样本的功率谱与窗函数功率谱的卷积获得。本文提出在窗函数功率谱已知的情况下,通过对有限长接收样本的功率谱在频域进行解卷积运算估计无限长接收样本对应的功率谱,以便在小样本条件下获得更高的频率分辨力,减少谱泄露、降低谱估计结果的旁瓣、提高主旁瓣比,从而降低强线谱旁瓣对邻近微弱线谱信号的掩蔽。采用的解卷积算法的迭代次数是影响谱估计频率分辨力和旁瓣抑制性能的主要因素。通过仿真和实验数据处理对比了MVDR(minimum variance distortionless response)、压缩感知(Compressed Sensing,CS)以及本文提出的解卷积算法高分辨功率谱估计方法的性能。结果表明,解卷积功率谱估计方法可有效提高频率分辨力、抑制谱旁瓣、降低谱间干扰,适用于强线谱干扰影响下的被动声呐信号频谱分析以及运动目标小样本信号的时频分析。其次,建立了双水听器接收运动目标辐射噪信号的互功率谱模型,提出了基于双水听器接收信号互功率谱的多普勒系数(尺度因子)和时延差的分步估计方法,即首先利用双水听器接收信号频谱的幅度谱估计出多普勒系数,然后利用多普勒系数补偿接收信号,再利用补偿后接收信号的互功率相位谱估计两水听器接收信号间的时延差。该算法将参数估计由多普勒和时延的二维搜索转化为两个分别沿多普勒轴和时延轴的一维搜索,不仅有效降低了参数寻优的计算量,也实现了尺度因子与时延参数估计的解耦,避免了参数估计过程中的互相干扰,提高了参数估计结果的准确性。结果表明,互功率谱的多普勒系数和时延差的分步估计方法能够有效提高利用互功率谱进行时延差估计的准确性,从而提高互功率谱测向的性能。最后,建立了目标运动情况下双水听器接收信号关于多普勒系数和时延差的分段数据模型,研究发现目标运动会导致不同数据段的目标辐射声信号互功率谱之间存在较大的频率偏移和相位差异,难以实现不同数据段的互功率谱相干积累。针对这一问题,提出对不同数据段互功率谱的多普勒系数和时延差进行估计和补偿,再对补偿后的不同数据段的互功率谱进行相干积累的基于运动补偿的互功率谱相干积累方法。通过仿真和实验数据处理分析,对比了提出的互功率谱相干积累方法、MUSIC(multiple signal classification)算法、互功率谱相干累加和非相干累加算法的谱估计性能。结果表明,补偿的互功率谱相干积累方法可以克服多普勒效应的影响,有效减小运动目标辐射噪声处理的互相关损失,增加积分处理时间、提高信号处理增益,提升对运动目标微弱线谱信号的检测性能。
韩雪[3](2020)在《舰船地震波信号特性分析与应用研究》文中认为在浅海,当舰船辐射噪声的频率低于简正波截止频率时,水中声信号严重衰减,通过海底以舰船地震波的形式传播成为声传播的一个途径。舰船地震波作为一种新型的物理场,对其特性的分析和应用研究在水声领域具有重要意义。对水面船只信号的检测和特征提取是水面船只探测的关键。由于水面船只的传播信道非常复杂,导致强背景噪声干扰下水面船只微弱信号检测难度大,因此仍需探索新的水面船只检测方法。同时,舰船地震波信号在低频段,低频信号对人的生理和心理等方面都会造成影响,因此有必要研究舰船地震波信号移频处理的客观规律以及听觉特征提取方法。本论文围绕舰船地震波的特性及其在水面船只检测和听觉特征提取两方面的应用展开研究。首先对舰船地震波的极化特性进行了分析,研究了舰船地震波的线谱极化滤波算法,旨在改善强背景噪声干扰下的水面船只微弱信号检测问题,为水面船只远距离探测提供新的信号处理思路。其次对舰船地震波的调制特性进行了分析,针对舰船地震波包络调制信号的低频特性,研究了舰船地震波包络调制信号移频处理的心理声学特征参数变化规律。同时根据舰船地震波信号的包络调制特性在听音上具有“节奏感”的特点,借鉴水声听音处理对水声目标优良的探测性能,研究了舰船地震波信号的听觉特征提取方法,旨在为听音安全保障提供技术支持。论文的主要研究内容和结论如下:1.舰船地震波信号极化特性分析与应用论文对地震波线谱信号的极化特性进行了分析,通过优化选取得到了适用于线谱信号的频域极化度参数,然后构造了基于频域极化度参数的极化滤波函数,对线谱信号极化特征谱加权实现了线谱极化滤波算法;分析了极化滤波函数的影响因素,构造了四阶累积量联合极化滤波函数和多重自相关联合极化滤波函数。仿真和实验研究结果表明,相应的四阶累积量极化滤波算法和多重自相关极化滤波算法克服了受分析点数制约以及舰船地震波信号信噪比较低的问题;所提出的舰船地震波线谱极化滤波算法可以抑制背景噪声干扰,提取出线谱信号,实现了强背景噪声干扰下的水面船只微弱信号检测,对被动声呐信号处理和水声目标远距离探测有较好的应用前景。2.舰船地震波信号调制特性分析与听觉特征提取论文对舰船地震波信号调制特性进行了分析,针对舰船地震波包络调制信号的低频特性,对听音移频处理进行了研究,给出了舰船地震波包络调制信号的心理声学特征参数变化规律,为听音移频处理提供了理论依据和参考。研究了舰船地震波包络调制信号的时变响度特征提取。研究表明,时变响度时频图相比功率谱时频图能更好地表征舰船地震波包络调制信号。在此基础上,提出了节拍响度变化量特征。仿真和实验研究结果表明,节拍响度变化量特征的识别率高于稳态特征响度的识别率。此外,在舰船地震波信号的听觉滤波器特征提取研究中发现,可以利用听觉滤波器检测和提取舰船地震波线谱信号,相比传统线谱提取方法,线谱信号的输出信噪比有所提高。最后,研究发现等带宽三角形滤波器倒谱系数特征在低信噪比下有较好的鲁棒性。所获取的舰船地震波包络调制信号移频处理的心理声学特征参数变化规律以及所研究的舰船地震波听觉特征参数为便于低频舰船地震波听音识别提供了新方法。
