CN107315109A - 一种基于时移相位差的高精度频率参数估计方法 - Google Patents
一种基于时移相位差的高精度频率参数估计方法 Download PDFInfo
- Publication number
- CN107315109A CN107315109A CN201710463266.3A CN201710463266A CN107315109A CN 107315109 A CN107315109 A CN 107315109A CN 201710463266 A CN201710463266 A CN 201710463266A CN 107315109 A CN107315109 A CN 107315109A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtr
- mtd
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
Abstract
本发明请求保护一种改基于时移相位差的高精度频率参数估计方法,该方法包括以下步骤:信号的采样并构造三段时间序列;三段时间序列加窗DFT;通过相位差求得两个归一化频率校正量集合;计算集合中元素距离,以信号能量最大值为选择条件,选择最佳信号频率估计值。本发明优点在于:1.本算法克服了传统的基于时移(MBTS)相位差校正法平移系数的限制。2.本算法减小了噪声的干扰,在一定噪声环境下可以达到克拉美罗下限(CRLB),具有良好的抗噪性能。
Description
技术领域
本发明属于信号处理领域,涉及一种用于信号中频率校正方法,具体涉及 一种基于改进的时移相位差频谱校正法。
背景技术
在离散频谱分析中,由于难以做到整周期截断信号以及有限的观测时间,不 可避免地引入频谱的泄漏和栅栏效应,常常导致频谱成分的频率、振幅和相位 存在一定的误差。加窗技术可以在一定程度上减轻这种缺陷,但不能彻底地解 决。例如,对加矩形窗和汉宁窗的单谐波进行分析,其振幅的最大误差分别可 达36.4%和15.3%。对于任何类型的窗函数,最大频率误差是其频率分辨率的一 半。而最大的相位误差甚至高达±90度。毫无疑问,解决离散频谱中的误差问 题在实际的工程应用中具有重大意义。
高精度的频率检测是信号参数(幅值和相位)估计的基础。相位差法具有不 受窗函数的限制,算法简单等优点,所以是一种常用的离散频谱校正方法,其中 基于时移(MBTS)相位差法应用较为广泛并得到广泛的研究。
在MBTS方法中,随着平移点数M的增加,频率校正精度有所提高。并且在有 噪声的情况下,通过合理选择参数M可以有效提高频率校正精度。但是目前的 MBTS方法也存在着以下缺点:1、平移系数M/N≥1时,目前方法并不适用于所有 频率;2、当两个频率十分靠近时(sa=ns1(n∈z+),sa=s2-s1),采用目前方法的校 正精度有所降低。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种基于时移相位差的高精度 频率参数估计方法。本发明的技术方案如下:
一种基于时移相位差的高精度频率参数估计方法,其包括以下步骤:
1)、通过高速数模转换器对信号以采样频率fs进行采样,得到数据长度为(N+M+L)点的数字量信号;N表示采样点数,M表示第二段信号相对第一段信号 的间隔量,L表示第三段信号相对第二段信号的间隔量,N、M、L均为正整数;
2)、从步骤1)的数字量信号0点起,取N点,得到时间序列x0(n);再从数 字量信号信号第M点起,取N点,得到时间序列x1(n);又从数字量信号信号第 M+L点起,取N点,得到时间序列x2(n);
3)、构造长度为N的任意对称窗函数,分别对序列x0(n)、x1(n)和x2(n)加窗 进行N点DFT变换,通过N点DFT变换后的相位差,三段时间序列求得两个 归一化的频率校正量δ的集合U和V;
4)、计算集合U和V集合之间的距离即可得到四个估计频率;
5)、对得到的四个估计频率进行单点DFT并计算信号的能量,以最大能量所 对应的估计频率为信号频率的最优估计值。
进一步的,所述步骤1)进行采样的信号采用单频余弦信号
x(t)=A0cos(2πf0t+θ0) (1)
其中A0为原始信号的幅值,f0为其频率,θ0是信号的初始相位角,信号x(t)经采 样后得到长度为(N+M+L)时间序列x(n)
n表示采样点序数,fs表示采样频率,同时,为了满足Nyquist采样定理,采样 频率fs>2f0。
进一步的,所述步骤2)中构造三段时间序列特征如下所示
其中以序列x(n)的0点时间平移M个点作为起始点开始取N点为序列x1(n),同 理得x2(n),λ0为归一化后的频率,其表示为λ0=f0N/fs。
进一步的,所述步骤3)通过相位差和三段时间序列求得两个归一化的频率 校正量δ的集合U和V具体包括:
根据傅里叶变换时移性质,相位差为
α表示相位差值,r表示相位绕卷圈数,θ1表示第二段信号初始相位,θ0表示第一段信号初始相位,r∈Z
令s=M/N,(7)可简写为
其中式(8)对1取模得
‘{}1’表示对1取模运算,令进一步可得
因为噪声的干扰,|δ|往往大于0.5,所以可以通过下式计算得到δ
δ=(β0+u)/s,u∈[P1,P2](u∈z), (11)
其中
‘[]1’表示取整运算,通过以上分析,利用三段时间序列可以得到
其中
通过式(13),可以得到
其中
进而可以得到两个归一化的频率校正量δ的集合
进一步的,所述步骤4)计算集合U和V集合之间的距离即可得到四个估计 频率,包括:定义集合U和集合V中所有元素之间的距离为
D={Δδ(i,j)=|δi-δj|:δi∈U,δj∈V} (24)
按升序排列,集合D的前四个值为
d={Δδ1(u1,v1),Δδ2(u2,v2),Δδ3(u3,v3),Δδ4(u4,v4)} (25)
集合V相对于集合d的值为
dv={δv1,δv2,δv3,δv4} (26)
从而,频率的估算值为kn=l+δvn,n=1,2,3,4 (27)。
进一步的,所述步骤5)对得到的四个估计频率进行单点DFT并计算信号的 能量,以最大能量所对应的估计频率为信号频率的最优估计值,具体包括:
定义单点DFT如下所示
那么信号的幅值为Ak=|V(k)|,根据(27)可以得到四个估计频率所对应的信号能量分别为
最大的能量值表示为
则最大能量所对应的估计频率值为kt=l+δvt,t∈[1,4] (31)。
本发明的优点及有益效果如下:
本发明建立时移系数大于1时的相位差校正方法,通过建立集合弱交的方 法,间接解决了时移系数大于1时,由于相位绕卷带来的问题,此发明具有良好 的抗噪性能。
附图说明
图1是本发明提供优选实施例的改进算法基于汉宁窗的RMSE值;图(1a)-图(1i)分别表示不同的s1和sa时,改进算法的RMSE值。
图2表示噪声干扰示意图。
图3表示基于矩形窗改进算法的RMSE仿真结果;
