基于快速傅里叶变换的正弦信号频率高精度估计算法.docVIP

基于快速傅里叶变换的正弦信号频率高精度估计算法 　　摘要：为了进一步提高加性高斯白噪声背景中正弦信号的频率估计精度，提出了一种新的基于插值快速傅里叶变换（FFT）的正弦信号频率估计算法。首先，对N点正弦采样序列进行等长度时域补零延长，再进行2N点FFT； 然后， 搜索幅度最大离散谱线位置得到频率粗估计值； 最后， 采用幅度最大谱线以及原信号的离散时间傅里叶变换（DTFT）在幅度最大谱线左右两侧的两点抽样值进行精估计。仿真结果表明，当信号实际频率位于FFT两条离散谱线之间任意位置时，所提算法的频率估计均方根误差均接近克拉美罗下限，具有较好的一致性，估计精度高于Candan算法、Fang算法、三谱线合理结合（RCTSL）算法和Aboutanios算法， 且信噪比阈值较低，估计性能优于现有频率估计算法。 　　关键词：频率估计；快速傅里叶变换；正弦信号；离散时间傅里叶变换；数字信号处理 　　中图分类号：TN911.72 　　文献标志码：A 　　0引言 　　加性高斯白噪声背景中的正弦信号频率估计是数字信号处理领域中的一个经典课题，目前在通信、雷达、声呐以及电子对抗等领域得到了广泛应用。频率估计一般考虑3个因素：频率估计精度、估计范围以及算法实现所需的运算量。文献[1]中提出的最大似然估计法估计误差达到克拉美罗下限（CramerRao Lower Bound，CRLB），是最优估计估计算法，但是算法复杂，运算量大，无法实时处理。基于快速傅里叶变换（Fast Fourier Transform，FFT）的频率估计算法具有运算速度快、对正弦信号有显著的信噪比增益等优点，适合对速度要求高的实时处理系统，所以此类估计算法引起了国内外学者的广泛关注[2-11]。 　　由于FFT得到的是离散频率值，可以将信号频率表示为f0=（km+δ）Δf。其中： km是FFT幅度最大谱线对应的离散频率索引值； δ表示信号频率与FFT幅度最大谱线位置的相对频率偏差，δ∈[-0.5，0.5]； Δf是FFT的频率分辨率。基于插值FFT的正弦信号频率估计主要分为两个步骤，粗估计和精估计。其中粗估计通过搜索FFT最大谱线完成，精估计借助一定的插值算法得到信号真实频率与粗估计之间的相对频率偏差，各种插值FFT算法的差异仅体现在精估计中。在正弦信号幅度和频率都未知的情况下，利用其FFT离散频谱主瓣内幅度最大值和次大值可以解出正弦信号的频率（和幅度）[2-5]。直接利用FFT主瓣内两条谱线的幅度估计信号频率算法简单、运算量小。但是，当信号实际频率与FFT幅度最大离散谱线对应的频率接近（δ接近0）时，由于FFT主瓣内次大谱线幅度很小、容易受噪声影响导致频率估计误差增加[6]。因此，又出现了多种对其进行改进的方法[7-12]。文献[7]中Jacobsen等提出利用FFT频谱最大的三根谱线对频率估计值进行校正，在低信噪比和FFT点数较少时结果较好，但估计精度不高。在文献[8]中Candan对Jacobsen算法的系数进行了修正，提高了估计精度，但通过仿真实验发现，其估计误差依然较大，不适合对精度要求较高的场合。在文献[9]中Candan对文献[8]的算法进行了改进消除了估计偏差，改善了原估计算法在高信噪比时的性能，但其在低信噪比时的频率估计均方误差仍明显高于CRLB。Fang等在文献[10]中提出，对N点正弦采样序列进行N点时域补零后，采用2N点FFT频谱中最大谱线相邻的两根谱线幅度对相对频率偏差进行估计。在时域对原信号进行补零延长后，FFT的离散谱线之间的间隔变小，该方法利用2N点FFT离散频谱中最大值左右两侧的谱线幅度估计信号频率，由于信号时域补零延长后频谱主瓣变宽，FFT在主瓣内的谱线数增加，频谱最大值左右两侧（离散频率值+/-1）的谱线幅度比原来（信号未延长）的N点FFT主瓣内的第二大谱线更靠近最大谱线、幅度更大，不容易受噪声影响，因而频率估计精度有所提高。但该算法在相对频率偏差的整个取值范围内估计性能不稳定。文献[11]提出了三谱线合理结合（Rational Combination of Three Spectrum Lines，RCTSL）算法，对N点正弦采样序列进行N点时域补零后，根据最小二乘法估计思想，采用2N点FFT频谱中最大的三根谱线幅度对相对频率偏差进行估计，估计精度高，算法复杂度较低。但RCTSL算法在推导过程中，用到的能量谱函数的一阶泰勒级数展开，省去了高阶项，导致估计误差的产生。离散信号x（n）的FFT的离散频谱X（k）只出现在离散频率k取整数值的位置。文献[12]将其推广到离散频率k取非整数值的情况，直接利用FFT离散频谱最大值左右离散频率值+0.5处和-0.5处的频谱幅度来求解信号频率。其基本思想也是尽量避免利用幅度很小的FFT系数，提