CN104980946A - 主导信号检测方法和装置 - Google Patents

Abstract

本发明涉及主导信号检测方法和装置。用于定位主频率的单个复杂计算，诸如频率范围内的干扰信号，由多个更容易的代替。在第一频率范围内分析信号，以在其中定位至少一个相对显著频率分量。此可涉及：使用电子硬件分析频率的测试范围，以确定在测试范围内的潜在显著分量；和使用电子硬件确定是否已满足结束分析的条件。如果条件没有得到满足，测试范围被修改作为分析的结果，并重复分析和确定的操作。

Description

主导信号检测方法和装置

优先权数据

本申请要求于2014年4月8日提交的G.B专利申请号1406340.8，的权益，其全部公开内容通过引用并入本文。

技术领域

本公开开涉及用于在给定的频率范围内寻找主导信号和/或在给定的频率范围内寻找至少一个显著信号的方法和装置。

背景技术

在许多应用中期望定位信号并可能当它在频率内变化时进行跟踪。这些应用的范围从相对低的频率(诸如，在电力线监控，期望以所期望的准确度找到电源线频率)到在现代通信系统中的高频率，诸如现代的移动电话系统中(尽管在该上下文中，其被理解为包括语音和/或数据传输)。

移动电话的领域是其中在接收机接收可能显著变化信号功率的系统的例子。接收机可以是在由基站覆盖的小区的边缘试图与移动设备进行通信的基站，并且因此所接收的信号可相对较弱。与此同时，另一个运营商网络上的手机可以以类似的频率操作并接近基站，使得其在基站的信号比较大。该信号可以被称为“阻塞信号”或干扰，因为它可降低或抑制本来所希望的信号的可行的接收。可能出现的试图从基站和/或在点到点通信系统中接收信号的设备可出现类似的问题。

有利地是能够找到主导信号和/或阻断信号的频率。这可以使得采取行动以减轻阻断信号的效果。例如，通过估计因阻塞信号的存在能发生的干扰，并产生信号以减少或校正干扰。

技术内容

在本公开的第一方面，提供了一种在输入信号内识别主导或显著频率分量的方法。该方法可使用电子硬件实现。该方法可包括多个迭代。在迭代中，执行多个操作。从跨越第一频率范围的输入信号选择频率的测试范围，其中第一频率范围表示感兴趣的范围。选择测试范围可以通过过滤输入信号以衰减测试范围之外的频率来实现。对测试范围内的频率进行分析，以确定主导频率分量或至少一个显著频率分量的存在。如果该频率分量被确定，则估计所述主导或至少一个显著信号分量的频率。频率的估计值然后用于使用频率的测试范围的不同范围的随后迭代中。该迭代可包括调节测试范围的中心频率和/或测试范围的带宽。测试范围可被视为是搜索范围的同义词。

该过程可以重复，直到主导信号已以准确的足够程度被确定或直到足够数量(优选的预定数量)的迭代已经完成。

也可以基于先前发现的显著频率分量的了解而重复该过程，以通过引导搜索远离他们而寻找除了任何先前识别分量的其他显著信号。

测试范围内的频率可以由分析引擎进行检查。该分析引擎可包括傅立叶变换引擎。可替代地，分析引擎可以包括参量引擎。参量引擎可以例如被布置成执行列文森递归求解矩阵，诸如托普利兹矩阵。

因此，可以提供一种分析输入信号以在频率搜索范围内找到主导频率的方法，包括：将所述频率搜索范围分割为多个区域；分析每个区域内的信号强度，以识别具有包含主导信号的最大可能性的候选区域；并限定新的频率搜索范围以进行搜索。与之前的频率搜索范围相比，新的频率搜索范围可以被减小尺寸，并且包括所述候选区域。分割、分析和限定的操作可以重复，直到已经达到所期望的频率分辨率。在第一迭代中，频率搜索范围(测试范围)可对应于第一频率范围。

在实施例中，定位主导信号的方法包括以递归方式执行搜索，其中较低频率LF_K和较高频率UF_K之间的频率搜索范围被划分成Y个频率区间，以及输入信号被分析，以识别在每个频率区间内存在的信号幅度。一旦具有最大信号幅值的频率区间YMAX_(K)已被定位，如果区间宽度小于表示可接受频率分辨率的预定频率范围，所述区间的中心频率可以作为结果输出。K值代表迭代计数。

如果可接受的分辨率还没有达到，则进一步执行搜索，其中频率的搜索范围缩小到新的较低频率LF_K+1和新的上限频率UF_K+1，其中UF_K+1和LF_K+1之间的范围包括区间YMAX(K)的全部频率范围，以及UF_{K +1}-LF_K+1小于UF_K-LF_K。

有利的是，被分析的信号已被转换为或已经存在于数字域中。该数字信号可被抽取。施加到搜索的信号的抽取率可以在每次迭代K中有所不同，以便改变搜索的分辨率。

频率搜索范围可以通过改变数字滤波器的中心频率(通带中心频率)中选择。原则上给出已知的频率搜索范围和已知的所需分辨率，滤波器的中心频率和滤波器带宽可以预定，用于特定滤波器实施方式的系数可被计算或查询。然而，也可通过使用频率转换技术(例如，向下转换)选择频率搜索范围，以将感兴趣的频率范围置于每次迭代的给定频率空间内。例如最低频率可在每次迭代被转换为基本上0Hz，然后设置过滤器的高频率截止点以控制滤波器的带宽。

无论用于改变搜索范围和缩小的上述方法可以被看作是“缩放”到频率空间的区域。

在实施例中，该方法包括：定位频率测试范围以包括具有在方法的先前迭代中识别的最大幅度的快速傅立叶频率范围变换(FFT)区间的频率范围(或对于第一迭代，整个第一频率范围)；将滤波器的通带减少为之前迭代的FFT区间的带宽，再加上保护频带(或对于第一次迭代，整个第一频率范围)；将采样率降低到FFT，使得每个FFT区间覆盖降低的频率范围；执行FFT；识别具有最大幅度的FFT区间，以及与该区间相关联的频率参量；并重复所述定位、所述降低通带、所述降低采样率、所述执行以及所述识别的连续迭代直到FFT带宽被减小到所需的分辨率。

该保护频带的范围可以从基本上零赫兹向上。保护频带可以被设定为当前区间宽度的比例，诸如一半大小或大于当前区间宽度。频率测试或搜索空间可以具有最大振幅的FFT区间的中心频率为中心。

在进一步的变化中，提供在第一频率范围内搜索至少一个显著频率或主导频率的方法，包括：从所述第一频率范围中选择测试范围，和使用参量方法分析测试范围内的信号，以估计测试范围内的主导或至少一个显著频率，和基于估计细化测试范围。