图4是本发明优选实施例基于时移相位差的高精度频率参数估计方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清 楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
一种用于信号处理的基于时移相位差的高精度频率参数估计新方法,其具体 步骤如下:
1)通过高速数模转换器对信号以采样频率fs进行采样,得到数据长度为(N+M+L)点的数字量信号。
2)从该段数字量信号0点起,取N点,得到时间序列x0(n);从该段信号第M 点起,取N点,得到时间序列x1(n)。从该段信号第M+L点起,取N点,得 到时间序列x2(n);
3)构造长度为N的任意对称窗函数,分别对序列x0(n),x1(n)和x2(n)加窗进行N 点DFT变换,通过相位差和三段时间序列求得两个归一化的频率校正量δ的 集合。
4)计算两个集合之间的距离即可得到四个估计频率。
5)对得到的四个估计频率进行单点DFT并计算信号的能量,以最大能量所对应 的估计频率为信号频率的最优估计值。
1、为了推导该改进方法,步骤1)我们考虑如下单频余弦信号
x(t)=A0cos(2πf0t+θ0) (1)
其中A0为原始信号的幅值,f0为其频率,θ0是信号的初始相位角。信号x(t)经采 样后得到长度为(N+M+L)时间序列x(n)
n表示采样点序数,fs表示采样频率,同时,为了满足Nyquist采样定理,采样 频率fs>2f0。
2、步骤2)中构造三段时间序列特征如下所示
其中以序列x(n)的0点时间平移M个点作为起始点开始取N点为序列x1(n),同 理得x2(n)。λ0为归一化后的频率,其表示为λ0=f0N/fs。
3、步骤3)中构造N点对称窗函数w(n),分
别对序列x0(n),x1(n)和x2(n)加窗进行N点DFT变换。在实际离散频谱分析中, 由于无法整周期截断信号以及有限的观测时间,不可避免地引入频谱的泄漏和 栅栏效应,因此λ0往往不是整数,其可表示为
λ0=l+δ (6)
上式中:l为峰值频点λ0附近抽样幅值最大所对应的谱线号,其为正整数;δ为 归一化的频率校正量为小数,其取值范围为0.5≤0≤0.5。根据傅里叶变换时移性 质,相位差为
令s=M/N,(7)可简写为
其中(8)对1取模得
‘{}1’表示对1取模运算。令进一步可得
{sδ}1=β0 (10)
因为噪声的干扰,|δ|往往大于0.5,所以可以通过下式计算得到δ
δ=(β0+u)/s,u∈[P1,P2](u∈z) (11)
其中
‘[]1’表示取整运算。通过以上分析,利用三段时间序列可以得到
其中
通过式(13),可以得到
其中
进而可以得到两个归一化的频率校正量δ的集合
4、步骤4)中集合U和集合V之间的距离可
以表示为
ρ(U,V)=inf{ρ(δi,δj)}(δi∈U,δj∈V) (18)
根据傅里叶变换时移性质,定义三个时间序列的相位差为
令L=m·M,(19)可改写为
将(20)代入(13)得
从而进一步可得
β2=(m+1)β1 (22)
结合(22)和(15)可得
通过(23)可以看出,当v=(m+1)u时,δi和δj几乎相等,这将导致一些不确定 的结果。为了解决这一问题,定义集合U和集合V中所有元素之间的距离为
D={Δδ(i,j)=|δi-δj|:δi∈U,δj∈V} (24)
按升序排列,集合D的前四个值为
d={Δδ1(u1,v1),Δδ2(u2,v2),Δδ3(u3,v3),Δδ4(u4,v4)} (25)
集合V相对于集合d的值为
dv={δv1,δv2,δv3,δv4} (26)
从而,频率的估算值为
kn=l+δvn,n=1,2,3,4 (27)
5、步骤5)中定义单点DFT如下所示
那么信号的幅值为Ak=|V(k)|,根据(27)可以得到四个估计频率所对应的信号能量分别为
最大的能量值表示为
则最大能量所对应的估计频率值为
kt=l+δvt,t∈[1,4] (31)
算法验证实例一:
在实际工程应用中,信号往往受到噪声的干扰,为了评估噪声对改进算法 的影响,考虑带有加性高斯白噪声的理论信号由式(1)给出。幅值A0设为1, 采样频率为256Hz,数据总长度为256点,故频率分辨率为1Hz。频率在区间 -0.5~0.5内以步距0.1变化。每个频率步进,相位以步距π/36在范围-π~π内扫描。 信噪比(SNR)在0dB~40dB区间内以步距5dB变化。用均方根值误差(RMSE) 来评估该改进算法,并与频率估计均方根误差克拉美罗下限(CRLB)比较。图1 所示为改进算法基于汉宁窗的RMSE值,其中sa=s2-s1。
据图所示,总体上当频率接近0时精度较好。并且校正精度随着s1和sa增 大而提高。从仿真结果可以看出改进算法不受平移系数的限制,并且提高了抗 噪性。最重要的是,改进算法可以达到克拉美罗下限(CRLB)。从图1中还可以 看出在s1+sa>4(s2>4)的情况下存在奇点。这是因为如图2所示,提高平移系数将 使d变小,并且幅值越来越近,这将导致改进算法的抗噪性有所下降。
算法验证实例二:
为了验证改进算法的适用性,图3所示为基于矩形窗改进算法的RMSE仿真 结果。仿真信号参数和实例一相同。
从图3可以看出随着s1和sa的增大,校正精度有所提高,并且总体上基于矩 形窗的仿真结果要好于基于汉宁窗。但是当SNR大于30时,校正效果不甚理 想。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范 围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或 修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (6)
1.一种基于时移相位差的高精度频率参数估计方法,其特征在于,包括以下步骤:
1)、通过高速数模转换器对信号以采样频率fs进行采样,得到数据长度为(N+M+L)点的数字量信号;N表示采样点数,M表示第二段信号相对第一段信号的间隔量,L表示第三段信号相对第二段信号的间隔量,N、M、L均为正整数;
2)、从步骤1)的数字量信号0点起,取N点,得到时间序列x0(n);再从数字量信号信号第M点起,取N点,得到时间序列x1(n);又从数字量信号信号第M+L点起,取N点,得到时间序列x2(n);
3)、构造长度为N的任意对称窗函数,分别对序列x0(n)、x1(n)和x2(n)加窗进行N点DFT变换,通过N点DFT变换后的相位差,三段时间序列求得两个归一化的频率校正量δ的集合U和V;
4)、计算集合U和V集合之间的距离即可得到四个估计频率;
5)、对得到的四个估计频率进行单点DFT并计算信号的能量,以最大能量所对应的估计频率为信号频率的最优估计值。
2.根据权利要求1所述的基于时移相位差的高精度频率参数估计方法,其特征在于,所述步骤1)进行采样的信号采用单频余弦信号
x(t)=A0cos(2πf0t+θ0) (1)
