导读:本文包含了多重信号分类论文开题报告文献综述、选题提纲参考文献，主要关键词:信号,阵列,波束,算法,谐波,声源,空间。
多重信号分类论文文献综述写法
王旭东,仲倩,闫贺,张迪[1]（2019）在《一种二维信号波达方向估计的改进多重信号分类算法》一文中研究指出多重信号分类(MUSIC)算法是一种经典的空间谱估计算法。该文以L型阵列为例,针对2D-MUSIC算法在接收信号信噪比较小时对多个目标中方位相近的目标无法进行准确估计的问题,提出一种改进2D-MUSIC算法。该算法对经典2D-MUSIC算法所构成的协方差矩阵进行共轭重组,并将重组后矩阵的平方与原协方差矩阵的平方进行相加求平均,由此获得新的矩阵,再对该矩阵对应的噪声子空间进行加权处理,选取适当的加权系数构造新的噪声子空间,最后通过谱峰搜索识别出目标位置。计算机仿真结果表明,与2D-MUSIC算法相比,改进后的算法在接收信号信噪比较小时对多个目标中方位相近的目标也能够进行信号波达方向(DOA)估计,提高了L型阵列2维DOA估计的分辨率,具有较好的工程应用价值。(本文来源于《电子与信息学报》期刊2019年09期）
李冰,汪永明,黄海宁[2]（2019）在《基于时域解析估计的多重信号分类波束形成方法》一文中研究指出针对频域多重信号分类(MUSIC)算法估计子空间的不稳定性问题,提出了一种基于时域解析估计子空间的MUSIC(TAMUSIC)波束形成方法.通过Hilbert变换将各阵元时域实数据转变为复解析数据,在时域构建经过时延后的协方差矩阵,利用特征分解求取噪声子空间,并利用噪声子空间自身的正交特性获得来波方向波束.数值仿真及实测数据处理结果表明,与频域MUSIC波束形成方法相比,TAMUSIC波束形成方法可以稳定获取快速运动目标的噪声子空间和来波方向波束,使波束旁瓣级最少降低3 dB,能够有效检测运动目标,且无虚假目标和波束分裂现象,并提高MUSIC波束形成方法在工程应用中的稳定性.(本文来源于《上海交通大学学报》期刊2019年08期）
吴江涛,胡定玉,方宇,朱文发[3]（2019）在《基于Group Lasso的多重信号分类声源定位优化算法》一文中研究指出多重信号分类算法因其抑制噪声能力强、计算速度快等优点,在声源定位领域得到广泛应用。但该算法在中低频段分辨率及聚焦性能较差。针对该问题,提出一种基于Group Lasso的多重信号分类优化算法。该算法将多重信号分类算法输出值作为初始值,并在Group Lasso算法组间计算时对目标信号进行稀疏、在组内计算时对该组信号进行平滑及阈值截断。仿真结果表明:该优化算法在中低频段可明显提高多重信号分类算法分辨率,同时改善因扫描位置与声源面位置不重合引起的聚焦性能下降问题。(本文来源于《应用声学》期刊2019年02期）
王新强,王欢,熊伟,叶松,汪杰君[4]（2018）在《空间外差信号提取中多重信号分类算法准则的影响》一文中研究指出基于空间外差光谱特性,针对传统傅里叶变换算法在光谱复原中的局限性,引入现代谱估计的多重信号分类MUSIC算法进行空间外差信号光谱复原,采用自回归传递函数准则(CAT)对影响谱估计效果的信号空间维数值进行估计.测试结果显示CAT准则直接定维值与最佳结果存在偏差,将CAT准则直接定维值减数值3作为改进后的新准则重新应用于实测数据光谱复原.改进的CAT准则与MUSIC算法配合能够很好地适用于空间外差干涉数据,光谱复原效果优于直接傅里叶变换结果.以光谱角度匹配和均方误差作为改进CAT准则的MUSIC算法谱估计效果评价指标,与理想光谱相比,MUSIC算法对钾盐双谱峰信号处理后复原光谱相似度达到0.764,均方误差为0.040,对氖灯多谱峰信号和处理结果分别为0.806和0.046.复色光结果分别为0.988和0.089.采用改进的CAT准则进行自适应定维的MUSIC算法对空间外差光谱复原具有一定优势,提高了功率谱复原效果.(本文来源于《光子学报》期刊2018年12期）