杨乐[4](2018)在《MHD角速度传感器微弱信号处理方法研究》文中研究指明磁流体动力学(MagnetoHydroDynamics,MHD)角速度传感器具有宽频带、低噪声、小体积等优势,因此适用于空间结构微角振动的测量。MHD角速度传感器用于测量微小角振动,其最主要的性能指标之一是等效噪声。目前MHD角速度传感器的研究集中于提高其低频信噪比以改善低频性能,以及进一步降低通带噪声以获取更高的分辨力,因此MHD角速度传感器微弱信号提取和处理是实现上述研究目标的关键问题。本文研究MHD角速度传感器微弱信号的处理方法,研究低信噪比情况下的信号频率和幅值的估计算法。首先,本文研究了MHD角速度传感器的噪声特性。采集传感器的本底噪声,得出传感器的噪声功率谱密度曲线和噪声信号概率密度曲线,确定MHD角速度传感器噪声属于高斯有色噪声。其次,本文研究了小波去噪算法与功率谱估计算法,用于MHD角速度传感器的参数估计。使用小波去噪算法对不同频段和不同信噪比条件下的仿真信号和MHD角速度传感器信号进行去噪处理,比较不同去噪算法性能,最终选择阈值去噪算法处理传感器信号。然后,本文研究了经典谱和现代谱估计算法,估计信号的频率和幅值,分析了各功率谱估计算法的频率和幅值估计性能,选定周期图法对传感器信号进行处理。最终将小波阈值去噪算法和周期图法结合使用,估计MHD角速度传感器的频率和幅值。最后,本文采用四阶累积量与现代互谱相结合的高阶谱方法,包括:互四阶谱、互四阶谱MUSIC、互四阶Esprit-Tls和互四阶SVD算法。在不同频段和信噪比条件下,估计仿真信号和传感器信号的频率和幅值,并分析信号信噪比的改善情况。结果表明互四阶谱估计算法对MHD角速度传感器的高斯有色噪声具有很好的抑制能力,频率估计分辨力<1 Hz,信噪比提高了7-11 dB。
王洪希[5](2015)在《子空间分解类算法在轧辊偏心信号提取中的应用研究》文中研究说明轧辊偏心是影响现代高精度板带轧制厚度质量的关键因素之一,要想进一步提高板带轧机的板形及厚度质量,必须对轧辊偏心扰动加以抑制及补偿控制。由于轧辊偏心信号是混杂在各种扰动和随机信号之中的复杂高频周期信号,轧辊偏心进行补偿控制的效果取决于如何从复杂的轧制力信号中准确提取出微弱的偏心信号,即轧辊偏心信号准确提取是偏心补偿控制的关键。为此,本课题针对现有各类轧辊偏心信号提取方法的局限性,提出采用现代空间谱估计中的子空间分解类算法来研究轧辊偏心信号提取问题,并对该类算法进行了融合与改进,通过理论分析、仿真及实验研究相结合来验证提取轧辊偏心信号的有效性和精确性,该类算法尤其在频率分辨率和抗噪声两个方面要比FFT法具有较好的优越性。论文工作的主要创新点和研究成果如下:1)针对FFT法在轧辊偏心提取中存在频率分辨率低且消噪效果不佳的局限性,本文提出改进型的噪声子空间MUSIC算法应用于轧辊偏心信号提取。从应用技术创新的层面,重点研究基于Root-MUSIC法和Prony法相融合的轧辊偏心信号提取新方法。仿真结果验证了方法结合的有效性,分辨率高、抗噪性强。2)为了减小计算量,提高算法的实时性,便于实际工程的应用。本文提出改进型的信号子空间ESPRIT算法应用于轧辊偏心信号提取。基于信号子空间的ESPRIT算法与基于噪声子空间的MUSIC法相比,不再考虑信号子空间与噪声子空间之间的关系,无需进行谱峰搜索,为此提高了算法的实用性。仿真分析出三种ESPRIT方法在不同阵元数和不同信噪比下的频率估计性能。3)针对轧辊偏心信号实际可能存在非平稳性质和测量噪声有色的性质,经典的二阶统计量子空间类算法存在有偏性和非一致性的问题,本文提出高阶累计量MUSIC法和Prony法相融合并应用于轧辊偏心信号提取。采用基于高阶累积量的MUSIC法对偏心信号进行空问分解达到降阶的效果,能够有效地抑制噪声,在信噪比低时仍具有高的频谱分辨率,能准确提取出偏心谐波的频率及谐波的个数。然后使用Prony方法进一步估计偏心信号的各次谐波幅值和相位,弥补了Prony法对噪声的敏感的弱点。仿真结果验证了该融合方法的有效性。以某厂热轧生产线为背景,采用现场轧制力数据,验证了基于高阶累计量MUSIC和Prony融合方法提取轧辊偏心信号具有很好的实际效果,实验结果表明该方法能准确地提取了相近频率成分及高次偏心谐波分量参数,且去噪效果明显,使重构偏心信号的精度很高,偏心补偿后的效果明显优于FFT法。
孙晓东[6](2009)在《混沌噪声背景下谐波参数估计方法研究》文中进行了进一步梳理混沌信号处理是非线性信号处理的一个崭新的学科分支,不仅在海洋、生物、医学、化学等自然和工程领域有着丰富的研究课题,而且在保密通信、数字水印和电子对抗中有广阔的应用前景。混沌噪声背景下谐波信号参数估计是混沌信号处理的一个重要研究内容,对它的研究有着重大的理论意义和重要的实用价值。例如,海洋杂波中目标信号的特征参数估计、生物医学中母体胎儿心电信号的检测和视觉诱发脑电信号中微弱信号的检测和提取,以及反混沌干扰过程等都可以归结为混沌噪声背景下信号参数估计问题。本文首先介绍了混沌理论和混沌信号处理的相关知识,在此基础上提出了基于单变量驱动混沌同步的谐波频率估计方法,并利用互四阶累积量参数估计方法提高频率估计精度。具体研究内容包括:基于确定系统混沌同步的谐波频率估计方法;基于系统模型已知但参数摄动混沌同步的谐波频率估计方法;基于系统模型已知但系统参数完全未知混沌同步的谐波频率估计方法;基于结构互异混沌同步的谐波频率估计方法。本文方法能实现强混沌噪声和强随机噪声共存背景下谐波频率估计;随机噪声可以为相关的高斯(白色或有色)噪声,也可为互不相关的(白色或有色、高斯或非高斯)噪声。理论分析和仿真实验表明,本文提出的混沌噪声背景下谐波信号频率估计方法,具有噪声抑制能力强、估计精度高的优点。