其中A0为原始信号的幅值,f0为其频率,θ0是信号的初始相位角,信号x(t)经采样后得到长度为(N+M+L)时间序列x(n)
<mrow>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>A</mi>
<mn>0</mn>
</msub>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mfrac>
<msub>
<mi>f</mi>
<mn>0</mn>
</msub>
<msub>
<mi>f</mi>
<mi>s</mi>
</msub>
</mfrac>
<mi>n</mi>
<mo>+</mo>
<msub>
<mi>&theta;</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
<mo>+</mo>
<mi>M</mi>
<mo>+</mo>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
n表示采样点序数,fs表示采样频率,同时,为了满足Nyquist采样定理,采样频率fs>2f0。
3.根据权利要求2所述的基于时移相位差的高精度频率参数估计方法,其特征在于,所述步骤2)中构造三段时间序列特征如下所示
<mrow>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>A</mi>
<mn>0</mn>
</msub>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mfrac>
<msub>
<mi>&lambda;</mi>
<mn>0</mn>
</msub>
<mi>N</mi>
</mfrac>
<mi>n</mi>
<mo>+</mo>
<msub>
<mi>&theta;</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>A</mi>
<mn>0</mn>
</msub>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mfrac>
<msub>
<mi>&lambda;</mi>
<mn>0</mn>
</msub>
<mi>N</mi>
</mfrac>
<mo>(</mo>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mi>M</mi>
</mrow>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>&theta;</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>A</mi>
<mn>0</mn>
</msub>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mfrac>
<msub>
<mi>&lambda;</mi>
<mn>0</mn>
</msub>
<mi>N</mi>
</mfrac>
<mo>(</mo>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mi>M</mi>
<mo>+</mo>
<mi>L</mi>
</mrow>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>&theta;</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中以序列x(n)的0点时间平移M个点作为起始点开始取N点为序列x1(n),同理得x2(n),λ0为归一化后的频率,其表示为λ0=f0N/fs。
4.根据权利要求3所述的基于时移相位差的高精度频率参数估计方法,其特征在于,所述步骤3)通过相位差和三段时间序列求得两个归一化的频率校正量δ的集合U和V具体包括:
根据傅里叶变换时移性质,相位差为
α表示相位差值,r表示相位绕卷圈数,θ1表示第二段信号初始相位,θ0表示第一段信号初始相位,r∈Z
令s=M/N,(7)可简写为
<mrow>
<mi>s</mi>
<mi>&delta;</mi>
<mo>=</mo>
<mi>&Delta;</mi>
<mover>
<mi>&alpha;</mi>
<mo>&OverBar;</mo>
</mover>
<mo>+</mo>
<mi>r</mi>
<mo>-</mo>
<mi>s</mi>
<mi>i</mi>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
其中式(8)对1取模得
<mrow>
<msub>
<mrow>
<mo>{</mo>
<mi>s</mi>
<mi>&delta;</mi>
<mo>}</mo>
</mrow>
<mn>1</mn>
</msub>
<mo>=</mo>
<msub>
<mrow>
<mo>{</mo>
<mi>&Delta;</mi>
<mover>
<mi>&alpha;</mi>
<mo>&OverBar;</mo>
</mover>
<mo>-</mo>
<mi>s</mi>
<mi>i</mi>
<mo>}</mo>
</mrow>
<mn>1</mn>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
‘{}1’表示对1取模运算,令
<mrow>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<msub>
<mrow>
<mo>{</mo>
<mi>&Delta;</mi>
<mover>
<mi>&alpha;</mi>
<mo>&OverBar;</mo>
</mover>
<mo>-</mo>
<mi>s</mi>
<mi>i</mi>
<mo>}</mo>
</mrow>
<mn>1</mn>
</msub>
<mo>,</mo>
</mrow>
进一步可得
{sδ}1=β0 (10)
因为噪声的干扰,|δ|往往大于0.5,所以可以通过下式计算得到δ
δ=(β0+u)/s,u∈[P1,P2](u∈z), (11)
其中
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<mo>-</mo>
<mi>s</mi>
<mo>/</mo>
<mn>2</mn>
<mo>-</mo>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<mo>&rsqb;</mo>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<mi>s</mi>
<mo>/</mo>
