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。

面向FMCW激光雷达的修正Rife算法设计与硬件实现

FMCW激光雷达以其高精度、抗干扰能力强、同时测距测速等特点得到了广泛研究。针对FFT固有栅栏效应引入测距、测速误差的问题,通过分析频谱幅值和相角的规律,并结合正弦函数原理提出了一种易于硬件实现的修正Rife算法,有效地降低了传统Rife算法在估计频率接近FFT量化频率点时的误差。通过仿真和FPGA验证,修正Rife算法在信噪比为-10dB时相较于传统Rife算法平均误差降低了69.6%,均方根误差降低了50.7%,而计算量仅增加了两个乘法和加法,与N点FFT计算量相比可忽略不计。最后,通过搭建光学测试平台,模拟激光雷达中频回波信号验证了该算法的有效性。测试结果显示,该算法可在112m范围内实现同时测距测速,测距误差不大于5cm,测速误差不大于0.16km/h,满足实时性要求。

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。

基于幅值-相角判据的修正Rife正弦波频率估计算法

机械工程领域普遍存在正弦信号,为提高频率估计精度,提出了一种基于幅值-相角判据的修正Rife算法,即A-P-Rife算法.针对Rife算法接近两相邻量化频率中心区域时估计精度接近克拉美-罗限(CRLB)的性能特点,对信号进行FFT变换得到幅值和相角并计算出频移因子.通过设定门限值,对频移因子进行判断,满足门限值的信号采用Rife算法进行估计,不满足门限值的信号则采用相角判据进行估计,以获得更高的估计精度.仿真结果表明:在频率估计性能上,所提算法优于原始Rife算法、相角判据算法和M-Rife算法,其与I-Rife算法性能接近,但计算量小于I-Rife算法.修正Rife算法可有效提高频率估计精度,降低误判率并减少计算量,可应用于工程中的实时频率估计.

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。

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。