程凡永[7](2009)在《高分辨谱估计及其在雷达信号处理中的应用研究》文中研究说明雷达成像技术是现代雷达技术的一个十分重要的发展方向,在军事和民用领域,尤其是精确制导领域有着十分重要的应用价值。雷达高分辨距离像(HRRP)与SAR二维分辨图像包含了目标的几何形状结构特征信息,在雷达目标检测、目标识别、高精度跟踪等领域都有着良好的应用前景。根据目标多散射中心理论,高分辨雷达目标回波可以用一维或二维的谐波模型来描述,因此雷达成像问题可以作为谐波谱估计问题看待。本文对谐波参数估计中的经典谱估计方法与现代谱估计方法进行了分析和仿真,指出了它们各自的优点和缺陷:经典谱估计方法频率分辨力低,但运算简单、保留幅度信息;现代超分辨谱估计算法频率分辨力高但运算复杂;“伪谱”函数不包含真实的幅度信息、对噪声比较敏感等。针对现有谱估计方法的不足,提出了两种改进的谱估计方法:基于四阶累积量最优加窗曲面积分的谱估计方法以及基于噪声功率补偿与限带最小二乘估计的谱估计方法。本文的研究工作主要是提出了两种新方法:(1)针对常规的四阶累积量对角切片在小样本集情况下存在信号模型失真、从而影响谱估计性能的问题,设计了一种适用于小样本情况下谐波谱估计的高阶统计量:四阶累积量的最优加窗曲面积分,建立了基于该统计量的谐波谱估计模型。理论分析与仿真实验结果表明,改进的方法相对于传统的四阶累积量方法在小样本情况下具有更好的分辨性能和参数估计精度。(2)针对传统超分辨算法的幅度信息缺失、运算开销量大的缺点,提出了一种基于噪声功率补偿及限带最小二乘估计的谱估计方法;理论分析与仿真实验结果表明,改进的方法在保留超分辨性能的同时,显着降低了运算开销,具有较高的幅度参数估计精度。
张经纬[8](2008)在《基于高阶统计量的电力系统间谐波检测与应用研究》文中指出电力系统间谐波是非整数倍基波频率的谐波信号,可能导致感应电动机产生噪声和振动,引起电压闪变,使电能质量恶化。因此,准确检测间谐波的参数对于电力系统具有十分重要的意义。高阶统计量分析是近年国内外信号处理领域内的一个前沿课题。高阶统计量描述了信号的高阶数字特征,能解决非高斯、非线性问题,在理论上可以完全抑制高斯有色噪声的影响,因此可以用来解决间谐波检测中的噪声干扰问题。本文首先介绍了高阶统计量的基本理论。其中主要包括高阶矩和高阶累积量这两种常用工具以及高斯过程的高阶累积量特点,然后分析了高阶累积量的几个常用性质及高阶累积量的估算方法。详细阐述了功率谱估计理论中的两种方法:参数估计方法与非参数估计方法。参数估计法主要介绍了AR模型、ARMA模型等几种常用数模型的建立以及求解方法;非参数估计主要包括基于特征值分解的频率估计理论,并给出了多信号分类法的计算过程。在功率谱估计理论的基础上,利用高阶累积量能够完全抑制高斯噪声的特点,采用四阶累积量定义的矩阵代替传统二阶统计量的自相关矩阵,提出了基于四阶累积量的线性预测法和多信号分类法两种间谐波检测方法。仿真实验和计算结果表明,本文提出的方法可以精确地估计出间谐波的参数,并能有效抑制高斯噪声,从而为电力系统间谐波的检测提供了一种有效的手段。分析了带并联电抗器的超/特高压输电线路发生单相接地故障时故障相恢复电压的特性。研究表明单相瞬时性故障时的恢复电压由自由分量与工频分量叠加而成,而永久性故障时的恢复电压中只包含工频分量。根据故障相恢复电压在发生不同故障时的频率特性,提出了一种超/特高压输电线路单相故障判别方法,即利用故障相电压功率谱中谱线在基频附近的分布状态判别瞬时性或永久性故障。仿真结果验证了判据的准确性和可行性。
蒋毅[9](2008)在《基于非参量法的谐波频率估计研究》文中研究说明谐波频率估计问题作为信息科学在信号处理领域的一个重要组成部分,已广泛应用于雷达、声纳、宇航、移动通信、语音识别、生物医学、振动工程、遥感技术、地质勘测以及波谱学等众多的研究中,其重要性随着工业、农业、国防和科学技术的发展而与日俱增。全世界各国的科研工作者对它相当重视,该水平的高低,直接反映一个国家的整体科学水平。谐波频率估计方法很多,有基于线性模型的参量法,也有基于非具体模型求解的非参量法,还有熵谱估计等。它们各自在不同的条件下表现出自己优越的一面。如参量法,它在信噪比较高的情况下对短数据具有较高的频率分辨率,较高的估计精度;非参量法中傅立叶变换具有较广的适应性,较快的估计速度;基于空间分解的现代频率估计技术对低信噪比信号也具有较高的估计精度。本论文基于信号的谐波模型,重点研究了非参量法中FFT法在提高谐波频率估计精度中的应用问题及基于信号空间分解的谐波频率估计问题,主要内容包括:(1)通过深入研究傅立叶变换的影响因素,探讨了频谱泄漏的数据误差解释、序列的非均匀性度量及一系列提高谐波频率估计精度的技术和解决方案:如基于同步思想的谐波频率估计,FFT的非均匀采样实现,基于FFT旋转不变性的正弦信号频率估计等;(2)研究了FFT的细化技术,对CZT及Zoom-FFT方法作了详细的对比,并就存在的缺点探讨了相应的改进方法;(3)介绍了基于信号空间分解的现代高精度谐波频率估计的基本原理,在此基础上提出了一系列快速实现的改进方法:如基于FFT有限域搜索的MUSIC法快速频率估计技术,大大提高了MUSIC算法的估计速度;分析了ESPRIT算法的性能,提出了MTLS-ESPRIT方法,基于数据矩阵提出了D-ESPRIT快速实现方法;(4)探讨了MUSIC算法在噪声环境基于多重自相关、噪声调制、FFT旋转不变性、或互四阶累积量的微弱信号的检测问题。总之,谐波频率估计技术是一项具有重大应用意义的科学,本文在谐波频率的非参量估计方法及快速实现方面做了归纳、总结、补充和完善。
张坤雷[10](2007)在《基于四元数的谐波信号与矢量阵列信号多参量估计算法研究》文中认为本论文主要对基于四元数的谐波信号与矢量阵列信号多参量估计算法展开研究。研究得到了国家自然科学基金(编号:60572069)和博士点专项基金(编号:20050183073)的支持。论文的主要内容如下:(1)研究色噪声背景下以Hamilton四元数表示的二分量矢量阵列信号多参量估计方法。定义了Hamilton四元数的二重相关函数,不仅能够有效地表征二分量矢量阵列信号参量,同时还可以抑制色噪声。构造了二重相关函数的Toeplitz矩阵,并利用四元数矩阵右特征值分解的计算方法得到信号子空间与噪声子空间,采用四元数MUSIC的方法估计出矢量阵列信号的波达方向角和极化参量。(2)研究基于四元数的一维谐波信号多参量联合估计问题。通过对一维谐波信号模型的变换构造一种新的四元数模型,使其含有谐波信号的各参量,如频率,初始相位,幅值。构造该四元数模型自相关函数的Toeplitz矩阵,利用四元数MUSIC方法联合估计原信号的多参量。(3)研究非高斯有色噪声背景下二维谐波信号参量估计问题。提出了复数线性非高斯过程的二维累积量投影定理。应用该定理构造观测信号的高阶累积量求得非高斯噪声的自相关,并通过求解一个广义特征值对噪声空间进行预白化,然后结合高分辨率的子空间方法二维MUSIC估计得到二维谐波参量。特别地,当非高斯噪声为对称分布和谐波信号中存在二次相位耦合时该方法同样有效。
