简介:对于极化敏感L型阵列的多参数联合估计问题,采用传统的多重信号分类(MUSIC)算法所需计算量大,采用旋转不变子空间(ESPRIT)算法需要考虑参数配对问题。提出了模值约束下的求根多重信号分类(root-MUSIC)算法,首先利用L型阵列中两个相互垂直的线阵构造两子阵接收数据的自相关函数,采用root—MUSIC算法进行波达方向角(DOA)估计,然后根据模值约束条件构造代价函数,通过闭合式解得到极化参数估计。该算法与传统MUSIC算法相比,大大减少了计算量,同时能够实现参数自动配对,避免了ESPRIT算法的不足。计算机仿真结果表明,该算法的角度估计性能与传统MUSIC算法接近,优于ESPRIT算法,且算法收敛速度快。
简介:传统基于卷积高斯窗的电能计量方法,忽略了实时有效功率、实时功率因数的有效计算,导致电能计量与采集结果存在偏差。构建电力电能计量与采集网格化融合体系,该体系由主控单元、以太网传输、电能计量以及电能计量信息采集等部分构成;采用计及精确化功率因数方法,根据实时有功率、实时无功率、步长时间计算步长时间段内的力调电量值,求其总和,实现电能计量;利用RFID电子标签采集电能计量信息,内置于电能表内的RFID电子标签包括RFID标签芯片和天线,RFID标签芯片将采集到的信息以无线传输的方式传递给手持抄表设备,实现电力电能计量信息的采集。实验结果表明,所构建体系在电能计量方面准确率高达99.4%,平均用时仅为3.6s,能够有效实现电能计量与采集。