有利的是，测试范围可以通过带通滤波器或者低通滤波器选择，它可以组合带频率变换器。可替代地，测试范围可以通过串联连接的过滤器的操作来定义以合成带通滤波器。

优选地，该参量引擎被布置为解决第M级的尤尔〃沃克公式。M的值可以定义由参量引擎来识别的显著频率分量的数目。

优选地，M被保持为相对小的整数，以减少在参量引擎中的计算负担。M可以小于10。有利的是，M可以小于5。在一个实施例中，M＝1，这在计算上是有效的。

参量引擎可迭代工作，以在输入信号中定位主导频率分量。

根据本公开的第二个方面，提供了一种主导信号检测装置，被布置为递归或迭代地搜索输入信号的输入频率范围，并在每遍以搜索在前一次识别的降低的频率搜索范围含包含主导信号，并继续直到主导信号的频率已被估计为预定精度。

有利地，该装置可以包括搜索空间/测试范围控制器，用于确定和/或施加通带到频率搜索空间，和频谱分析引擎，用于将搜索空间内的分配频谱功率分配到多个频率区间。搜索空间控制器可以包括频率转换器，用于映射可变的频率搜索范围为预定的频率范围，以提供给可控带宽滤波器。在搜索的每个第k次迭代中的频率搜索范围可以被划分成Y个频率区间，以及输入信号被进行分析以确定在每个分区中发生的信号幅度。一旦具有最大信号幅度的区间YMAX_(K)已经被确定，如果区间宽度小于表示可接受的频率分辨率的预定频率范围，则区间中心频率可以作为结果输出。有利的是，输入频率为在每次迭代以不同量转换的频率，使得在对应于YMAX(K)的频率范围中的信号被映射到频率空间，允许使用固定频率(例如，具有中心频率0赫兹)的可变带宽滤波器，例如，低通滤波器。

频谱分析引擎可包括低N点快速傅立叶变换(FFT)引擎。该引擎可被提供作为专用硬件，并对低至2、3或4个缓冲信号工作，即分析2、3或4个样本信号。这样的低N点FFT引擎可用于在数字域中对数字信号，并在模拟域中对模拟信号进行工作。控制器可检查该FFT引擎的输出，以确定具有最大信号模量的区间。控制器已了解正在执行的搜索算法，因此能够估计映射到区间YMAX_(K)的频率范围。控制器使用该信息来设置频率转换器的操作和滤波器的带宽，以确保下一搜索以对应于区间YMAX_(K)的频率范围为中心，并基本上限于此。

可选地，光谱分析引擎可以包括参量引擎。在这样的布置中，参量引擎分析提供给它的信号，以确定M个最显著信号，其中M是所述参量引擎的级数。参量引擎可用于执行迭代搜索，其中在每次迭代中主导信号的频率被估计，并且在随后的迭代中，基于当前迭代的估计在降低的搜索空间或测试范围中执行搜索。

根据进一步的方面，提供了包括主导信号检测装置的接收器。有利的是，主导信号检测装置被布置为寻找阻断信号的谐波，其中该谐波发生在数字化信号中次。接收机可以在电信设备中实现，诸如无线电、无线调制解调器、电话、基站等等。

附图说明

现在将参考附图，通过非限制性示例的方式描述本发明的实施例，其中：

图1是用于检测主导信号的装置的示意图；

图2是更详细示出图1的装置的组件的示意图；

图3a至3c示出和第一至第三次迭代的搜索处理相关联的频率图；

图4是用于检测主导和/或显著信号的装置的又一个实施例的示意图；

图5示出对在图4所示的装置的变型；

图6更详细示出图5的设备的部分；

图7示意性示出无线电接收机；

图8示出利用信号处理装置以减少无线电接收器内的谐波失真，它在本例中提供在移动数据和电话系统的基站，；

图9示出谐波失真减速器内的主导信号检测器的曲线图；

图10是根据本公开内容的实施例的搜索过程的流程图；

图11A和11B是示出响应于单个阻塞信号的存在的参量引擎的性能的图；和

图12a和12b是示出在具有多个潜在阻断信号的频谱中识别阻塞信号的参量引擎的性能的图。

具体实施方式

图1是被布置成寻找主导信号的信号处理系统的框图，诸如在覆盖第一频率范围的带宽受限信号中的阻断信号。因此，例如如果图1的系统是在接收机内实现，则收到的无线电信号可已经被放大并降频转换为基带或低中频。该下变频信号随后可被提供给模数转换器50的输入。然而，在这样的布置中，接收器从其接收信号的发射器可不提供该接收机接收的最强信号。可以存在强得多的信号，有时被称为阻断信号或干扰信号。

可替代地，到模数转换器50的输入可以通过监视和/或仪表装置供给。

对于一些读者有利的是简要考虑无线电接收器的操作，以便更清楚地指出阻断信号为什么是问题。图7示意性示出例如在基站中的无线电接收机的一些部件，例如在移动电话中使用的类型(例如，3G、4G、LTE)中。天线12接收到来的无线电信号。传入的“需要的”无线电信号可与起源于环境的各种其它信号竞争接收。在某些情况下，“需要的”信号可以是移动电话信号，其中该移动电话位于基站小区的边缘。同时其它移动电话可以位于更接近天线12，致使其在天线12的信号功率比本例中的需要信号大得多。来自其它设备的这些不希望的信号会干扰或阻断需要的信号。如本领域技术人员已知的，在码分复用系统中，来往于移动电话或其他设备的各个信号共享相同的频率空间而由正交码编码，使得每个信号应显示为彼此信号的噪声。但是，不同的移动电话频带也被分配，并且由于在接收机中的非线性，这些频带信号可渗入并干扰有用信号。

天线12被连接到射频(RF)放大器14，诸如低噪声放大器，其放大该需要和不需要的信号，并传递放大信号到正交接收器的混频器20a和20b上。每个混频器20a和20b从RF放大器14接收相同的信号。每个混频器20a和20b也从本机振荡器21接收相同的信号，除了以下事实：相移器24在信号路径中提供，以使混频器20a和20b接收名义上90°异相的本地振荡信号。为方便起见，未移位信号被称为同相信号I，和90°相移的信号被称为正交信号Q。传入RF信号与本地振荡器信号进行频移混合和向下转换用于随后处理。本地振荡器信号可被选择，以便混合有用信号降到较低的中频，或是在直接转换架构中它可以选择为匹配所述输入RF信号的频率，使得混频器20a和20b的输出表示基带信号。从混合部20a和20b的向下转换信号然后被传递到相应的低通滤波器22a和22b，然后到相应的模数转换器24a和24b，其可以是分离的装置，或者可以是以时间多路复用方式工作的单一的模数转换器。模数转换器24a和24b提供数字化信号流给数字基带处理器30。如果需要的话，跟踪和保持或采样和保持块可以在过滤器22a、22b和模数转换器24a和24b之间设置，但可以依赖于转换器架构不包括在内。