二、用四阶累积量实现谐波信号频率与功率谱估计(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用四阶累积量实现谐波信号频率与功率谱估计(论文提纲范文)
(1)无人机图传信号检测与调制识别方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 无人机通信系统 |
1.2.2 无人机信号检测与调制识别技术研究现状 |
1.3 本文的主要内容和章节安排 |
2 无人机通信技术理论 |
2.1 无人机系统工作原理 |
2.2 扩频通信系统 |
2.3 跳频扩频通信系统 |
2.3.1 跳频扩频通信系统工作原理 |
2.3.2 跳频扩频系统数学模型 |
2.3.3 跳频扩频通信系统仿真 |
2.4 数字信号调制技术 |
2.4.1 单载波调制 |
2.4.2 多载波调制 |
2.5 OFDM调制系统 |
2.5.1 OFDM系统工作原理 |
2.5.2 OFDM系统结构 |
2.6 本章小结 |
3 无人机图传信号接收系统设计 |
3.1 图传信号接收系统总体方案 |
3.2 硬件架构 |
3.2.1 AD9361 |
3.2.2 SOC |
3.3 软件架构 |
3.3.1 接收系统软件总体架构设计 |
3.3.2 软件流程 |
3.4 实验测试与分析 |
3.5 本章小结 |
4 无人机信号的分析与检测方法 |
4.1 时频分析方法 |
4.1.1 线性变换时频分析方法 |
4.1.2 非线性变换时频分析方法 |
4.1.3 仿真与分析 |
4.2 基于功率谱的无人机信号检测算法 |
4.2.1 信号功率谱的基本原理 |
4.2.2 基于功率谱的信号检测方法 |
4.2.3 仿真与分析 |
4.3 本章小结 |
5 图传信号的调制识别与参数估计算法 |
5.1 图传信号检测与调制识别系统 |
5.1.1 接收信号类型分析 |
5.1.2 图传信号检测与识别方案 |
5.1.3 图传信号检测与调制识别算法流程 |
5.2 基于高阶统计量的图传信号调制识别 |
5.2.1 高阶统计量的定义 |
5.2.2 OFDM信号的高阶累积量特征 |
5.2.3 单载波信号的高阶累积量特征 |
5.2.4 OFDM调制信号识别算法仿真与分析 |
5.3 图传信号参数估计算法研究 |
5.3.1 基于循环自相关的时域参数估计算法 |
5.3.2 基于功率谱密度的带宽估计 |
5.3.3 基于信号带宽的子载波数目估计 |
5.3.4 信号相关参数估计算法仿真与分析 |
5.3.5 参数估计算法性能仿真与分析 |
5.4 本章总结 |
6 结论 |
6.1 本文总结 |
6.2 工作展望 |
参考文献 |
攻读学位期间主要研究成果 |
致谢 |
(2)运动目标被动声呐信号频域分析关键技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 引言 |
1.2 被动声呐探测目标特性及其发展和应用 |
1.2.1 舰船辐射噪声特性 |
1.2.2 被动声呐技术的发展及应用 |
1.3 水下目标被动探测研究进展 |
1.3.1 水下目标被动探测研究现状 |
1.3.2 舰船辐射噪声的特征提取 |
1.3.3 被动声呐信号处理的难点及发展趋势 |
1.4 本文主要内容 |
第2章 基于经典理论的被动声呐信号频域分析 |
2.1 引言 |
2.2 被动声呐信号的物理模型 |
2.3 经典谱估计 |
2.3.1 功率谱估计 |
2.3.2 经典谱估计的基本方法 |
2.3.3 窗函数的影响 |
2.3.4 解卷积算法 |
2.4 多普勒频移影响下的被动声呐信号单频分量检测 |
2.4.1 积分时间与处理增益 |
2.4.2 仿真分析 |
2.5 本章小结 |
第3章 强线谱干扰下的低速目标被动声呐信号频域分析 |
3.1 引言 |
3.2 强线谱干扰影响下的低速目标被动声呐信号频域分析方法研究 |
3.2.1 频域解卷积高分辨功率谱估计方法 |
3.2.2 MVDR算法 |
3.2.3 压缩感知算法 |
3.3 强线谱干扰影响下的低速目标被动声呐信号频域分析方法仿真分析 |
3.3.1 频域解卷积高分辨功率谱估计方法的性能分析 |
3.3.2 多种高分辨谱估计方法的性能对比和分析 |
3.4 实验数据处理结果对比与分析 |
3.4.1 强线谱干扰下的目标线谱检测 |
3.4.2 背景起伏干扰下的目标线谱检测 |
3.4.3 运动目标线谱的时频分析 |
3.5 本章小结 |
第4章 基于互谱的运动目标多普勒系数和时延差估计 |
4.1 引言 |
4.2 多普勒系数和时延差估计方法研究 |
4.2.1 多普勒效应对经典互功率谱时延差估计的影响 |
4.2.2 尺度因子和时延差参数联合估计方法 |
4.2.3 采用互功率谱的多普勒系数和时延差分步估计方法 |
4.3 多普勒系数和时延差估计方法性能分析 |
4.3.1 仿真分析 |
4.3.2 实验数据处理 |
4.4 本章小结 |
第5章 低信噪比下的运动目标被动声呐信号频域分析 |
5.1 引言 |
5.2 低信噪比下的运动目标被动声呐信号频谱分析方法研究 |
5.2.1 MUSIC算法 |
5.2.2 频域相干累加 |
5.2.3 基于互功率谱的长时间相干积累 |
5.3 低信噪比下的运动目标被动声呐信号频谱分析方法性能分析 |
5.3.1 仿真分析 |
5.3.2 实验数据处理结果分析 |
