叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal clas...叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal classification,MUSIC)能实现抗混叠但无法充分发挥平滑方法的优势。因此,提出适用于叶端定时信号处理的前后向平滑MUSIC法,通过建立传感器的对称布局条件,利用前后向平滑方法代替前向平滑方法,得到更准确的自相关矩阵估计,进而提高叶片固有频率估计性能,并通过仿真和试验验证了在样本数量、算法参数等相同的情况下,前后向平滑MUSIC法的混叠与噪声抑制能力得到了提升。展开更多
针对傅里叶方法估计线性调频连续波差频信号频率在小尺度上精度低的缺陷,提出利用多重信号分类法(Multiple Signal Classification,MUSIC)估计差频信号频率。该方法在频域上对自相关功率谱进行信号和噪声的空间分解,利用信号空间和噪声...针对傅里叶方法估计线性调频连续波差频信号频率在小尺度上精度低的缺陷,提出利用多重信号分类法(Multiple Signal Classification,MUSIC)估计差频信号频率。该方法在频域上对自相关功率谱进行信号和噪声的空间分解,利用信号空间和噪声空间的正交性,完成对信号频率的超分辨估计。仿真计算和实验室测试表明,该方法有效减小了距离分辨单元的影响,其单一目标距离测量精度优于傅里叶法。展开更多
多重信号分类(Multiple Signal Classification,MUSIC)法在估计多信号频率时需要对采样数据序列的自相关矩阵进行特征值分解,并准确划分出信号和噪声子空间,使得其计算量比较大。利用自相关矩阵的Toeplitz特性快速计算其逆矩阵,通过计...多重信号分类(Multiple Signal Classification,MUSIC)法在估计多信号频率时需要对采样数据序列的自相关矩阵进行特征值分解,并准确划分出信号和噪声子空间,使得其计算量比较大。利用自相关矩阵的Toeplitz特性快速计算其逆矩阵,通过计算逆矩阵的多次幂来逼近噪声子空间,避免了MUSIC法的特征值分解和估计信号个数的过程。在谱峰搜索环节,采用先粗估计频率值再在小区间进行精细搜索的策略,能够避免搜索无用的频率范围。计算量比较分析以及与理论克拉美罗界(Cramer-Rao Bound,CRB)的对比验证结果表明,快速方法性能与MUSIC法相当,能够较好地逼近CRB,且计算量更小,适合实时性要求高的应用场合。展开更多
文摘叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal classification,MUSIC)能实现抗混叠但无法充分发挥平滑方法的优势。因此,提出适用于叶端定时信号处理的前后向平滑MUSIC法,通过建立传感器的对称布局条件,利用前后向平滑方法代替前向平滑方法,得到更准确的自相关矩阵估计,进而提高叶片固有频率估计性能,并通过仿真和试验验证了在样本数量、算法参数等相同的情况下,前后向平滑MUSIC法的混叠与噪声抑制能力得到了提升。
文摘针对傅里叶方法估计线性调频连续波差频信号频率在小尺度上精度低的缺陷,提出利用多重信号分类法(Multiple Signal Classification,MUSIC)估计差频信号频率。该方法在频域上对自相关功率谱进行信号和噪声的空间分解,利用信号空间和噪声空间的正交性,完成对信号频率的超分辨估计。仿真计算和实验室测试表明,该方法有效减小了距离分辨单元的影响,其单一目标距离测量精度优于傅里叶法。
文摘多重信号分类(Multiple Signal Classification,MUSIC)法在估计多信号频率时需要对采样数据序列的自相关矩阵进行特征值分解,并准确划分出信号和噪声子空间,使得其计算量比较大。利用自相关矩阵的Toeplitz特性快速计算其逆矩阵,通过计算逆矩阵的多次幂来逼近噪声子空间,避免了MUSIC法的特征值分解和估计信号个数的过程。在谱峰搜索环节,采用先粗估计频率值再在小区间进行精细搜索的策略,能够避免搜索无用的频率范围。计算量比较分析以及与理论克拉美罗界(Cramer-Rao Bound,CRB)的对比验证结果表明,快速方法性能与MUSIC法相当,能够较好地逼近CRB,且计算量更小,适合实时性要求高的应用场合。
