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.     

基于双门限判决修正Rife算法的正弦信号频率估计

针对正弦信号频率估计复杂度和性能难以兼顾的问题,提出一种基于双门限判决修正Rife算法的频率估计算法。将信号频点划分为3个区域分别采用不同处理方案,具有估计精度高、运算量小的特点,适用于低功耗、低延时等应用场合。仿真结果表明,该方法克服了经典Rife算法在部分频点估计误差大的问题,其频率估计均方根误差距离克拉美罗界仅有0.5dB。与现有其它改进Rife算法相比,该方法在保证估计性能基本不变的前提下大幅降低所需计算量,有利于工程实现。      

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.     

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.     

正弦信号四参数的高精度估计算法

从正弦信号的任意间隔采样序列出发，结合频率的迭代法估计和幅度、相位以及直流偏移的最小二乘法估计，提出了估计正弦信号四个参数（幅度、频率、相位以及直流偏移）的新算法，即四参数估计法，并与直接快速傅立叶变换法和通用相位差法就估计精度进行了仿真比较。结果表明，四参数估计法不但精度较高、抗噪声能力较强，而且能对非等间隔采样信号进行参数估计。     

一种快速高精度的改进Fitz频率估计算法

针对Fitz频率估计算法频率估计方差在高信噪比情况下仍与克拉美劳下限存在着较大差距问题,提出了一种改进的Fitz频率估计算法。首先定义一种广义Kay窗函数加权的修正自相关函数,然后计算修正自相关函数相位的加权和,最终得到复正弦信号的频率估计值。仿真实验结果表明:当数据长度N＝24,信噪比sNr ＝20 dB时,改进算法的频率估计方差降低了约2 dB,且改进算法的计算复杂度与Fitz算法相当。因此,改进算法在满足实时性要求的同时,取得了更高的频率估计精度。     

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。     

基于线性调频Z变换的高性能频率估计

针对短时平稳序列,设计了一种更有效的基于线性调频Z变换(CZT)的改进Rife频率估计器.该估计器借助关于待估频率的先验知识,首先利用正弦采样序列的CZT谱峰左右谱线的对称性情况确定出真实频率的大致位置,然后类似Rife法作出精确频率估计并分析了其性能.蒙特卡罗模拟实验表明相比基于快速傅里叶变换(FFT)的Rife法,该算法具有更高的抗噪性,全频率范围内估计精度更高、估计均方根差十分接近理论克拉美罗下限(CRLB),抵抗相邻近谱分量的干扰能力更强,且可在更短的数据时长条件下进行高性能频率估计,非常适合于平稳性差、性能要求高的各种多分量参数估计场合.     

信号频率方向及模型误差联合估计的优化算法

为解决高分辨阵列测向问题,讨论了空间信号频率／方向及阵列模型误差联合估计的全局优化算法,改变了已有迭代算法可能只收敛于局部最优点的弊端,保证算法收敛于全局最优点。计算机模拟结果表明：该算法能够同时对空间到达信号频率／方向及阵列模型误差进行联合估计,并具有较高的分辨率。     

高斯白噪声中单频复正弦信号频率估计新方法

提出了一种高质量的正弦频率估计新方法,该方法的主要思想是：先对信号自相关矩阵进行特征值分解(Eigen value decompose简称EVD),找到最大特征值,尔后按一定规律构造一个非对称的相关阵,对其进行奇异值分解(Singular value dedecompose简称SVD),选取最小奇异值对应的奇异矢量,利用类似于Pisarenko谱估计方法的计算公式直接进行频率估计。模拟实验表明,在低信噪比(SNR)、短时数据下,利用这种方法进行单频复正弦频率估计,其分辨率和统计稳定性明显优于常规的MUSIC方法。