尽管设计者寻求使得放大器和混频器以及事实上模数转换器尽可能线性，这些部件中的任何非线性可产生频率混合。特别是，如果在天线12中接收较强信号，它从所希望的信号比方说偏移频率δ1，然后干扰信号与自身的非线性混合可以产生干扰信号图像与所需信号的频率对齐的可能性。

如果潜在干扰信号的频率可以被识别，那么可能从输入的接收信号隔离开来，并用它来产生该可再重新注回到所述信号路径的消除信号，无论是在模拟或数字域，以减少干扰信号的影响。

因此，希望找到用于识别潜在阻断信号的频率的方法和执行的方法。如上所述，图1示出用于识别潜在的阻断信号的装置的第一实施例，其可以类似于图7的无线电接收机中实现。

在图1中所示的布置中，信号处理系统中实现的功能在硬件方面描述，但是显而易见的是，由于目前所有操作正在对数字信号或字执行，操作可以在专用硬件中或可重复使用/多用途计算引擎和/或软件中执行。在此任何提及“软件”可以指那些由处理器可执行的存储在非暂时存储器中的指令。进一步本文所述的多个功能块可以由单个设备来执行。模数转换器50(其可以是相对于图7描述的转换器22a和22b)的输出被提供给在图1中的降频变频器60。如图所示，降频转换器60的输出被提供给频谱分析引擎70，诸如低N点快速傅里叶变换引擎，其可以在由被处理器执行的存储在非暂时存储器中的指令执行的专用硬件和/或软件来实现。同样地，下变频器60(它更通常是频率转换器)也可以在专用的硬件和/或软件来实现。是否以硬件或软件来实现，频谱分析引擎70的输出然后反馈以控制图1中的数字降频转换器60的操作。

图1的数字降频变频器60和频谱分析引擎70更详细地在图2中示出。在图2中，数字降频转换器60包括乘法器62，其接收输入信号y_n(其中n是索引)，其在本实施例中是在乘法器62的第一输入端以采样速率Fs由模数转换器50输出的数字序列。如所示，乘法器62的第二输入端从数字振荡器64接收振荡信号。数字振荡器64可以被布置成产生具有基本频率设置为等于由频谱分析引擎70所确定的要求频率的数字信号。数字振荡器64的输出可以是序列字，其值近似于正弦，并且在这种情况下，计算引擎可以被提供以适当的频率合成正弦波。正弦曲线可表示为复杂的实体。可替代地，减小的分辨率正弦可保持在只读存储器中，而且内插可被使用，用于以适当的频率合成适当正弦波。在进一步的替代方案中，数字振荡器64的输出可以简单地是方波，使得在模数转换器50的输出被乘以1，然后由-1(或+a和-a)，具有设定为适当的要求频率的基本频率的交替序列。这种方法可以被使用，因为较高次谐波可以通过布置成接收混频器62的输出的过滤器66拒绝。

从下面的描述将变得明显，频率可以在每次迭代匹配提供作为搜索引擎70的FFT引擎的区间频率中的一个，并因此可以提前估计。因此，可采取动作以预加载一个或多个序列，用于产生数字正弦到正弦波存储器中。在任何情况下，本领域技术人员已知多种方法以提供数字控制(数字)振荡器。

如果数字振荡器64具有频率F_NCO，则作为本领域技术人员公知的的技术中，信号分量在降频转换器60中频率转移F_NCO。因此，降频转换器60的动作是移动输入信号的频率以围绕新的频率为中心。这可以被利用来实施搜索频率空间。

正如本领域技术人员已知的，快速傅立叶变换(FFT)运算(实际上许多频率分析操作)检查输入信号，并将其组成部分分配到“区间”。分配到区间的信号幅度表示属于特殊等级的频率范围内的信号强度。原则上，输入信号的FFT可以被执行，以确定具有所需程度准确度的主导信号的频率，其可以是预定的。然而，这可以迅速成为计算昂贵和费时的。

本发明人认识到，相对简单的搜索可以通过频率空间进行以识别其中主导信号很可能在的频率范围。例如，具有2点傅立叶变换的频率空间被分成上半部和下半部。用3点傅立叶变换，频率空间被划分成三个区域，并依此类推。在第一次迭代中，输入信号的第一频率范围被以第一分辨率询问。第一分辨率对应于第一“区间”的宽度。一旦包含信号的区域已被确定，该区域可被视为候选区域，则搜索空间(即，测试范围或搜索范围)可以被减少到至少覆盖候选区域的频率范围和优选以候选区域或区间的中间频率为中心。在第二次迭代中，该降低频率测试范围被询问，但用于搜索该降频测试的区间数量保持不变。从而区间宽度减小-或换一种说法，分辨率增加。包含最多信号分量的区间被识别并成为下一个迭代的减小搜索空间的中心，并依此类推。为了实现这种方法，需要在每次迭代中限定搜索空间或测试范围的简单且可靠的方法。这可以由包括过滤器的数字降频转换器60来实现。

在图2中，混合器62的输出被传递到窄频带滤波器66，其因为数字降频转换器60的动作可以具有从一次迭代到下一个的单一的中心频率，但响应于带宽控制器68其带宽从一次迭代到下一个是可变的。窄带滤波器66可以被提供为低通滤波器或作为带通滤波器。窄带滤波器66的输出，(这是数字滤波器)然后提供到抽取器69，其可操作以通过可控抽取因子D中抽取数据流。窄频带滤波器66可以通过带宽滤波器68控制，使得它通过选择为具有最近执行FFT分析的最大量值的区间的全部内容。它也可以被布置为通过围绕选择用于进一步频谱分析的区间的保护带。

作为降频转换器60的结果，感兴趣的频率范围(即，在测试范围)可以降频转换，使得输入信号Y_n的调查范围被降频转换器60向下输送到已知的频率空间。例如，感兴趣的频率范围内可以转换，使得其最低频率在降频转换器60中映射到预定频率，该频率可以例如是约0赫兹。可替代地，所述中点的频率范围可被映射到预定频率，例如中点窄带滤波器66。在任何情况下的，下变频器的频率被选择使得候选区域的频率范围被变换到位于滤波器66的通带内。

