基于自相关检测法和能量重心法的正弦信号频率估计算法

为了提高淹没在高斯白噪声中的实正弦信号的频率估计精度,提出了一种综合的结合自相关检测法和能量重心法的正弦信号频率估计算法。该算法首先通过多次自相关运算对输入信号进行预处理,可检测出淹没在噪声中的微弱正弦信号,来提高信噪比;然后对信号进行FFT(fast fourier transform)运算可得信号的功率谱,通过搜索最大值谱线的位置可粗估计出信号频率;最后运用离散频谱能量重心法,可精确估计出正弦信号的频率。仿真结果表明本算法在整个频段上频率估计性能比较稳定、频率估计的均方根误差更小,性能优于Rife算法、Quinn算法和能量重心法,并易于硬件实现,具有工程实用价值。     

一种基于状态空间实现的频率估计与频率时延联合估计算法的研究

提出了一种基于状态空间实现的正弦信号的频率、时延联合估计新方法,其频率估计由状态过渡矩阵的特征值获得,同时时延估计则由观测矩阵和估计的频率给出,用正弦信号验证了该方法的性能.     

一种样点缺失条件下的跳频信号参数估计方法

在样点随机缺失条件下研究跳频信号参数估计问题具有现实意义。 针对样点缺失条件下线性时 频分析方法失效的问题, 提出了一种基于正交匹配追踪(orthogonal matching pursuit, OMP) 和卡尔曼滤波 (Kalmanfilter,KF) 的跳频信号参数实时估计方法。 该方法对信号加滑动窗, 将窗内样点随机缺失建模为 一个信号稀疏表示问题, 傅里叶正交基作为过完备字典, 利用 OMP 直接估计窗内信号频率而不需要恢复信 号。 KF 针对估计得到的信号频率进行平滑, 当频率跳变时, KF 的频率预测值将严重偏离历史值和频率估 计值, 偏离程度作为跳变时刻估计的依据。 仿真结果和对比实验表明, 在样点没有缺失时, 该方法具有更优 的跳频信号参数估计性能, 在滑动窗长足够并满足信号稀疏度要求时, 即使在样点缺失的条件下, 依然可以 获得有效的跳频信号参数估计结果。     

频率估计的多段差频正弦信号加权融合算法

针对多段差频正弦信号,提出一种基于加权融合的频率估计算法,用以提高低信噪比条件下短时正弦信号的频率估计精度,扩展多段信号融合法的适用范围。为消除各段信号频率不等对频谱分析的影响,根据各段信号间频率差生成差频修正矩阵,对多段差频正弦信号频谱进行同频化处理;为消除各段信号相位不连续对频谱分析的影响,构造具有相位连续特性和降噪特性的加权因子,对同频化的多段差频正弦信号频谱进行加权融合,得到最优加权融合频谱;最后,谱峰搜索最优加权融合频谱,实现高精度频率估计.仿真实验表明,与现有算法相比本文算法估计精度高、抗噪性好、普适性好,特别在低信噪比、短时时宽下性能优良.     

改进的AR模型谱估计法提取载波频率

介绍了一种利用改进的现代谱估计方法来估计通信信号载波频率的算法 .把载波的提取看成受到干扰的正弦信号的频率估计 .首先对通信信号进行AR建模 ,求出AR模型表达式的零极点 ,再考虑这些零极点的频率响应 ,去掉那些对频率精度影响较大的零极点 ,这样就可以提高谱估计方法的精度     

正弦信号频率估计算法研究

为精确估计噪声中正弦信号的频率,研究了任意长度正弦信号的频率估计算法.取2的整数次幂个数据样本点,基于谱线插值算法估计短序列的频率.根据信号的频率、频率分辨率及最大谱线对应的索引值之间的关系,确定原信号傅里叶变换(DFT)幅度最大谱线对应的索引值.利用谱线插值解决了任意长度正弦信号的频率估计问题.仿真结果表明:该算法的性能不随信号频率的变化而变化,在整个频段范围内比较稳定,均接近正弦波信号频率估计的克拉美-罗限.     

一种衰减信号加窗频域插值算法

为了提高多频衰减正弦信号参数估计的精度,提出了一种加窗频域插值算法.先利用信号加窗技术对时域信号施加Hanning窗,然后利用频域插值方法计算出频率和衰减因子等参数值.结合Hanning窗和频域插值的方法,不仅可减小远程泄漏的影响,而且也消除了短程泄漏的影响,从而提高了对多频衰减正弦信号参数估计的精度.通过对算法的参数变化、噪声干扰和谱线分辨率的敏感性分析表明,即使在较强的噪声干扰和频谱泄漏下,算法依然具有较高的估计精度和稳定性,且计算效率高,内存占用低,因此较适合于对计算资源要求苛刻的信号特征提取场合,为机械冲击故障特征的提取提供了一种可选方法.     

基于自相关函数相位的频率估计方法方差分析

为了分析基于自相关函数相位频率估计方法的性能,推导了加性高斯白噪声背景中正弦信号观测数据的相关函数相位噪声的表示式,得到了相位噪声方差的计算公式和基于自相关函数相位的频率估计方差的计算公式,给出了此类频率估计方法的估计方差与信噪比、观测数据长度以及对相关函数相位差进行平滑时利用的相关函数的点数关系.仿真结果与该文给出的公式计算结果吻合很好.     

采用BP神经网络的基波高精度检测方法

提出一种基于BP(Back Propagation)神经网络的电网基波频率和幅值的高精度检测方法。正弦信号过零点两侧对称两点连线与时间轴的交点和频率满足单调关系,但并非严格的线性关系,而且与幅值无关,据此用BP神经网络建立该交点与频率的映射关系,并提出了对称点优化选取方法。仿真表明,提出的算法对频率的检测精度达到10-4,幅值的检测精度高达10-5,远远高于普通傅里叶变换(Fast Fourier Transfromation, FFT)算法和FFT加Hanning窗算法;随机噪声和谐波对该方法测量精度的影响很小,具有较强的抗干扰能力。     

用数字信号处理技术实现电源频率的无噪声检测

常规的测量电源系统工作频率的方法易受噪声和谐波的影响。该文介绍一种用来测量电源系统工作频率的新方法。该方法基于数字信号处理技术,采用滑动数据窗算法,能对电源频率附近40Hz范围内频率信号进行正确地无噪声检测,并易于用现有技术实现。文中详细介绍了该测量系统的设计、算法以及采用数字信号处理技术的实现方法。