5.4 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文和取得的科研成果 |
致谢 |
(3)舰船地震波信号特性分析与应用研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 立题背景与意义 |
1.2 舰船地震波特性研究概况 |
1.3 舰船地震波应用研究概况 |
1.3.1 线谱检测方法研究概况 |
1.3.2 听觉特征提取方法研究概况 |
1.4 矢量信号极化分析方法研究概况 |
1.5 本文研究的主要内容 |
第2章 舰船地震波基础理论 |
2.1 引言 |
2.2 舰船地震波信号频谱特性 |
2.3 舰船地震波信号极化特性和分析方法 |
2.3.1 舰船地震波线谱信号极化特性 |
2.3.2 地震波极化分析方法 |
2.4 舰船地震波信号统计量计算方法 |
2.5 舰船地震波听觉计算模型 |
2.5.1 心理声学参数计算模型 |
2.5.2 听觉滤波器模型 |
2.6 本章小结 |
第3章 舰船地震波信号极化特性分析与应用 |
3.1 引言 |
3.2 地震波线谱信号模型 |
3.3 舰船地震波线谱信号极化特性分析 |
3.4 线谱极化滤波算法 |
3.4.1 极化滤波函数影响因素分析 |
3.4.2 线谱极化滤波算法仿真分析 |
3.5 线谱四阶累积量极化滤波算法 |
3.5.1 四阶累积量极化分析方法 |
3.5.2 线谱四阶累积量极化滤波算法仿真分析 |
3.6 线谱多重自相关极化滤波算法 |
3.6.1 多重自相关极化分析方法 |
3.6.2 线谱多重自相关极化滤波算法仿真分析 |
3.7 实验数据处理 |
3.8 本章小结 |
第4章 舰船地震波信号调制特性分析与听觉特征提取 |
4.1 引言 |
4.2 舰船地震波信号调制特性分析 |
4.3 舰船地震波包络调制信号移频处理的心理声学特征参数变化规律研究 |
4.3.1 信号仿真分析 |
4.3.2 响度变化规律仿真分析 |
4.3.3 尖锐度变化规律仿真分析 |
4.3.4 调制特性变化规律仿真分析 |
4.3.5 舰船地震波包络调制信号实验分析 |
4.4 舰船地震波包络调制信号的时变响度特征提取研究 |
4.4.1 时变响度特征提取及其适用性分析 |
4.4.2 节拍响度变化量特征提取算法 |
4.5 舰船地震波信号的听觉滤波器特征提取研究 |
4.5.1 听觉滤波器对舰船地震波线谱信号的提取性能 |
4.5.2 等带宽三角形滤波器倒谱系数特征 |
4.5.3 实验结果与分析 |
4.6 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文和取得的科研成果 |
致谢 |
(4)MHD角速度传感器微弱信号处理方法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究背景 |
1.2 MHD角速度传感器工作原理及噪声分析 |
1.2.1 MHD角速度传感器工作原理 |
1.2.2 MHD角速度传感器的噪声特性 |
1.3 MHD角速度传感器参数估计研究现状 |
1.3.1 MHD角速度传感器参数估计国内外研究进展 |
1.3.2 算法性能评价指标与信号模型 |
1.4 论文的主要内容 |
第2章 基于小波去噪的MHD角速度传感器微弱信号处理 |
2.1 小波变换原理 |
2.1.1 连续小波变换 |
2.1.2 离散小波变换 |
2.1.3 多分辨分析 |
2.1.4 Mallat塔形算法 |
2.2 小波去噪算法 |
2.2.1 阈值去噪 |
2.2.2 模极大值去噪 |
2.2.3 相关性去噪 |
2.3 仿真信号与传感器信号的小波去噪 |
2.3.1 不同频段信号的小波去噪 |
2.3.2 不同信噪比信号的小波去噪 |
2.4 本章小结 |
第3章 MHD角速度传感器微弱信号参数估计的功率谱方法 |
3.1 谱估计算法原理 |
3.1.1 经典谱估计原理 |
3.1.2 现代谱估计原理 |
3.2 经典谱估计算法的信号处理 |
3.2.1 经典谱算法对不同频段信号的频率估计 |
3.2.2 经典谱算法对不同信噪比信号的频率估计 |
3.2.3 经典谱算法对信号的幅值估计 |
3.3 现代谱估计算法的信号处理 |
3.3.1 现代谱算法对不同频段信号的频率估计 |
3.3.2 现代谱算法对不同信噪比信号的频率估计 |
3.4 小波去噪与谱估计结合 |
3.4.1 不同频段信号的频率估计 |
3.4.2 不同信噪比信号的频率估计 |
3.4.3 幅值估计 |
3.5 本章小结 |
第4章 MHD角速度传感器微弱信号参数估计的高阶谱方法 |
4.1 高阶统计量理论基础 |
4.2 互高阶谱估计算法 |
4.2.1 互四阶谱 |
4.2.2 互四阶MUSIC |
4.2.3 互四阶Esprit-Tls算法 |
4.2.4 互四阶SVD算法 |
4.3 互高阶谱估计算法的信号处理 |
4.3.1 采样条件对频率和幅值估计的影响 |
4.3.2 互高阶谱估计对不同频段信号的频率估计 |
4.3.3 互高阶谱估计对不同信噪比信号的频率估计 |
4.3.4 互高阶谱估计去噪效果 |
4.3.5 互高阶谱估计幅值估计 |
4.4 本章小结 |
第5章 总结与展望 |
5.1 全文总结 |
5.2 工作展望 |
参考文献 |
发表论文和参加科研情况 |
致谢 |
(5)子空间分解类算法在轧辊偏心信号提取中的应用研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
引言 |
1 文献综述 |
1.1 课题背景及研究意义 |
1.2 轧辊偏心控制国内外相关研究工作现状 |
1.2.1 概述 |
1.2.2 滤波法 |
1.2.3 辊缝厚度控制法 |
1.2.4 恒轧制力闭环控制法 |
1.2.5 自适应辨识法 |
1.2.6 傅立叶变换法 |