频谱分析引擎70在本示例中包括：N点缓冲器72，其保持抽取器69输出的最新N个字的记录。N点缓冲器72的输出被提供给N点FFT引擎74。其如本领域技术人员已知的，感兴趣的频率空间分成N个频点，并分配信号强度到每个区间。区间被指定Y_K。N点FFT引擎74的输出被提供给选择器电路76，如图所示，其识别其中具有最大信号模量的选定区间Y_K MAX。一旦选定区间柜Y_K MAX已经确定，该区间的中心频率可以由频谱分析引擎70按照搜索算法计算并用于在随后的迭代中设置数字振荡器64的频率NCO。如本领域技术人员已知的，傅立叶变换可以在硬件中执行，以及马萨诸塞州诺伍德的模拟设备公司拥有可用的48点FFT引擎。因此提供对例如16、10、8、4、3或2点工作的更小FT引擎可以由本领域的普通技术人员实现。因此FFT引擎的具体实施不需要进一步讨论。

图1和2的电路的操作现在将参照图3a、3b和3c说明。为方便起见，10个区间已在每个这些附图中示出。假设，在第一次迭代中，N点缓冲器被刷新，然后使其填充样本，其通过第一抽取因子D抽取。第一抽取因子可以是统一，使得每一个样品传递到样品缓冲区，直到缓冲区已满。此外，在第一次迭代中，数字振荡器64可能没有运行，并且窄带滤波器66的带宽被设置为它的最宽带宽，以使整个通带呈现给FFT引擎74。整个频谱的频谱功率然后由FFT引擎74分配到具有在图3a中在较低频率LF_K和较高频率UF_K之间延伸的中心频率Y₁至Y₁₀的多个频率区间。K是迭代计数器。

由于所示频谱不仅包括最主导阻断信号，但其它的信号以及峰值信号功率应当以对应于区间的阻断信号，但它也可能对应于相邻区间。这种现象被称为“频谱拖尾”，可以表现为在多个相邻区间的频谱分量的功率。因此，在图3a中，区间Y₅被选择为具有最多信号功率，虽然在图形化示例中，阻挡信号几乎与区间Y₆重合。

在第一遍对应于频率区间Y₅的频率被估计，并设置为用于数字振荡器64的新的频率。这具有定心窄带滤波器66基本上围绕对应于所述第一迭代的区间Y₅的频率的效果。这一点上，窄带带宽滤波器66也可被缩减，使得它至少覆盖图3a的区间Y₅的宽度。在本示例中，滤波器的通带包含区间Y₄、Y₅和Y₆的频率范围。抽取因子可以现在增加2和N之间的因子，用于增加FFT引擎74的分辨率。这一额外带宽可以认为是作为保护频带。保护带的宽度可以由用户或设计者来选择，并且可以减少或扩大。

该抽取因子可以是用户或设计者可调节的。理想情况下，抽取因子的选择应满足Nyquist抽样标准(采样率大于两倍最大频率)，以避免混叠频率。

如本领域技术人员公知的，快速傅立叶变换的频率分辨率Fres由公式1表示：

$\mathrm{Fres}=+/-0.5\frac{F_s}{N}$    公式1

换句话说，频率窗口大小由公式2表示：

$\frac{F_s}{N}$    公式2

其中Fs是采样频率，它被理想选择为足够快以满足Nyquist抽样标准。

因为降频转换器60的动作，在每一个连续的迭代中，感兴趣的频率范围周围的直流(DC)(0赫兹)或窄带滤波器66的中心频率基本上居中(在设计者的选择)，并越来越窄。因此，采样速率可以在每次迭代中降低，并且这可以通过增加抽取器69的抽取因子来完成。第二迭代的分辨率如图3b所示由公式3表示：

   公式3

当D增大时，块大小减小，因此区间的中心频率和实际阻断频率之间的误差减小。再次每个区间的最大值可以被估计来定位新的候选区间，以及数字降频转换器的频率可以调整以设定窄带滤波器66的通带的中点，以及过滤器的带宽可以进一步减小。因此，如在第三次迭代如图3c所示，实际的阻断频率和阻断信号的估计频率之间的误差相对于第一和第二次迭代被减小，而在这种情况下可被视为落入可接受的误差值。

图4示意性示出了用于识别阻断信号的频率的进一步的装置的实施例。该装置接收数字化输入信号，其可以由模数转换器中的一个接收，例如模数转换器24a(图2)或接收机50(图1)。在图4所示的装置包括阻断检测器140，如图所示，包括数字混频器142、数字滤波器144参量引擎146、数字积分器148和数字控制振荡器150。混合器142、滤波器144、积分器148和数字振荡器150也可以设置为硬件组件或软件组件，由处理器或两者的混合物执行。为描述的目的，它们将被描述为好像它们是物理元件，但是应当意识到，阻断信号检测器140的特征的全部可以通过软件由处理器来执行，例如数字实现在图7所示的基站的基带处理器30。

参量化引擎146可以包括多个功能块。在图4所示的例子中，参量引擎146包括M抽头相关器160，其接收通过过滤器144的多个数字字。M个抽头相关器160缓冲该字并对它们执行自协方差或自相关函数。M个抽头相关器160的输出被传递到适当的处理引擎，如图4的M级列文森递归引擎162，其可以在处理器来实现，并且它是可操作的，如将在下文中描述，以在零极点M平面图中输出M个位置或更严格的正在处理数据采样系统，在Z平面中极点位置。在图4中，该数据从第M极输出方框164输出，然后检查以由主导极点块166寻找主极点的位置。主极点的相位角可以由角度计算器168计算，并输出作为相位误差并提供给积分器148。如图所示，该积分器148集成相位误差以获得被提供给数字控制振荡器150(也称为数字控制振荡器)的相位校正信号以改变其频率。数字控制振荡器150输出正弦信号的数字表示，因此这只表示数字的运行，表示逼近或正弦曲线的样本。正弦波的该数字表示可以与输入信号的数字表示相乘以获得频率混合组件，如同全部在模拟电路完成的情况。因此，数字控制振荡器150和数字混频器142可通过数字电路来实现。数字混频器142的输出被提供给数字滤波器144，其当适当时可以被提供作为有限脉冲响应滤波器或者无限响应滤波器。数字滤波器144可以具有可调节的中心频率，或者，如在本示例的情况下，也可以设定为具有围绕特定频率(诸如，0赫兹)的通带中心，但具有其带宽可控制，以便改变阻断信号检测连续迭代之间的带宽。因而，对于本实施例由处理器执行的硬件和/或软件与相对于图1和2所描述的实施例是相同的。出于完整性，现在将描述参量引擎146的操作。