<mn>2</mn>
<mo>-</mo>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
‘[]’表示取整运算,通过以上分析,利用三段时间序列可以得到
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mrow>
<mo>{</mo>
<msub>
<mi>s</mi>
<mn>1</mn>
</msub>
<mi>&delta;</mi>
<mo>}</mo>
</mrow>
<mn>1</mn>
</msub>
<mo>=</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mrow>
<mo>{</mo>
<msub>
<mi>s</mi>
<mn>2</mn>
</msub>
<mi>&delta;</mi>
<mo>}</mo>
</mrow>
<mn>1</mn>
</msub>
<mo>=</mo>
<msub>
<mi>&beta;</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
</mrow>
其中
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>s</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mi>M</mi>
<mo>/</mo>
<mi>N</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>s</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>M</mi>
<mo>+</mo>
<mi>L</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mi>N</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>14</mn>
<mo>)</mo>
</mrow>
</mrow>
通过式(13),可以得到
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&delta;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msub>
<mi>s</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mi>u</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>u</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>u</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>&rsqb;</mo>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>&Element;</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&delta;</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&beta;</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msub>
<mi>s</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mi>v</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>v</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>v</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>&rsqb;</mo>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>&Element;</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>15</mn>
<mo>)</mo>
</mrow>
</mrow>
其中
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>u</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<mo>-</mo>
<msub>
<mi>s</mi>
<mn>1</mn>
</msub>
<mo>/</mo>
<mn>2</mn>
<mo>-</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<mo>&rsqb;</mo>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>u</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<msub>
<mi>s</mi>
<mn>1</mn>
</msub>
<mo>/</mo>
<mn>2</mn>
<mo>-</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>v</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<mo>-</mo>
<msub>
<mi>s</mi>
<mn>2</mn>
</msub>
<mo>/</mo>
<mn>2</mn>
<mo>-</mo>
<msub>
<mi>&beta;</mi>
<mn>2</mn>
</msub>
<mo>&rsqb;</mo>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>v</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<msub>
<mi>s</mi>
<mn>2</mn>
</msub>
<mo>/</mo>
<mn>2</mn>
<mo>-</mo>
<msub>
<mi>&beta;</mi>
<mn>2</mn>
</msub>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>16</mn>
<mo>)</mo>
</mrow>
</mrow>