谢磊,孙超,刘雄厚,蒋光禹,孔德智[5]（2018）在《解卷积的多重信号分类算法方位谱低背景处理方法》一文中研究指出针对信噪比较低时,多重信号分类(Multiple Signal Classification,MUSIC)算法方位谱背景级较高的问题,提出了一种解卷积的MUSIC方位估计算法(Deconvolvecd MUSIC,D-MUSIC)。该方法用一个类似冲激函数作为MUSIC算法输出方位谱的点散射函数(Point Scattering Function,PSF),然后基于解卷积图像复原理论,利用该点散射函数和RichardsonLucy(R-L)迭代算法对MUSIC算法的方位谱进行解卷积,获得D-MUSIC算法的方位谱,达到降低方位谱背景级的目的。仿真表明,该方法继承了MUSIC算法的高分辨性能,且可以明显降低方位谱的背景级,具有较好的方位估计性能。对南海海上试验的水平阵数据进行处理,分析比较了利用MUSIC算法和解卷积MUSIC算法获得的方位谱时间历程图,分析结果有效验证了D-MUSIC算法性能的优越性。(本文来源于《声学学报》期刊2018年04期）
范迪,林自豪[6]（2018）在《基于多重信号分类的空间谱估计算法研究》一文中研究指出本文研究了国内外阵列信号处理技术的发展历程,介绍了对空间信号波达方向(DOA)的分布进行超分辨测向的空间谱估计技术,研究了基于信号特征矢量子空间分解的多重信号分类(MUSIC)算法。(本文来源于《中国无线电》期刊2018年06期）
陈涛,崔岳寒,郭立民[7]（2018）在《适用于单快拍的多重信号分类改进算法》一文中研究指出经典多重信号分类(MUSIC)算法的子空间估计以多快拍数据估计得到的协方差矩阵为基础,在实际应用中,可用的快拍数并不确定。针对这一问题,本文提出了一种适用于单快拍的MUSIC改进算法,即ISS-MUSIC算法。该算法对经典MUSIC测向方法进行了改进,将伪协方差矩阵构造法与共轭增强法相结合。新算法的优点为适用于单快拍,且性能优于未进行共轭增强的基于伪协方差矩阵单快拍MUSIC算法。(本文来源于《吉林大学学报(工学版)》期刊2018年03期）
魏艳鸣,海本斋[8]（2017）在《基于EMD和改进多重信号分类的感应电机故障检测方法》一文中研究指出针对感应电机中多类型故障的检测问题,提出一种基于经验模态分解(EMD)和改进多重信号分类(MUSIC)算法的检测方法。通过采集器采集电机定子的稳态电流信号。利用EMD对稳态电流信号进行时域分解,获得包含丰富故障信息的两个本征模态函数(IMF)。利用MUSIC算法对IMF进行频域分析,获得各类故障的特征频率,同时引入了Prony算法来确定IMF频谱中的幅值。基于故障频域特征,对转子断条、轴承缺陷和转子质量不平衡这3种故障进行检测。实验结果表明,该方法不仅能够应用于单一故障检测,还能够在多故障并发时准确检测出所有故障。(本文来源于《微特电机》期刊2017年07期）
卢洪瑞[9]（2017）在《基于多重信号分类的电力系统谐波间谐波检测方法研究》一文中研究指出当今社会越来越多的非线性电力设备的广泛使用,给社会带来文明与发展的同时也对电力系统性能带来较大影响,如何对电力系统性能的优劣进行检测和评价受到供用电双方和研究人员的广泛关注。因为大量用电设备聚集使用而引起的谐波/间谐波会使电压和电流运行不稳定,从而引发继电保护等设备的错误启停,因为其而引起的安全事故多次发生,电力网络的安全经济输送功能受谐波/间谐波严重影响。因此,对电网中谐波/间谐波的有效检测显得尤为重要和迫切,而其关键是能实时检测和准确测量电网各次谐波/间谐波分量的参数信息。对有限长的时域采样序列使用现代谱估计理论可以进行高频率分辨率观测,即使频率相差很近的两个分量信号也互不影响,避免了DFT法带来频谱泄露和栅栏效应的干扰。本文主要对多重信号分类法在谐波/间谐波分析与检测中的应用进行较深入的研究,主要有以下几点研究内容:现代空间谱估计的MUSIC方法作为重要的分析讨论法及经典MUSIC算法用于电力网络谐波/间谐波检测过程,通过大量仿真实验证明该方法频率分辨率高,没有泄露和栅栏效应的影响,但是对噪声非常敏感,当增大系统噪声时算法性能下降。为了解决该问题,文中对经典MUSIC算法进行了相关改进,即双向序列平滑MUSIC算法,该方法在得到噪声子空间之前对采样序列多次平滑分组,分别进行前向和后向的采样序列整合,即把源采样序列分解为若干个小的子采样序列,由这些子序列得到相应的自相关函数,进而得到各子序列的自相关矩阵。