给定数据的时间序列，能够使用参量模型识别潜在阻滞信号的存在。从而给定在缓冲器中保持的N点的样品，有可能参量化具有近似N点采样输出的系统响应。

事实上，响应可以模拟例如作为自回归模型。自回归模型将随机信号看作线性时不变系统的输出，到是白噪声信号的输入。线性时不变系统是全极点系统。

已知有强大的数学技术，如尤尔〃沃克公式，它可以帮助涉及自回归模型参量的随机过程的自协方差(或自相关)。如果过程具有零平均值，则自相关和自协方差是相同的。

给出表示时间序列的数据Xm，可估算该数据的自相关值。然后使用这些值，可以对于L＝1至M找到线性回归参量α_L，其中M是自回归模型的级。

尤尔〃沃克公式的问题在于它们没有提供关于应使用的M的值的指导。然而，如从以下的讨论将显而易见的，大M可因计算开销而避免。

因此，对于自回归模型：

ω[_m]＝α₀x_m+α₁x_m-1+α₂x_m-2+α₃x_m-3   公式4

$\mathrm{\ω}\left[\underset{m}{}\right]=\underset{K=0}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\α}}_{K}x[m-k]{\mathrm{\α}}_0=1$    公式5

其中ω[_m]是到系统的白噪声输入，α是系数，和XM是离散(采样)输入信号的值。在等式4中的模型是对于M＝3，但可以构造较低阶或更高阶的模式。

尤尔-沃克方程推导是已知的，但在这里，为了完整包括在内。

在第一操作中，等式两边可以用x[_m-L]相乘，和期望值取

$\underset{k=0}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\α}}_{K}E\left\{x_{m-k}{x}_{[m-L]}\right\}=E\left\{\mathrm{\ω}\right[\underset{m}{}\left]x_{[m-L]}\right\}$    方程6

第一个期望Ε{x_[m-k]x_m}是自相关函数r_xx[L-K]。

同时，具有本身时移版本的白噪声的期待值是零，因为这里的样品之间没有关系，其中L＝0，则期望变为σ²，其是白噪声ω[_m]的方差

所以 $\underset{k=0}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\α}}_K{r}_{\mathrm{xx}}[L-K]=0\mathrm{forL}>0$    公式7

或

$\underset{k=0}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\α}}_K{r}_{\mathrm{xx}}[L-K]=-r_{\mathrm{xx}}\left(L\right)$    公式8

这可以表示为L的各种值，对于L＝1可以写为

$\left[\begin{array}{ccc}{r}_{\mathrm{xx}}\left[0\right]& r_{\mathrm{xx}}[-1]& ...\\ & & \\ & & \\ & & \\ & & \\ & & \\ & & \\ & & \\ & & \\ & & \end{array}\right]\left[\begin{array}{c}{\mathrm{\α}}_1\\ {\mathrm{\α}}_2\\ {\mathrm{\α}}_3\\ .\\ .\\ .\\ .\\ .\\ .\\ {\mathrm{\α}}_M\end{array}\right]=-\left[\begin{array}{c}{r}_{\mathrm{xx}}\left[1\right]\\ \\ \\ \\ \\ \\ \\ \\ \\ \end{array}\right]$    公式9

对于L＝2，L＝3等，可以写出等效线，由此来填充矩阵

$\left[\begin{array}{c}{r}_{\mathrm{xx}}\left[0\right],r_{\mathrm{xx}}[-1],r_{\mathrm{xx}}[-2]...r_{\mathrm{xx}}[1-M]\\ r_{\mathrm{xx}}\left[1\right],r_{\mathrm{xx}}\left[0\right],r_{\mathrm{xx}}[-1]...r_{\mathrm{xx}}[2-M]\\ \\ \\ \\ \\ \\ \\ \\ r_{\mathrm{xx}}[M-1],r_{\mathrm{xx}}[M-2],...r_{\mathrm{xx}}\left[0\right]\end{array}\right][\left[\begin{array}{c}{\mathrm{\α}}_1\\ {\mathrm{\α}}_2\\ {\mathrm{\α}}_3\\ .\\ .\\ .\\ .\\ .\\ .\\ {\mathrm{\α}}_M\end{array}\right]=-\left[\begin{array}{c}{r}_{\mathrm{xx}}\left[1\right]\\ r_{\mathrm{xx}}\left[2\right]\\ \\ \\ \\ \\ \\ \\ \\ r_{\mathrm{xx}}\left[M\right]\end{array}\right]$    公式10

或

R.α＝-r   公式10-1

因此，如果我们知道R值(自相关)，就可以解决系数α。

其中：R是自相关系数矩阵；

α是系数的矢量；和

r＝向量相关系数；

因此

α＝-R ^-1 r   公式11

有含有例程的多种信号处理库，用于快速、鲁棒解上述方程。他们可以算法形式可用，并嵌入到门或处理器逻辑。个人计算环境公知的库的示例是MATLAB，其中功能使用命令ARYULE可用。

然而，用户仍然必须决定模型的顺序。

对M的低值，尤拉-沃克公式可以相对快速地解决，但反转矩阵的计算成本随着M的增加迅速增加。可以通过使用诸如基本行操作(这是直观的，而不是公式化)或使用计算子式、辅因子和转置(或伴随)矩阵的技术比较反相2×2矩阵和3×3矩阵的复杂性可以看出，这是确定性4个运算处理(计算矩阵和子式矩阵，把它转换成辅助因子矩阵，形成伴随矩阵，并通过1/决定数相乘)。

数值方法都存在，但计算开销随着级数显著增加。

该莱文森算法可以用来递归解决尤尔〃沃克公式。列文森算法是能够有效地提取自回归模型的系数的算法的例子。莱文森算法也是库的形式可用，可以使用而不需要理解它的推导。然而简要推导被包括此处，因为它可以是有益的。

预测误差ε_m可以定义，其中m是不是尤尔〃沃克方程的级数的索引。

对于M＝0，尤尔-沃克方程给出

ε₀＝r_xx(0)   公式12

简单地，没有作用于白噪声的过滤器或系统。

对于级m＝1，我们可以返回到尤尔-沃克公式，给出

r_xx[0]α₁＝r_xx[1]   公式13

所以 ${\mathrm{\α}}_1=\frac{r_{\mathrm{xx}}\left[1\right]}{r_{\mathrm{xx}}\left[0\right]}$    公式14

和ε₁＝r_xx[0]+α₁r_xx[1]   公式15

一般地，列文森(或更适当的列文森-杜宾)算法可以通过利用m-1阶托普利兹矩阵的求解而解决m级的尤尔沃克公式。

该矩阵R是Toeplitz矩阵的形式，其通常被写为

$T^m=\left[\begin{array}{cccccc}{t}_0& t_{-1}& t_{-2}& t_{-3}& ...& t_{-m+1}\\ t_1& t_0& t_{-1}& & ...& t_{-n+2}\\ t_2& t_1& t_0& & & \\ .& & & & & \\ .& & & & & \\ .& & & & & \\ t_{m-1}& & & & & t_0\end{array}\right]$    公式16

