基于FFT和多重信号分类算法的高精度相干光相移键控信号频率偏移估计算法研究(英文)

针对相移键控(MPSK)相干光通信系统中的频率偏移,最常用的两种算法是基于差分相位或者FFT最大值的算法,但是当数据长度较短时,两种算法均很难实现MHz的估计误差,这将使得后续载波相位恢复估计很难恢复原始数据。为满足MPSK系统中频率偏移估计算法高精度和实时性的要求,首次将多重信号分类算法引入该问题,提出一种基于快速傅里叶变换和多重信号分类的频率估计算法,该算法在数据较短时精度很高。利用基本原理和流程图对算法加以说明,并进行了20-GBaud/s QPSK相干光系统仿真实验验证算法切实可行。

基于多重信号分类法的线性调频差频频率估计

针对傅里叶方法估计线性调频连续波差频信号频率在小尺度上精度低的缺陷,提出利用多重信号分类法(Multiple Signal Classification,MUSIC)估计差频信号频率。该方法在频域上对自相关功率谱进行信号和噪声的空间分解,利用信号空间和噪声空间的正交性,完成对信号频率的超分辨估计。仿真计算和实验室测试表明,该方法有效减小了距离分辨单元的影响,其单一目标距离测量精度优于傅里叶法。

基于多重信号分类法的一种声矢量阵方位估计算法

为了提高声矢量阵高分辨方位估计的性能,文中提出了一种矢量阵MUSIC方位估计算法。该算法先构造声矢量阵声压和振速组合输出的互协方差矩阵,然后进行MUSIC方位估计。理论分析和计算机仿真表明,文中算法比传统声矢量阵MUSIC方位估计算法有更好的双目标分辨能力和弱目标方位估计能力,湖试结果也表明文中算法有更好的目标方位估计性能。该算法基于矢量传感器声压和振速的相干性原理,充分利用声压振速组合指向性抗干扰能力,可以更好地抑制各向同性干扰,提高阵列的处理增益,从而有更好的方位估计性能。

LFM信号参数联合估计新方法——域频率相差法

采用分数阶傅里叶变换域频率分析方法,针对线性调频连续波信号分数阶傅里叶变换的特性,提出了分数阶域相差法,可以在低信噪比条件下对线性调频连续波信号进行检测,获得多普勒频移与实验的精确参数估计。同时时频参数联合估计中不必进行二维搜索,具有快速、高效的特点。计算机仿真结果表明了该方法的有效性。

混沌噪声背景下周期小信号频率估计新方法

利用待测小信号的周期性及混沌信号的相关特性,提出一种将倍频法与经验模式分解法相结合的混沌噪声背景下周期小信号频率估计的新方法。首先利用相关法对原始混合信号进行初步去噪处理,再利用倍频法与经验模式分解法对信号进行自适应分解,最后对分解出来的固有模态函数进行交叉功率谱分析,估计出周期小信号频率。该方法适用于强混沌信号与强观测噪声为背景的周期小信号频率估计。仿真实验结果表明,方法简单有效,计算量小。

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。

基于改进WD的多分量Chirp信号瞬时频率估计方法

对Chirp信号的常用估计方法是Wigner分布峰值(Wigner Distribution Maxima,WDM)法,但在低信噪比情况下,Wigner分布(Wigner Distribution,WD)峰值往往偏离真实值造成瞬时频率(Instantaeous Frequenty,IF)估计误差大。文中提出了一种基于改进WD的多分量Chirp信号瞬时频率估计方法——Wigner Viterbi拟合法(Wigner Viterbi Fitting,WDVF)法。该方法将信号的WD作为图像,运用Viterbi算法分离出多分量Chirp信号的各个信号分量,再估计出各个分量的瞬时频率。新方法的估计精度高,在低信噪比情况下性能明显优于WDM法,并且WDVF法能较好地抑制时频交叉项与边缘效应。仿真结果表明,在信噪比为-15^-8 dB时,与WDM法相比,WDVF法的瞬时频率估计均方误差能减少约50%,具有良好的工程应用价值。

