针对谐波信号的波达方向(Direction Of Arrival,DOA)和基频联合估计问题,提出了一种基于单声矢量传感器对谐波信号的波达方向和基频联合估计。首先,使用声矢量传感器接收到信号数据,通过时延数据构造两个阵形相同的子阵。其次,利用快速T...针对谐波信号的波达方向(Direction Of Arrival,DOA)和基频联合估计问题,提出了一种基于单声矢量传感器对谐波信号的波达方向和基频联合估计。首先,使用声矢量传感器接收到信号数据,通过时延数据构造两个阵形相同的子阵。其次,利用快速TLS-ESPRIT(Total Least Squares-Estimating Signal Parameter via Rotational Invariance Techniques,TLS-ESPRIT)算法,对接收数据的自相关矩阵特征分解。最后,提取出特征值和特征向量中包含的角度和基频信息,得到目标的方位和基频估计。为了验证算法的性能,选取了9元声压阵列TLS-ESPRIT算法、波达方向矩阵算法以及TLS-ESPRIT算法作为对比算法进行测试。实验结果表明,对谐波信号的波达方向和基频联合估计问题,该算法的估计精度是最优的。展开更多
文摘针对谐波信号的波达方向(Direction Of Arrival,DOA)和基频联合估计问题,提出了一种基于单声矢量传感器对谐波信号的波达方向和基频联合估计。首先,使用声矢量传感器接收到信号数据,通过时延数据构造两个阵形相同的子阵。其次,利用快速TLS-ESPRIT(Total Least Squares-Estimating Signal Parameter via Rotational Invariance Techniques,TLS-ESPRIT)算法,对接收数据的自相关矩阵特征分解。最后,提取出特征值和特征向量中包含的角度和基频信息,得到目标的方位和基频估计。为了验证算法的性能,选取了9元声压阵列TLS-ESPRIT算法、波达方向矩阵算法以及TLS-ESPRIT算法作为对比算法进行测试。实验结果表明,对谐波信号的波达方向和基频联合估计问题,该算法的估计精度是最优的。
文摘辨识模态参数是准确获得风机塔架结构动态特性的基础。由于风力机叶片上的重力和风切变引起的气动载荷都会周期性地改变大小和方向及受到桨叶螺距等周期载荷的影响,运行中的风力机表现为线性时间-周期(Linear time-periodic)系统。提出一种基于响应信号的运行中风机塔架工作模态分析辨识方法。以长度为60 m的风机塔架结构为研究对象,利用Periodic past output multivariable output-error state space(简称Periodic PO-MOESS)算法,对受到周期激励信号作用的结构进行模态辨识,并比较辨识结果和仿真结果的差异。讨论周期激励下该算法辨识结构模态参数的可行性,并分析在白噪声工况下的辨识结果精度,结果表明该算法可以有效识别运行中风力机系统的模态参数,且具有良好抗噪性能。