1.2.7 神经网络法 |
1.2.8 小波分析法 |
1.2.9 轧辊偏心控制目前存在的主要问题 |
1.3 空间谱估计算法的发展及现状 |
1.3.1 参数模型谱估计 |
1.3.2 空间谱估计 |
1.4 本文的研究工作 |
2 轧辊偏心分析及轧辊偏心模型 |
2.1 轧辊偏心定义及原因 |
2.1.1 轧辊偏心定义 |
2.1.2 轧辊偏心产生原因 |
2.2 轧辊偏心的影响分析 |
2.2.1 板带厚度控制的基础理论 |
2.2.2 GM-AGC系统工作原理 |
2.2.3 GM-AGC系统对轧辊偏心的误动作 |
2.2.4 轧辊偏心对轧件厚度的影响 |
2.2.5 轧辊偏心对轧制力的影响 |
2.3 轧辊偏心模型研究 |
2.3.1 单个轧辊偏心 |
2.3.2 两个轧辊偏心的情况 |
2.3.3 轧辊的其他不规则形状 |
2.3.4 上下支撑辊存在辊径差时的偏心 |
2.3.5 轧辊偏心特点及轧辊偏心的统一模型 |
2.4 本章小结 |
3 基于噪声子空间的MUSIC法及改进算法轧辊偏心信号参数估计 |
3.1 子空间分解算法 |
3.1.1 空间谱估计系统 |
3.1.2 空间阵列模型 |
3.1.3 观测空间 |
3.1.4 信号子空间和噪声子空间 |
3.1.5 子空间分解算法 |
3.2 信号源数估计 |
3.3 时域转换为空域信号 |
3.3.1 欧拉公式变换 |
3.3.2 希尔伯特变换 |
3.4 噪声子空间的MUSIC法及改进算法轧辊偏心信号频率估计 |
3.4.1 经典MUSIC法 |
3.4.2 求根MUSIC法 |
3.4.3 实值MUSIC法 |
3.4.4 实值Root-MUSIC法 |
3.5 轧辊偏心信号幅值和相位估计 |
3.5.1 最小二乘法 |
3.5.2 递推最小二乘法 |
3.5.3 Prony的最小二乘法 |
3.6 仿真实验和性能分析 |
3.7 本章小结 |
4 基于信号子空间的ESPRIT算法及改进算法轧辊偏心信号参数估计 |
4.1 基本ESPRIT算法 |
4.2 最小二乘法的ESPRIT算法 |
4.3 总体最小二乘法的ESPRIT算法 |
4.4 算法计算量分析 |
4.5 仿真实验和性能分析 |
4.6 本章小结 |
5 基于高阶累积量的子空间分解类算法轧辊偏心信号参数估计 |
5.1 高阶统计量理论 |
5.1.1 特征函数 |
5.1.2 高阶统计量及高阶统计量谱的定义 |
5.1.3 高阶累积量谱和高阶矩谱的定义 |
5.1.4 高斯过程的高阶矩和高阶累积量 |
5.1.5 高阶累积量的几点性质 |
5.1.6 高阶累积量的估算及工程定义 |
5.2 基于高阶累计量的子空间分解类算法轧辊偏心信号参数估计 |
5.2.1 基于四阶累计量的MUSIC算法 |
5.2.2 基于四阶累计量的ESPRIT算法 |
5.3 仿真实验及性能分析 |
5.4 本章小结 |
6 基于现场轧制力数据的轧辊偏心信号提取实验研究 |
6.1 机架偏心现场数据的构成 |
6.2 从轧制力提取的偏心信号测量方法 |
6.3 现场轧制力数据的轧辊偏心信号提取实验效果 |
6.4 本章小结 |
结论 |
参考文献 |
作者简历及在学研究成果 |
学位论文数据集 |
(6)混沌噪声背景下谐波参数估计方法研究(论文提纲范文)
提要 |
第1章 绪论 |
1.1 引言 |
1.2 课题背景及意义 |
1.3 国内外研究发展和现状 |
1.4 本文的研究内容 |
第2章 混沌、混沌同步及谐波波参参数估计基础理论 |
2.1 混沌基本理论 |
2.1.1 混沌定义 |
2.1.2 混沌的主要特征 |
2.1.3 混沌动力学的数值分析方法 |
2.2 混沌同步基本理论 |
2.2.1 混沌同步定义及类型 |
2.2.2 混沌同步方法 |
2.2.3 混沌同步稳定性理论 |
2.2.4 驱动信号受扰的混沌同步稳定性理论 |
2.2.5 混沌吸引子估计基本理论 |
2.2.6 模型参数摄动的混沌同步理论 |
2.2.7 参数未知混沌同步基本理论 |
2.3 混沌噪声背景下信号处理理论与方法 |
2.3.1 混沌相关函数特性分析 |
2.3.2 互谱分析的谐波参数估计 |
2.3.3 高阶统计量 |
2.3.4 互四阶累积量谐波参数估计基础 |
2.3.5 互四阶累积量MUSIC方法 |
2.3.6 互四阶累积量SVD-MN方法 |
2.4 本章小结 |
第3章 基于确定混沌系统统同同步的参数估计研究 |
3.1 基于混沌同步的谐波频率估计方法 |
3.1.1 驱动信号受扰的混沌同步分析 |
3.1.2 基于混沌同步的谐波频率估计方法基本思想 |
3.2 统一混沌系统及其吸引区估计 |
3.2.1 统一混沌系统 |
3.2.2 统一混沌系统引区估计 |
3.3 基于变量替代混沌同步的谐波参数估计 |
3.3.1 变量替代混沌同步设计 |
3.3.2 仿真实验 |
3.3.3 结论 |
3.4 基于线性误差反馈同步的谐波参数估计 |
3.4.1 统一混沌系统误差反馈同步 |
3.4.2 混沌同步控制器设计 |
3.4.3 仿真实验 |
3.4.4 结论 |
3.5 基于非线性反馈混沌同步的谐波参数估计 |
3.5.1 统一混沌系统非线性反馈同步 |
3.5.2 仿真实验 |
3.5.3 结论 |
3.6 基于反馈系数自适应控制混沌同步的谐波参数估计 |
3.6.1 统一混沌系统自适应反馈同步 |
3.6.2 仿真实验 |
3.6.3 结论 |
3.7 基于滤波混沌同步的谐波参数估计 |
3.7.1 统一混沌系统状态变量频谱特征 |
3.7.2 驱动信号滤波同步及其参数估计 |
3.7.3 误差滤波反馈同步参数估计 |
3.7.4 结论 |
3.8 本章小结 |
第4章 基于参数数摄摄动混沌系统统同同步的参数估计 |
4.1 系统参数摄动混沌吸引子估计 |
4.2 基于参数摄动线性误差反馈同步的谐波参数估计 |
4.2.1 参数摄动线性误差反馈同步设计 |