正弦信号频率估计的改进高阶自相关算法

针对混有加性高斯白噪声的正弦信号,利用正弦信号的线性预测性质和高阶自相关函数,提出了新的频率估计算法。新算法与多种算法进行了计算复杂度比较,同时理论推导得到新算法的频率估计方差的闭合表达。新算法平衡了估计性能和计算量之间的矛盾。在仿真实验中,与改进协方差(MC)算法、Rim算法、Pisarenko谐波分解(PHD)算法及其多种改进型算法进行比较。结果表明:本文算法总体优于各对比算法,特别在在信号序列较短和中高信噪比情况下,性能接近克拉美罗界。

超声多普勒信号平均频率估计方法的比较研究

本文介绍了一些常用的超声多普勒信号平均频率估计法 ,并引入一种新的估计法 :基于Teager算法的平均频率估计 ,然后分别对计算机模拟的多普勒信号和流速校刻系统的多普勒信号进行平均频率的估计和比较 ,给出了不同估计方法的优缺点和适用范围。

基于FFT系数的正弦信号频率估计算法

针对基于FFT系数实部的频率插值算法在峰值谱线相位接近于±π/2时频率估计误差较大的问题,提出了一种改进的正弦信号频率估计算法。该算法首先利用FFT系数的实部和虚部序列索引出峰值谱线位置,然后根据峰值谱线的相位,选取实部与虚部序列中幅度较大的序列进行频率插值。仿真结果表明:在信噪比为3 dB、采样点为128的情况下,整个频段上归一化频率估计误差均方根小于0.02,接近Cramer Rao下限,整体性能优于基于FFT系数实部的频率插值算法和Rife算法。改进的算法频率估计精度高,计算量小,易于硬件实现。

基于同步提取变换的地空频率域电磁信号幅度提取方法

地空频率域电磁法探测信号为多频非平稳信号,为了解决应用传统傅里叶变换方法提取其幅度时分辨率较差的问题,本文提出了基于同步提取变换(SET)的地空频域电磁信号幅度提取方法。该方法对电磁数据进行SET,得到高分辨率时频图,并利用能量算子使电磁数据时频谱能量更为集中;采用贪心算法提取脊线,得到时频图的高能量带;通过自回归模型自适应地补充了脊线中的0值,解决了由窗函数引起的端点效应问题。根据脊线位置的时频图复数值,得到各频率分量幅度随时间的变化,研究了不同信噪比情况下基于SET的地空频率域电磁信号幅度提取结果的准确性。结果表明:当信噪比≥10 dB时,幅度提取结果的平均相对均方根误差均小于5%;当信噪比<10 dB时,幅度提取结果的平均相对均方根误差在10%以内。提取效果良好。将此方法应用于新疆霍拉山隧道工程地空频率域电磁法探测中,成功提取了多频电磁信号各频率分量的幅度,与采用傅里叶变换提取非平稳信号幅度的方法相比,该方法有效地提高了幅度提取结果的分辨率。

通道频率特性差异对高分辨率参数估计算法MUSIC的影响

本文分析了高分辨率参数估计算法-MUSIC在通过频率响应不一致（通道失配）情况下的统计性能，推导了通道失配对空间港的影响以及失配方差和分辨能力的关系表达式．理论表明：通道先配会引起空间谱误差并降低其分辨能力。计算机仿真结果证明了理论结果的有效性。

阵列信号DOA估计MUSIC算法的DSP实现

阐述了阵列信号处理中广泛采用的用于来波方向 (DOA)估计的多信号分类 (MUSIC)算法原理及基于信息论准则的信源数目判别方法 ;介绍了数字信号处理器 (DSP)ADSP2 1 1 6 0的性能特点 ,给出了基于该DSP实现该测向算法的数字信号处理模块硬件系统组成框图及系统各部分功能 ;重点介绍了基于ADSP2 1 1 6 0的系统初始化设置及采用MUSIC算法实现DOA估计的程序设计方法与过程 。

噪声背景下正弦信号频率估计:基于约束广义逆的总体最小二乘方法

分析了噪声背景下实谐波过程ARMA模型系数之间的对称性,并以此为约束条件加入到ARMA谱估计方法的求解过程中,从而提出了一种改进的正弦信号频率估计方法。理论分析与计算机仿真表明,对于低信噪比条件下的正弦信号参量估计,这一算法的分辨率与精度都优于MUSIC方法和仅使用总体最小二乘法(SVD-TLS)的ARMA谱估计方法。

