用于正弦波频率估计的修正I-Rife算法

对正弦波信号的频率估计是雷达领域常见的问题。当真实频率接近量化频点时,I-Rife算法的频移因子的计算会产生较大误差,为提高频率估计的精度,本文通过分析Rife及I-Rife算法的性能及误差产生的原因,利用频谱细化的方法,提出了一种修正I-Rife算法,即用峰值频点左右各0.5点处的频谱幅值来替代频谱峰值点的幅值和次大值频点处的幅值进行插值计算,对频率偏移值进行更为准确的估计,在计算量与I-Rife算法几乎相同的情况下,有效地提高了频率的估计精度。仿真结果表明,改进后的I-Rife算法整体性能优于I-Rife算法,且估计的均方根误差更接近于克拉美-罗下界。

基于修正Rife算法的正弦波频率估计及FPGA实现

Rife算法的基础上,通过对输入信号进行频谱搬移,给出了一种修正Rife(MRife)算法。该算法易于并行实现。Monte Caro仿真表明,MRife算法具有频率估计精度高、整个量化频率范围内性能平稳等优点。当SNR(信噪比)大于0 dB时,MRife算法频率估计均方根误差接近克拉美-罗限(CRB,Cramer-Rao bound)。为了提高算法FPGA实现时的系统运行速度,提出使用FFT运算后的实/虚部代替FFT模进行插值,仿真表明对MRife算法性能影响不大。最后,将MRife算法在单片FPGA芯片内进行了硬件设计。布局布线后的时序仿真结果表明,该设计能够对输入数据速率为200 MHz的信号进行实时频率估计,数据不堆积。

基于FFT并二次修正的Rife频率估计算法

针对修正Rife(M-Rife)算法在低信噪比条件下频率估计性能下降的问题,提出一种改进的频率估计算法。首先利用最佳修正因子对快速傅里叶变换(Fast Fourier Transform,FFT)最大谱线进行修正,然后用校正的Rife法公式估计频率。若被估计信号频率接近于FFT量化频率,则对信号进行频移以使信号频率位于两相邻量化频率中心,再用校正的Rife法公式估计频率。频移过程中采用Quinn法来确定频移方向。仿真结果表明:改进算法不仅在整个被估计的频段内具有较高估计精度,均方根误差接近于CRLB,而且具有低信噪比门限,整体性能要优于M-Rife法。改进算法能够满足反潜鱼雷主动声引信提取目标回波多普勒频率的应用要求。

基于Quinn算法与改进的Rife算法的正弦信号频率估计

针对Rife算法在信噪比较低或相对偏差较小时,存在插值方向错误的情况,结合传统的Quinn算法,提出一种利用相对偏差对FFT变换后的信号进行估计的新算法;利用主瓣内最大幅值与次大幅值的中间幅值,对较大偏差的Rife算法进行改进.仿真结果表明,新算法估计误差小,估计性能优于传统的Rife算法和Quinn算法.

基于改进的Rife测频算法及其FPGA实现

为了提高数字接收机的测频精度,文中在分析Rife算法性能的基础上,提出了一种改进的Rife测频算法,并对该算法的原理和FPGA实现步骤进行了详细说明。仿真结果表明,在相同的信噪比条件下,该算法的测频误差小于Rife算法。同时,为了提高算法的运算速度,在利用FPGA实现时,将对数运算利用查找表方法实现,采用减法操作替代除法运算,使测频速度高达240MHz。最终实测结果验证了算法的有效性。

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.

Quinn和Rife-Jane算法用于振弦式传感器频率的精确检测

利用DSP高速、内存较大的特点,对振弦传感器输出信号进行过采样处理,以提高信噪比。提出了将Quinn和Rife-Jane算法结合起来对经过FFT变换后的信号进行精确频率计算。实验证明频率测量误差不大于1%,同时具有较强的抗干扰性。

基于相角判据的Rife算法的涡街信号处理方法

针对涡街信号频率估计中Rife算法在低信噪比、被估计频率接近量化频率时精度较差的问题,分析FFT结果幅值和相角的规律,提出了基于相角判据的Rife算法。对多种噪声环境下的涡街信号以及信号模型进行仿真,结果表明新的判据减小了方向判断错误比例、减小了平均误差,整体性能优于原始Rife算法。处理了实际涡街信号,表明其结果具有较好的一致性。新的相角判据为提高频率估计精度提供了一种新的思路,并且算法简单易于硬件实现。