4.2.2 仿真实验 |
4.2.3 结论 |
4.3 基于参数摄动非线性误差反馈同步的谐波参数估计 |
4.3.1 参数摄动非线性误差反馈同步 |
4.3.2 仿真实验 |
4.3.3 结论 |
4.4 改进的参数摄动混沌同步及其在谐波参数估计应用 |
4.4.1 参数摄动柔性耦合混沌同步 |
4.4.2 仿真实验 |
4.4.3 结论 |
4.5 本章小结 |
第5章 基于参数未知混沌同步的谐波波参参数估计 |
5.1 参数未知混沌同步及其在谐波频率估计中的应用 |
5.2 基于参数未知线性误差反馈混沌同步的谐波参数估计 |
5.2.1 单参数未知谐波参数估计 |
5.2.2 多参量未知下的谐波参数估计 |
5.2.3 结论 |
5.3 基于反馈系数自适应控制的参数未知混沌同步的谐波参数估计 |
5.3.1 单参数未知谐波参数估计 |
5.3.2 多参量未知下的谐波参数估计 |
5.3.3 结论 |
5.4 本章小结 |
第6章 基于异结构混沌同步的谐波波参参数估计 |
6.1 异结构混沌同步及其在谐波参数估计中的应用 |
6.2 基于Lü系统驱动Lorenz系统同步的谐波频率估计 |
6.2.1 Lü系统驱动Lorenz系统同步控制器设计 |
6.2.2 仿真实验 |
6.2.3 结论 |
6.3 基于Lorenz系统驱动Lü系统同步的谐波频率估计 |
6.3.1 Lorenz系统驱动Lü系统同步控制器设计 |
6.3.2 仿真实验 |
6.3.3 结论 |
6.4 本章小结 |
第7章 全文总结 |
参考文献 |
攻读博士学位期间的研究成果 |
致谢 |
中文摘要 |
Abstract |
(7)高分辨谱估计及其在雷达信号处理中的应用研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 引言 |
1.2 雷达成像技术发展与研究现状 |
1.3 雷达成像算法与谱估计 |
1.4 基于高阶累计量的谐波恢复 |
1.5 雷达目标高分辨距离像 |
1.6 本文的主要研究工作及章节安排 |
第2章 经典谱估计方法 |
2.1 引言 |
2.2 周期图谱估计 |
2.2.1 周期图谱估计方法的性能分析 |
2.2.2 平均周期图谱估计方法 |
2.3 谐波恢复中的周期图谱估计分析与仿真 |
2.4 经典谱估计方法的特点 |
第3章 超分辨谱估计方法 |
3.1 基于AR模型谱估计方法 |
3.1.1 AR模型原理 |
3.1.2 AR模型谱估计实验仿真结果 |
3.1.3 小结 |
3.2 基于样本相关矩阵特征分解的谐波恢复方法 |
3.2.1 谐波信号模型与样本相关矩阵特征分解法 |
3.2.2 MUSIC方法 |
3.2.3 MUSIC算法谐波恢复方法仿真 |
3.2.4 PISARENKO方法 |
3.2.5 PISARENKO算法谐波恢复方法仿真结果 |
3.2.6 MUSIC法与PISARENKO法小结 |
3.3 超分辨算法总结 |
第4章 基于高阶累积量最优加窗曲面积分的谱估计方法 |
4.1 引言 |
4.2 高阶累积量及其性质 |
4.2.1 高阶矩与高阶累积量的定义 |
4.2.2 高斯信号的高阶矩和高阶累积量 |
4.2.3 四阶累积量的公式表达 |
4.3 小样本四阶累积量及其存在的问题 |
4.4 一种新的高阶统计量:四阶累积量的最优加窗曲面积分 |
4.5 实验仿真结果 |
4.6 小结 |
第5章 基于噪声功率补偿的限带最小二乘谱估计方法 |
5.1 引言 |
5.2 基于限带外推准则的最小二乘谱估计算法 |
5.3 实验仿真结果 |
5.4 小结 |
总结与展望 |
参考文献 |
致谢 |
附录A 攻读学位期间发表的论文 |
(8)基于高阶统计量的电力系统间谐波检测与应用研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题研究的背景 |
1.1.1 间谐波的定义 |
1.1.2 间谐波的来源 |
1.1.3 间谐波的危害 |
1.2 间谐波检测的研究现状及存在问题 |
1.3 本论文的主要工作 |
2 高阶统计量 |
2.1 引言 |
2.2 高阶矩和高阶累积量 |
2.2.1 高阶矩和高阶累积量的定义 |
2.2.2 平稳随机过程的矩和累积量 |
2.2.3 各态遍历性 |
2.3 高斯过程的高阶矩和高阶累积量 |
2.4 高阶矩和高阶累积量的性质 |
2.5 高阶累积量的估计 |
2.6 小结 |
3 功率谱估计的数学模型及求解方法 |
3.1 引言 |
3.2 基于参数模型方法的功率谱估计 |
3.2.1 平稳随机信号的参数模型 |
3.2.2 ARMA 模型的参数求解 |
3.2.3 Prony 指数模型及求解 |
3.3 基于非参数模型方法的功率谱估计 |
3.3.1 相关阵的特征分解 |
3.3.2 Pisarenko 谐波分解 |
3.3.3 多信号分类(MUSIC)法 |
3.4 小结 |
4 基于高阶统计量的间谐波检测 |
4.1 引言 |
4.2 间谐波信号的四阶累积量 |
4.3 基于四阶累积量线性预测法的间谐波频率检测 |
4.4 基于四阶累积量MUSIC 法的间谐波频率检测 |
4.4.1 算法实现 |
4.4.2 仿真实验 |
4.5 间谐波幅值和相位的估计 |
4.6 小结 |
5 基于高阶统计量的超特高压线路单相故障判别研究 |
5.1 引言 |
5.2 超特高压线路单相故障性质判别 |
5.2.1 发生故障时的故障相电压特性 |
5.2.2 基于功率谱的永久性故障判别方法 |
5.3 仿真系统的建立 |
5.4 仿真实验 |
5.5 小结 |
6 总结与展望 |
致谢 |
参考文献 |
附录 |
A. 作者在攻读硕士学位期间发表的论文 |
B. 作者在攻读学位期间取得的科研成果 |
(9)基于非参量法的谐波频率估计研究(论文提纲范文)
摘要 |
Abstract |
第一章 引言 |