时域上不同信号频率估计方法比较

目的:比较时域上不同频率估计方法对加噪呼吸信号频率估计的仿真和实验结果,为生命体征监护信号处理方法提供参考。材料和方法:本文研究首先在MATLAB平台上采用自相关法、平均幅度差分函数法、加权法和低复杂性极大似然估计法(Low Complexity Maximum Likelihood,LCML)对混入不同信噪比的0.3 Hz呼吸信号进行频率估计的仿真,然后,利用多导生理记录仪对采集到的成年人体目标呼吸信号进行算法性能评估。结果:自相关法估计结果与仿真信号真实频率相差最大,超过0.306 Hz。虽然平均幅度差分法与LCML得到的结果都在0.3 Hz附近,但后者标准差更小,估计结果精确性更高。人体目标呼吸信号频率估计结果中,不同算法的性能与仿真结果相似,LCML结果较为理想,但是,实际呼吸信号频率估计结果误差大于仿真结果误差。结论:LCML对于时域上信号频率估计有一定的优势。

一种估计多信号频率的快速子空间方法

多重信号分类(Multiple Signal Classification,MUSIC)法在估计多信号频率时需要对采样数据序列的自相关矩阵进行特征值分解,并准确划分出信号和噪声子空间,使得其计算量比较大。利用自相关矩阵的Toeplitz特性快速计算其逆矩阵,通过计算逆矩阵的多次幂来逼近噪声子空间,避免了MUSIC法的特征值分解和估计信号个数的过程。在谱峰搜索环节,采用先粗估计频率值再在小区间进行精细搜索的策略,能够避免搜索无用的频率范围。计算量比较分析以及与理论克拉美罗界(Cramer-Rao Bound,CRB)的对比验证结果表明,快速方法性能与MUSIC法相当,能够较好地逼近CRB,且计算量更小,适合实时性要求高的应用场合。

基于MUSIC算法在空间信号波达方向估计中的研究

多重信号分类是信号处理的一个重要分支。本文主要介绍了采用MUSIC方法实现信号分类,通过编写一个music方法的噪声子空间法来对空间信号的波达方向进行估计。通过实验程序与matlab自带函数pmusic所获得的结果进行比较,说明了要获得一个比较好的DOA估计,必须控制信噪比,当然多用一些阵元以及多一些快拍数也能进一步地提高估计的效果。

利用ESPRIT方法实现信号频率/相位的联合估计

目的研究阵列信号频率／相位的联合估计方法．方法设３个天线组成的天线阵，接收到含有多个谐波的回波信号，由计算机仿真产生不同信噪比下这些回波的数据序列样本，利用旋转不变技术（ＥＳＰＲＩＴ）计算出各谐波的频率和相位差，实现信号频率／相位的联合估计．结果计算机仿真结果表明，当Ｓ／Ｎ＞１０ｄＢ时，频率和相位估计值的标准误差均趋于０．结论ＥＳＰＲＩＴ方法可用于估计雷达信号的多普勒频率和相位差，并由此得到目标的运动参数以及运动轨迹．

基于全相位预处理的时域多重信号分类波达方向估计方法

低信噪比下,针对宽带短脉冲情况下频域多重信号分类(MUSIC)中噪声子空间估计不稳定问题,提出一种基于全相位预处理的时域多重信号分类波达方向(DOA)估计方法。①对线列阵接收数据进行分组处理;②按搜索角度对各组数据进行相移预处理,并对各组数据预处理结果进行相加,得到一组新数据;③对线列阵接收数据在时域构建相移后的协方差矩阵,在更短数据长度下,稳定实现噪声子空间估计,并依据估计出的噪声子空间含有的正交特性,通过单位矩阵加法器得到相应空间谱估计值,实现波达方向估计。数值仿真和实测数据处理结果表明,相比频域MUSIC方法,该方法有效提高了线列阵接收数据协方差矩阵中信号含有量和信噪比,能够在更短数据长度情况下实现对噪声子空间的稳定估计,具有较好的稳定性和检测性能,提高了MUSIC方法在实际波达方向估计中的鲁棒性。

阵列信号处理中基于MUSIC算法的空间谱估计

阐述了阵列信号处理中广泛采用的用于来波方向(DOA)估计的多信号分类(MUSIC)算法原理,理论分析了算法的实现过程,并结合Matlab实验,从理论和系统仿真两方面证明将此法用于确定目标方位角的实用价值,是一种有效的测量目标方位角的方法。