一种高精度的Rife算法

针对无线数字通信中的载波频偏估计问题,提出一种改进的Rife算法。分析了在Rife算法中估计精度不高的原因,提出了改进方法。利用Rife算法得到频率粗估计,利用自相关函数法得到精估计的方法,只以一定复杂度的代价,提高了Rife算法的估计精度,同时保持了Rife算法估计范围广和复杂度低的优势。给出了改进算法的实现步骤,通过MATLAB仿真实验证明了算法的有效性。

基于三次样条函数的加Rife—Vincent(Ⅲ)窗FFT插值算法

对于插值FFT算法,窗函数类型和宽度是影响计算精度的主要原因。Rife—Vincent(Ⅲ)窗计算精度高,但其频率修正系数公式和复振幅的插值修正函数过于复杂,直接计算运算量大,影响了它的应用。为了减小加Rife—Vincent(Ⅲ)窗插值FFT算法的运算量,采用三次样条插值函数的有效形式计算频率修正系数和复振幅的修正系数,这些公式简单,计算量小。且在分段处连续,分段处的计算值为精确值,仿真计算结果表明,基于三次样条插值函数的加Rife—Vincent(Ⅲ)窗插值FFT算法具有很高的精度。

基于Rife算法的跳频信号瞬时频率估算方法研究

针对Rife算法在被估计信号频率位于量化频率点附近时估计精度较低的问题,提出一种改进的Rife跳频信号频率估计算法。该算法提出利用频谱细化的方法对信号DFT谱中次大谱线的位置进行搬移,从而使信号频率始终位于其DFT谱中两根最大谱线之间的中心区域。同时为了消除Rife算法在信号信噪比较低时,由于插值方向错误而增大的频率估计误差,提出对被估计信号加窗的方法对算法进行进一步的修正。仿真结果表明该算法的估计精度、抗噪性能和稳定性相比于Rife算法都有所提高。

M-Rife频率估计法在测控信号载波捕获中的应用

针对航天测控对载波快速捕获的需求,设计一种能够实现载波快速捕获的方法,即先对导频信号进行频率估计,再将估计得到的频率值置入后续的科斯塔斯环进行处理。Rife频率估计方法的估计误差接近克拉美-罗限,但是当信噪比较低或载波频率在频率分辨率整数倍附近时,此方法有较大的估计误差。为了提高导频信号的频率估计精度,采用修正Rife(M-Rife)频率估计方法。对M-Rife频率估计方法的性能进行仿真分析,并与Rife频率估计方法进行对比,结果表明M-Rife频率估计方法可以有效地提高频率估计精度和稳定度。

基于Rife算法和相位差法的频率估计算法

针对Rife算法在低信噪比条件下被估计频率接近FFT量化频率时估计误差较大,而改变窗长相位差法具有较高的估计精度的特点,文中利用频谱细化技术对Rife算法进行了改进,提出了基于改进Rife算法和改变窗长相位差法正弦波频率估计综合算法,给出了理论计算过程及相关推导公式。仿真结果表明,即使信噪比为-15d B,改进算法仍然具有较高的估计精度而且在整个频段上性能稳定,均方根误差接近克拉美-罗限,且改进算法计算量小,易于硬件实现。

基于I-Rife算法的突发扩频信号捕获系统设计

为了提高突发扩频通信每帧数据的传输利用率,节省捕获时间,设计基于I-Rife算法的突发扩频信号捕获系统。本系统主要分为粗捕获单元和细捕获单元,粗捕获单元通过匹配滤波器捕获码相位和多普勒频率粗估计值,细捕获单元通过I-Rife算法对多普勒频率进行精确估计。研究结果表明:在系统捕获多普勒频率的过程中,I-Rife算法比DFT直接谱估计算法和Rife算法具有更好的频率估计精度和全频段更稳定的频率估计性能;在系统要求的频率精度内,I-Rife算法使用了比DFT直接谱估计算法更少的FFT运算点数,达到了提高数据传输利用率和减少捕获时间的目的,更适合工程应用。