1.1 本课题的研究意义 |
1.2 谐波频率估计技术的发展及现状 |
1.3 谐波频率估计的研究方法 |
1.4 论文的研究内容、创新及组织 |
第二章 基于FFT算法的谐波频率估计 |
2.1 引言 |
2.2 信号的谐波模型 |
2.3 影响FFT频谱分析的因素分析 |
2.3.1 FFT中的泄漏现象 |
2.3.2 栅栏效应 |
2.3.3 采样误差 |
2.4 基于同步思想的FFT谐波频率估计 |
2.4.1 均匀采样问题 |
2.4.2 基于理想序列估计的谐波频率分析 |
2.4.3 基于理想序列非均匀采样逼近的谐波频率估计 |
2.4.4 理想序列非均匀采样逼近频率估计的精度问题 |
2.5 FFT加窗插值问题 |
2.6 基于FFT旋转不变性的正弦信号的频率估计 |
2.7 仿真分析 |
2.8 小结 |
第三章 FFT分析的频率细化问题 |
3.1 引言 |
3.2 DFT的频率分辨率 |
3.3 FFT细化方法探讨 |
3.3.1 细化方法 |
3.3.2 ZFFT与CZT的频谱分析比较 |
3.3.3 Zoom-FFT细化方法的改进 |
3.3.4 仿真研究 |
3.4 小结 |
第四章 基于信号空间分解的谐波频率估计 |
4.1 引言 |
4.2 信号模型描述 |
4.3 基于噪声子空间的谐波频率估计 |
4.3.1 MUSIC算法 |
4.3.2 MUSIC算法的统计性能分析 |
4.3.3 基于FFT有限域搜索的快速MUSIC法频率估计 |
4.4 基于信号子空间的谐波频率估计 |
4.4.1 ESPRIT算法 |
4.4.2 ESPRIT算法的性能分析 |
4.4.3 一种基于数据矩阵的快速ESPRIT实现 |
4.5 小结 |
第五章 噪声环境MUSIC法谐波频率估计的进一步探讨 |
5.1 引言 |
5.2 基于噪声调制原理的MUSIC法微弱信号检测 |
5.3 基于FFT旋转不变性的MUSIC法微弱信号检测 |
5.4 多重自相关法微弱信号谐波频率检测 |
5.5 基于互四阶累积量的MUSIC法谐波频率估计 |
5.6 噪声环境谐波频率估计的仿真研究 |
5.7 小结 |
第六章 总结 |
致谢 |
参考文献 |
个人简历、在学期间的研究成果及完成的科研项目 |
(10)基于四元数的谐波信号与矢量阵列信号多参量估计算法研究(论文提纲范文)
提要 |
第一章 绪论 |
1.1 引言 |
1.2 高阶统计量的发展概况 |
1.3 四元数理论及其在信号处理中应用的概况 |
1.3.1 四元数理论的发展概况 |
1.3.2 四元数在信号处理中的应用概况 |
1.4 矢量阵列信号处理的研究现状 |
1.4.1 矢量传感器 |
1.4.2 矢量阵列信号处理及其存在的问题 |
1.5 谐波信号参量估计的研究现状 |
1.5.1 一维谐波信号参量估计的研究现状 |
1.5.2 二维谐波信号参量估计的研究现状 |
1.6 本文的研究内容 |
第二章 基础知识 |
2.1 矩阵代数的相关知识 |
2.1.1 特征值与特征向量 |
2.1.2 广义特征值与广义特征向量 |
2.1.3 矩阵的奇异值分解 |
2.1.4 Toeplitz 矩阵 |
2.2 高阶统计量 |
2.2.1 高阶矩、高阶累积量和高阶谱 |
2.2.2 累积量性质 |
2.2.3 高斯随机过程的高阶累积量 |
2.2.4 随机场的累积量与多谱 |
2.2.5 二维随机场的高阶矩及高阶累积量估计子 |
2.3 四元数及四元数矩阵 |
2.3.1 四元数 |
2.3.2 四元数矩阵及其复表示 |
2.3.3 四元数矩阵的右特征值分解 |
第三章 色噪声背景下基于四元数MUSIC 方法的矢量阵列信号多参量估计 |
3.1 概述 |
3.2 矢量阵列信号观测模型 |
3.3 四元数矩阵的右特征值分解算法 |
3.4 色噪声背景下矢量阵列信号多参量估计算法 |
3.5 仿真实验 |
3.6 本章小结 |
第四章 基于四元数的一维谐波信号多参量联合估计 |
4.1 概述 |
4.2 一维谐波信号的四元数模型 |
4.3 基于四元数的一维谐波信号多参量联合估计算法 |
4.4 仿真实验 |
4.5 本章小结 |
第五章 非高斯有色噪声背景下基于累积量投影的二维谐波信号参量估计 |
5.1 概述 |
5.2 二维谐波信号的观测模型 |
5.3 二维谐波信号参量估计的累积量投影算法 |
5.3.1 基于累积量投影定理的非高斯有色噪声的自相关估计 |
5.3.2 二维谐波信号频率估计 |
5.4 仿真实验 |
5.5 本章小结 |
第六章 全文总结 |
参考文献 |
攻读硕士学位期间的研究工作 |
摘要 |
Abstract |
致谢 |
导师及作者简介 |
四、用四阶累积量实现谐波信号频率与功率谱估计(论文参考文献)
- [1]无人机图传信号检测与调制识别方法研究[D]. 郭李强. 西安理工大学, 2020(01)
- [2]运动目标被动声呐信号频域分析关键技术研究[D]. 郭微. 哈尔滨工程大学, 2020(04)
- [3]舰船地震波信号特性分析与应用研究[D]. 韩雪. 哈尔滨工程大学, 2020(04)
- [4]MHD角速度传感器微弱信号处理方法研究[D]. 杨乐. 天津大学, 2018(06)
- [5]子空间分解类算法在轧辊偏心信号提取中的应用研究[D]. 王洪希. 北京科技大学, 2015(06)
- [6]混沌噪声背景下谐波参数估计方法研究[D]. 孙晓东. 吉林大学, 2009(08)
- [7]高分辨谱估计及其在雷达信号处理中的应用研究[D]. 程凡永. 湖南大学, 2009(01)
- [8]基于高阶统计量的电力系统间谐波检测与应用研究[D]. 张经纬. 重庆大学, 2008(06)
- [9]基于非参量法的谐波频率估计研究[D]. 蒋毅. 电子科技大学, 2008(04)
- [10]基于四元数的谐波信号与矢量阵列信号多参量估计算法研究[D]. 张坤雷. 吉林大学, 2007(02)