将相关阵各列数据加权平均就是双向序列平滑方法,其综合前向和后向序列平滑的优势,保证了信号的采样数据之间关系更稳健,提高了抗噪性能。分析经典MUSIC方法得知,得到的噪声子空间与信号子空间的关系是影响参数测量的关键问题,因此利用最小模方法对MUSIC算法进行加权修正,主要工作体现在对信号的自相关矩阵特征值分解后进行噪声子空间最小模式的线性变换组合,利用分离组合后的噪声子空间与信号向量的正交关系,得到基于最小模(Minimum Modulus,MNM)MUSIC算法的电力系统谐波/间谐波检测方法,由此求出信号的谱估计后采用扩展Prony方法对信号相关参量进行估计并完善检测信息,仿真实验证明该方法具有较高的检测精度和更高的抗噪性。本文设计了谐波检测与观察系统于LabVIEW2015开发平台中。首先对LabVIEW开发环境进行介绍,包括它具有的特点和优势,LabVIEW还可以与MATLAB软件混合编程,分别概括了LabVIEW自带的MathScript窗口和MatlabScript节点的应用和特点,在系统的功能模块及程序设计中利用了MatlabScript节点。重点讨论了MUSIC算法和MNM-MUSIC算法在不同噪声情况下的信号源数全部被检测到的次数,并以图形界面的形式显示各类信息参数。最后计算检测次数的有效率百分比值,并以表和图的形式对比分析了两种算法的准确度。(本文来源于《江苏科技大学》期刊2017-06-15）
聂益芳[10]（2017）在《基于波束空间的多重信号分类算法》一文中研究指出针对在实际应用环境中偏差和扰动不可避免的情况,提出了基于波束空间的多重信号分类算法。通过引入波束空间预处理技术来对误差进行校正,经过理论和仿真分析验证,基于波束空间MUSIC的算法估计方差比经典MUSIC算法大,但是它的信噪比门限明显降低且计算量更小。(本文来源于《数码世界》期刊2017年06期）
多重信号分类论文开题报告范文
（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：
针对频域多重信号分类(MUSIC)算法估计子空间的不稳定性问题,提出了一种基于时域解析估计子空间的MUSIC(TAMUSIC)波束形成方法.通过Hilbert变换将各阵元时域实数据转变为复解析数据,在时域构建经过时延后的协方差矩阵,利用特征分解求取噪声子空间,并利用噪声子空间自身的正交特性获得来波方向波束.数值仿真及实测数据处理结果表明,与频域MUSIC波束形成方法相比,TAMUSIC波束形成方法可以稳定获取快速运动目标的噪声子空间和来波方向波束,使波束旁瓣级最少降低3 dB,能够有效检测运动目标,且无虚假目标和波束分裂现象,并提高MUSIC波束形成方法在工程应用中的稳定性.
（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。
多重信号分类论文参考文献
[1].王旭东,仲倩,闫贺,张迪.一种二维信号波达方向估计的改进多重信号分类算法[J].电子与信息学报.2019
[2].李冰,汪永明,黄海宁.基于时域解析估计的多重信号分类波束形成方法[J].上海交通大学学报.2019
[3].吴江涛,胡定玉,方宇,朱文发.基于GroupLasso的多重信号分类声源定位优化算法[J].应用声学.2019
[4].王新强,王欢,熊伟,叶松,汪杰君.空间外差信号提取中多重信号分类算法准则的影响[J].光子学报.2018
[5].谢磊,孙超,刘雄厚,蒋光禹,孔德智.解卷积的多重信号分类算法方位谱低背景处理方法[J].声学学报.2018
[6].范迪,林自豪.基于多重信号分类的空间谱估计算法研究[J].中国无线电.2018
[7].陈涛,崔岳寒,郭立民.适用于单快拍的多重信号分类改进算法[J].吉林大学学报(工学版).2018
[8].魏艳鸣,海本斋.基于EMD和改进多重信号分类的感应电机故障检测方法[J].微特电机.2017
[9].卢洪瑞.基于多重信号分类的电力系统谐波间谐波检测方法研究[D].江苏科技大学.2017
[10].聂益芳.基于波束空间的多重信号分类算法[J].数码世界.2017