基于M-Rife算法的振弦式传感器精确测频系统设计

针对振弦式传感器测频系统易受噪声干扰,导致测频精度下降的问题,介绍了一种基于M-Rife算法的高精度频率测量方法。结合ARM处理器的硬件结构特点和编程方式,将M-Rife算法移植到ARM处理器上,实现了完整的振弦式传感器精确测频系统。实验结果证明:系统频率测量的相对误差小于0.025%,具有较强的抗干扰能力。

一种快速有效的改进M-Rife算法

在雷达信号的瞬时频率估计算法中,Rife算法举足轻重。Rife算法(双谱线法)在信号最大的两根幅度谱之间进行插值运算,从而获取信号的瞬时频率。此算法的缺点是频率的估计精度与频率的分布密切相关,因而邓振淼提出了修正的Rife算法算法(M-Rife),通过对Rife算法估计得到的频率进行二次Rife算法,以改善Rife算法频率分布不均匀的缺点,大大提高了频率估计的精度,运算量却增加了1倍。在M-Rife算法的基础上,提出了一种减少运算量的改进M-Rife算法,通过将M-Rife算法中的第二次Rife算法中的N点FFT简化为3点FFT运算,大大简化了运算量,且通过实际的运算量分析以及MATLAB仿真,验证了该算法实现的可行性,得出新提出的改进后的M-Rife算法(New-M-Rife算法)能够在较低的运算量下,达到相对准确的测量精度。

基于Rife算法的跳频信号瞬时频率估计算法研究

针对Rife算法在被估计信号频率位于量化频率点附近时估计精度不高的问题,提出一种改进的Rife跳频信号频率估计算法。该算法提出利用频谱细化的方法对信号DFT谱中次大谱线的位置进行搬移,从而使信号频率始终位于其DFT谱中两根最大谱线之间的中心区域。同时为了消除Rife算法在信号信噪比较低时,由于插值方向错误而增大的频率估计误差,论文提出对被估计信号加窗的方法对算法进行进一步的修正。仿真结果表明该算法的估计精度、抗噪性能和稳定性相比于Rife算法都有所提高。

基于Rife算法的LFM信号性能分析

在现代的雷达信号中,线性调频(LFM)信号由于其具有较大的时间带宽积和较强的分辨力而广泛应用,因此其脉内参数的分析至关重要。提出"分段+瞬时频率估计+最小二乘线性拟合+起始频率补偿"的雷达信号脉内分析框架,进而在LFM信号的基础上,利用Rife算法作为瞬时频率估计的算法,对LFM信号的起始频率以及调频斜率等参数进行相应的性能分析,最终实现LFM信号的脉内参数的精确测量。

基于修正的Rife和SVM的辐射源特征提取和识别

对于混有相位噪声的单个正弦信号,修正的Rife算法具有较高的测频精度。提出了基于修正的Rife和支持向量机(SVM)算法的辐射源个体识别方法。分析了频率振荡器的频谱特征,阐述了修正的Rife算法基本原理和SVM的分类思想。通过修正的Rife算法得到较精确的载频和频率偏移2个参量,并作为SVM的2个特征向量,然后利用分类器识别出不同的辐射源个体。最后对实测数据进行特征提取和辐射源的识别研究。通过计算机仿真验证了本文算法的有效性。

一种改进的Rife算法及其在无线电干涉测量中的应用

信号频率和相位是连线干涉测量(CEI)以及甚长基线干涉测量(VLBI)本地相关处理的主要测量元素,其中相位测量精度直接影响着无线电测量精度。在对Rife算法及其改进算法(M-Rife算法)分析的基础上,提出一种新的改进算法(I-Rife算法)。该算法通过增加一次固定频移,解决了M-Rife算法在信号频率位于整数倍FFT频率分辨率附近时频移方向容易出错的问题,估计性能有所提高。对I-Rife算法的误差性能进行分析,其结果表明,改进算法的频率估计误差、相位估计误差分别约为克拉美-罗下限(CRLB)的1.0073倍、2.3562倍。最后,通过蒙特卡罗仿真和无线电干涉测量试验对所提算法的性能进行了验证。