该莱文森-德宾算法在第一动作中进行，以形成“向前”和“向后”向量。

前向向量是满足条件的长度为m的向量：

$T^m{\stackrel{\→}{b}}^m={\hat{e}}_m$    公式17

其中是零填充的向量，除了其具有一的值的第i个位置。

类似地，后向矢量是满足如下条件的长度为m的向量：

$T^m{\stackrel{\→}{b}}^m={\hat{e}}_m$    公式18

可以通过增加行和列(根据需要)延伸矩阵和向量，使得

$T^m\left[\begin{array}{c}{\stackrel{\→}{f}}_{m-1}\\ 0\end{array}\right]=\left[\begin{array}{ccc}{T}^{m-1}& & t_{m+1}\\ & & \\ & & \\ & & \\ & & \\ t_{m-1},& t_{m-2}& t_0\end{array}\right]\left[\begin{array}{c}{\stackrel{\→}{f}}^{m-1}\\ \\ \\ \\ \\ 0\end{array}\right]=\left[\begin{array}{c}1\\ 0\\ 0\\ 0\\ \\ {\mathrm{\ϵ}}_f^m\end{array}\right]$    公式19

在延伸矩阵中，当零用于扩展正向向量时，添加到矩阵的额外列不改变或扰乱该求解。同样不适用于额外的行，它不扰乱求解，并为n次幂创建前向误差ε_f，因此使用符号

后向矢量可被类似地扩展

   公式20

而且这也产生了误差项。

该误差项可以用于基本上彼此抵消：

$T(\mathrm{\α}\left[\begin{array}{c}\stackrel{\→}{f}\\ 0\end{array}\right]+\mathrm{\β}\left[\begin{array}{c}0\\ \stackrel{\→}{b}\end{array}\right])=\mathrm{\α}\left[\begin{array}{c}1\\ 0\\ 0\\ 0\\ 0\\ .\\ .\\ .\\ {\mathrm{\ϵ}}_f\end{array}\right]+\mathrm{\β}\begin{array}{}\end{array}\left[\begin{array}{c}{\mathrm{\ϵ}}_b\\ 0\\ 0\\ 0\\ 0\\ .\\ .\\ .\\ 1\end{array}\right]$    公式21

对于一些操作，已知的是：

${\stackrel{\→}{f}}_m={\mathrm{\α}}_f^m\left[\begin{array}{c}{\stackrel{\→}{f}}_{m-1}\\ 0\end{array}\right]+{\mathrm{\β}}_f^m\left[\begin{array}{c}0\\ {\stackrel{\→}{b}}_{m-1}\end{array}\right]$    公式22和

${\stackrel{\→}{b}}_m={\mathrm{\α}}_b^m\left[\begin{array}{c}{\stackrel{\→}{f}}_{m-1}\\ 0\end{array}\right]+{\mathrm{\β}}_b^m\left[\begin{array}{c}0\\ {\stackrel{\→}{b}}_{m-1}\end{array}\right]$    公式23

这些方程可以被操纵来导出：

$\left[\begin{array}{cc}1& {\mathrm{\ϵ}}_b^m\\ 0& 0\\ 0& 0\\ .& .\\ .& .\\ .& .\\ {\mathrm{\ϵ}}_f^m& 1\end{array}\right]\left[\begin{array}{cc}{\mathrm{\α}}_f^m& {\mathrm{\α}}_b^m\\ {\mathrm{\β}}_f^m& {\mathrm{\β}}_b^m\end{array}\right]=\left[\begin{array}{cc}1& 0\\ 0& 0\\ .& .\\ .& .\\ .& .\\ 1& 1\end{array}\right]$    公式24

中间的零不做出贡献，所以这可以推导为

$\left[\begin{array}{cc}1& {\mathrm{\ϵ}}_b^m\\ {\mathrm{\ϵ}}_f^m& 1\end{array}\right]\left[\begin{array}{cc}{\mathrm{\α}}_f^m& {\mathrm{\α}}_b^m\\ {\mathrm{\β}}_f^m& {\mathrm{\β}}_b^m\end{array}\right]=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$    公式25和解决，例如使用克莱姆2×2逆矩阵式。

该方法对于m的低级数是快速的。

也可以使用其他的数字技术或算法，诸如巴雷斯算法、Schur分解和Cholesky分解。其它技术也存在。

在电信系统的上下文中，如上述所指出的，要被接收的信号可以存在许多信号，其可干扰想要信号的接收。这些其他信号通常被称为干扰信号、干扰、阻断信号或阻断剂，并且正如之前，有利的是知道阻断信号的存在，使得可以采取行动以减轻其效果或它们的效果。

可认为：提供接收到的符号的序列/数据到参量引擎(诸如，自回归模型)就可使每个潜在阻断信号的幅度和频率将被确定。

然而，本发明人认识到，这种假设是没有根据的，因为这样的过程的大量计算成本。

如以上所指出的，由于反相依次大型矩阵的操作，容许参量引擎中较大阶数M的计算成本迅速增加。然而，发明人认识到，未规范的(低M)参量引擎的性能可被利用以提供计算上简单的系统，用于识别输入数据流的参量表示的极点。

本发明人观察到，如果参量引擎被约束为具有低的级数，例如一或两级，但被要求来参量化具有三个或多个极点的系统，则该引擎趋于放置其极点位置估计邻近于输入信号中的最大极或两极的位置。因此，虽然结果不完全正确，但这是合理的近似最终结果。这可被利用来在随后的迭代中由带宽限制输入信号缩小频率搜索空间(即测试范围)，以便它不包括不那么显著的极点，但它包括了更多的显著极点。这使得矩阵求逆或其它的计算成本要显著降低。然而，还希望在可能的情况该过滤器的复杂性和成本也简化。这就表明使用利用相对简单的带通特性的滤波器。将这些特性考虑在内，发明者认识到合适的性能可以用低阶参量引擎来实现，例如单顺序参量引擎以迭代或递归的方式操作，以搜索围绕从前迭代的所估计极点频率的较小频率空间。

低阶但具有顺序大于1的参量引擎也可以比较容易地实现。单个级数的参量引擎的例子示于图5，其中关于图4已描述了的部件被给予相同的参考标号。相关器160具有布置成形成复自相关的第一部分180和布置成形成n和随后的样本n-1的共轭之间的自相关的第二部分182，表示为输出分别被指定第一部分180和第二部分182的r0和r1，被提供到角度确定单元184，其可与比率r1至r0进行比较，以确定由表示的相量图上的角位移，这如前所述被提供给积分器148，用于控制数字控制振荡器150。图5中的电路是执行等式14的单一级数(M＝1)引擎。这在计算上是简单的。

图5的电路在图6中重复，连同提供到相关块180和182以及也到滤波器抽头查找表190的定时和复位信号的图形表示，其用于寻址和变化电路的连续迭代之间的抽头系数，以逐渐降低所述滤波器144的通带，直到当作为潜在干扰信号的位置以足够的精度估计。因此，在图6所示的电路操作以迭代估计阻断信号的频率，然后使用降频转换器/频率转换器和过滤器，以放大阻断信号和以更高的精度估计它的频率。

如前所述，单级引擎是相对容易实现的，但是在本公开中不限定于使用第一级参量引擎。

图8示出与第二谐波减速器200通信的无线电接收机10的的示意图。无线电接收器10类似于相对于图7描述的。无线接收器10可以包括低噪声放大器14以放大接收的信号。该信号然后可以通过带宽限制滤波器15被提供给混频器20，其混合该信号和本地振荡器信号(未示出)以将感兴趣的输入RF信号转换为基带或低中频，其然后通过低通滤波器22滤波和由模数转换器24(或50在图1中)数字化。这个过程应该是线性的，但小的增益误差可存在，并且可以例如通过功率方面进行建模。为了除去这些非非线性，其通常通过谐波信号的产生表现出来，在图8中提供第二谐波减速器200，其包括平方器202、校正信号发生器204和加法器206。鉴于该二次谐波减速器200对ADC 24的数字化输出的作用(在本例中)，则该平方器202可在硬件中被实现为两输入数字乘法器。平方器202的输出被提供给接收估计校正系数的校正信号发生器。的符号可以被抵消，使得向加法器206从ADC 24的相应数字字加上乘法器104的输出，形成另一输出：

$Z=x+(a_2-{\hat{a}}_2)x^2$    公式26

进一步的分析将示出通带外的第三高次谐波的和低于接收机的噪声底的第四阶谐波

第二谐波的残留量取决于估计的准确性以减少

图9是与无线电接收机关联的第二谐波降低电路的框图，如可能在移动接收机或基站中找到。减速器200(其可以连接图8来描述)与图1至图3C或4至6所描述的阻断信号检测引擎210相关联，阻断信号检测引擎210被连接到适配引擎220，其可以以硬件、由处理器或者是两者的混合物执行的软件来实现。

该减速器200连续运行，而ADC 24输出数据，而阻挡检测引擎210和适配引擎220可间歇性地运行。

校正信号发生器204(图8)可以被实现为缓冲器或延迟线，用于保持来自ADC 24(或在图1中的50)的最近N个输出词语的记录。第二高次谐波降低电路对同相和正交信号工作。许多应答或传递特性可以在降低电路实现，它在它的构造上类似于包含R延迟元件的有限脉冲响应(FIR)滤波器。适配引擎220被布置为使用阻断信号检测器210的输出，以适应用于过滤其接收DE输入信号的过滤器的操作，一个输入是被提供到谐波减速器200的信号，以及其他输入是谐波减速器200的输出，并从这些信号中选择阻断信号，并寻求调节校正信号发生器的系数，以减少阻塞信号的影响。

图10是构成本发明的实施例的搜索算法的流程图，用于例如图1和2中所示的装置。搜索过程开始于块300。控制然后被传递给操作302，其中设置最初的振荡器频率。这可包括不设置振荡器运行，使得在第一遍没有执行频率转换。当滤光器66的带宽被设置为初始值时，控制随后传递到操作304。该过滤器可被设置为它的最大带宽或可查相称的带宽的频率范围。控制随后被转到操作306，其中设定初始抽取速率D。初始抽取速率可以包括根本不执行任何抽取，使得从模拟到数字转换器50的每个样本被传递到抽取器69的输出。

然后，控制被传递到操作310，其中在N点缓冲器72捕获抽取器输出的N个样本。一旦这已经完成，则控制被传递到操作312，其中FFT引擎74执行它的转换。控制随后被转到操作314，其中FFT引擎74的输出被检查以找到具有最大振幅(由电路元件76在图2中所示)的FFT区间。控制随后被转到操作316，其中决定FFT区间的幅度是否已经被减小到一定程度，使得通过FFT引擎输出的任何结果具有所需的分辨率。如果这已经实现控制传递到步骤320，其中图2中的FFT检测算法70输出对应于选定区间Y_K|max|的中心频率的频率。控制然后传递到操作322，它表示算法的末端。

返回到操作316，如果该区间的宽度大于所希望的分辨率，则控制被传递到操作330。操作330计算新的振荡器频率，以便中心频率搜索有关的所选择区间YK|max|的中心频率，并在振荡器64中设置该频率。控制随后传递到操作332，其中过滤器66的新的和减少带宽被计算并设定。控制随后被转到操作334，其中新的抽取速率D被设定为使得FFT引擎的分辨率增加。已经执行这些步骤时，控制返回到操作310。

因此，可能提供一种能识别阻断信号谐波并且不使用大的FFT引擎的装置。由此，复杂的计算可以由多个更简单的计算来代替。这允许输入数据的缓冲器大小减小。对于相对大的缓冲区的要求被替换为重复捕获数据到较小的缓冲区(或以顺序方式到相同的缓冲器)。这允许节省硬件或软件开销以实现FFT引擎以及用于提供缓冲的硬件。

类似地，参量引擎可用于搜索通过输入频率范围，以找到阻断信号的频率，并将其传递到降低电路。该搜索可以类似于相对于图10描述的。

图11A和11B示出如图4所示的参量引擎的测量性能。在相对于图11a和11b所示的测试中，所需信号相比于阻断信号具有-80dB的功率电平。阻断信号在降频转换中发生在(被集中约)50兆赫，而所需频率在下变频信号中出现在100MHz。因此，接收机中的非线性可导致阻断信号的图像位于想要的信号上。在测试中，参量引擎锁定到在2微秒内的阻断信号并快速实现数十赫兹的频率估计。

类似的试验示于图12a和12b，但这里多个潜在阻滞信号出现，虽然只有一个主导或主要的阻断信号。引擎仍然表现良好，并正确地定位主导或主要的阻断信号，在1或2微秒内的可接受阻断频率估计和只有几百赫兹的频率误差。

如本文所描述的引擎可以本文描述的逐次逼近(搜索和缩放)模式来操作。然而，它们也可以被布置以逐步的方式在输入信号范围进行扫描。具有其中功率超过意义的阈值的可能的主要或主导信号的任何频率区间可然后进一步调查。

这样的布置可以以混合系统的硬件、软件提供，并且适合于包含在通信、控制和其他系统和应用程序中。

本原理和本文中所描述的优点可以以各种装置实现。这种装置的实例可以包括(但不限于)消费电子产品、消费者电子产品的一部分、电子测试设备、无线通信基础设施，诸如蜂窝基站等。消费性电子产品可包括(但不局限于)无线设备、移动电话(例如，智能电话)、电话、电视、计算机、手持式计算机、可佩戴计算机、平板计算机、膝上型计算机、手表等。另外，设备可以包括未完成的产品。所公开的技术不适用精神步骤，并且不在人类思维或由人写在一张纸上执行。

除非上下文清楚地要求，否则遍及说明书和权利要求中，词语“包括”、“正包括”、“包含”、“正包含”等将被解释为包含的意义，而不是排他性或穷尽感；也就是说“包括但不限于”的意义。如通常本文所用的，“耦合”或“连接”指的是可直接连接，或通过一个或多个中间元件连接的两个或更多个元件。另外，词语“本文中”、“以上”、“以下”和类似含义的词，在本申请中使用时，应指本申请的整体而不是此申请的任何特定部分。只要情况允许，在详细说明中使用单数或复数数量也可以分别包括复数或单数。词语“或”在提到两个或更多个项目的列表，意在覆盖所有单词的以下解释：列表中的任何项目、列表中的所有项目和列表中项目的任何组合。本文所提供的所有数值均意欲包括测量误差内的相似值。

此外，本文中所用条件性语言，诸如，除其他外，“可以”、“可能”、“可”、“可能”、“例如”、“诸如”、“如”之类的，除非特别指出或者所使用的上下文中理解，否则一般旨在传达某些实施例包括，而其它实施例不包括某些特征、元件和/或状态。

本文所提供的本发明的的教导可以应用于其它系统，而不一定上述系统。上述各种实施例的元件和动作可以被组合以提供进一步的实施方式。本文所讨论的方法的行为可以任何次序酌情进行。此外，当合适时，本文中所讨论的方法的操作可以被串联或并行地执行。

尽管某些实施例进行了说明，这些实施例已提出了通过举例的方式而已，而不是为了限制本公开的范围。事实上，本文描述的该新颖的方法、系统和装置可以体现在其他各种形式。此外，可以对本文中所描述的方法和系统的形式做出各种省略、替代和改变，而不脱离本公开的精神。所附权利要求及其等同物旨在覆盖这些形式或修改，落入本公开的范围和精神内。

这里提出的权利要求是适合美国专利商标局使用的单一依赖格式。然而，可以理解，任何权利要求可依赖于同一类型的前述任一权利要求，除非这显然是在技术上不可行。

Claims (27)

1.一种在第一频率范围上分析信号以定位其中至少一个相对显著频率分量的电子实现方法，该方法包括：使用电子硬件分析频率的测试范围以在所述测试范围内识别潜在的显著分量；和使用电子硬件确定是否已满足结束分析的条件，如果条件没有得到满足，则修改测试范围作为分析的结果，并重复所述分析和所述确定。

2.根据权利要求1所述的方法，其中，修改所述测试范围包括修改所述测试范围的频率范围。

3.根据权利要求2所述的方法，其中，修改所述测试范围包括修改所述测试范围的带宽。

4.根据权利要求1所述的方法，其中，确定是否已满足结束分析的条件包括确定至少一项：

一个或多个频率分量是否已被确定为预定准确度；或

是否已达到迭代限制。

5.根据权利要求1所述的方法，其中，分析频率的第一频率范围包括执行逐次逼近搜索。

6.根据权利要求1所述的方法，包括：将所述频率搜索范围分割为多个区域；在每个区域内分析信号强度，以识别具有包含显著或主导信号的最大可能性的候选区域；和修改所述测试范围，所述新的频率测试范围比起之前的频率测试范围减小尺寸，并且包括所述候选区域。

7.根据权利要求1所述的方法，进一步包括：滤波所述输入信号以排除或衰减所述频率测试范围之外的频率分量。

8.根据权利要求7所述的方法，进一步包括：频率转换所述频率测试范围，使得所述过滤在所述分析和所述确定的每一次迭代在重叠频率范围操作。

9.根据权利要求8所述的方法，进一步包括：所述滤波带宽在每次迭代减小。

10.根据权利要求8所述的方法，其中，所述滤波包括低通滤波或带通滤波，以及所述频率测试范围被转换为位于滤波的通带内。

11.根据权利要求8所述的方法，其中，使用数字频率转换器或转换器执行频率平移。

12.根据权利要求1所述的方法，其中，傅立叶变换引擎用于估计信号强度作为频率的函数，并向所述频率测试范围内的多个区域中的每一个分配强度的估计。

13.根据权利要求12所述的方法，其中，所述傅立叶变换引擎对N个采样工作，其中N是小于或等于16的整数。

14.根据权利要求12所述的方法，其中，所述傅立叶变换引擎对N个采样工作，其中N是小于或等于8的整数。

15.根据权利要求12所述的方法，其中，所述傅立叶变换引擎对N个采样工作，其中N是小于或等于4的整数。

16.根据权利要求12所述的方法，进一步包括以抽取因子抽取提供给傅立叶变换引擎的信号，所述抽取因子在每个迭代增加。

17.根据权利要求1所述的方法，其中，参量引擎用于估计一个或多个分量的频率。

18.根据权利要求17所述的方法，其中，所述参量引擎是低阶或单个命令引擎。

19.一种优势信号检测装置，被布置成递归搜索输入信号的输入频率范围，并在每遍搜索在之前识别的降低频率搜索范围作为含有主导信号，并继续直到以预定的准确度估计所述主导信号的频率。

20.根据权利要求19所述的装置，包括被布置成限定频率搜索空间的搜索空间控制器，和频谱分析引擎。

21.根据权利要求20所述的装置，其中，所述搜索空间控制器包括被配置为将可变频率搜索范围映射到预定频率范围的频率转换器，和可控带宽滤波器。

22.根据权利要求20所述的装置，其中，所述频谱分析引擎包括低N点FFT引擎。

23.根据权利要求20所述的装置，其中，所述频谱分析引擎包括参量引擎。

24.根据权利要求21所述的装置，其中，所述频率转换器包括数字降频转换器。

25.根据权利要求21所述的装置，其中，所述可控带宽滤波器包括数字滤波器，响应于带宽控制器以改变所述可控带宽滤波器的带宽。

26.一种无线电接收机，包括如权利要求19中的主导信号检测装置。

27.根据权利要求26所述的无线电接收机，其中，所述主导信号检测装置被布置来寻找阻断信号的高次谐波，其中该谐波发生在数字化信号中。