进而可以得到两个归一化的频率校正量δ的集合
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>U</mi>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>&delta;</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>i</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
<mo>}</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>V</mi>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>&delta;</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
<mi>j</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>v</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>v</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
<mo>}</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>17</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
5.根据权利要求4所述的基于时移相位差的高精度频率参数估计方法,其特征在于,所述步骤4)计算集合U和V集合之间的距离即可得到四个估计频率,包括:定义集合U和集合V中所有元素之间的距离为
D={Δδ(i,j)=|δi-δj|:δi∈U,δj∈V} (24)
按升序排列,集合D的前四个值为
d={Δδ1(u1,v1),Δδ2(u2,v2),Δδ3(u3,v3),Δδ4(u4,v4)} (25)
集合V相对于集合d的值为
dv={δv1,δv2,δv3,δv4} (26)
从而,频率的估算值为kn=l+δvn,n=1,2,3,4 (27)。
6.根据权利要求5所述的基于时移相位差的高精度频率参数估计方法,其特征在于,所述步骤5)对得到的四个估计频率进行单点DFT并计算信号的能量,以最大能量所对应的估计频率为信号频率的最优估计值,具体包括:
定义单点DFT如下所示
<mrow>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>j</mi>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
<mi>N</mi>
</mfrac>
<mi>n</mi>
<mi>k</mi>
</mrow>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>28</mn>
<mo>)</mo>
</mrow>
</mrow>
那么信号的幅值为Ak=|V(k)|,根据(27)可以得到四个估计频率所对应的信号能量分别为
<mrow>
<msub>
<mi>B</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mn>2</mn>
</munderover>
<msubsup>
<mi>A</mi>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>k</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mn>4</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>29</mn>
<mo>)</mo>
</mrow>
</mrow>
最大的能量值表示为
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>B</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mn>2</mn>
</munderover>
<msubsup>
<mi>A</mi>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>k</mi>
<mi>t</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>t</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>,</mo>
<mn>4</mn>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>30</mn>
<mo>)</mo>
</mrow>
</mrow>
则最大能量所对应的估计频率值为kt=l+δvt,t∈[1,4] (31)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710463266.3A CN107315109B (zh) | 2017-06-19 | 2017-06-19 | 一种基于时移相位差的高精度频率参数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710463266.3A CN107315109B (zh) | 2017-06-19 | 2017-06-19 | 一种基于时移相位差的高精度频率参数估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107315109A true CN107315109A (zh) | 2017-11-03 |
CN107315109B CN107315109B (zh) | 2019-11-15 |
Family
ID=60183671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710463266.3A Active CN107315109B (zh) | 2017-06-19 | 2017-06-19 | 一种基于时移相位差的高精度频率参数估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107315109B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108333426A (zh) * | 2017-12-25 | 2018-07-27 | 南京丰道电力科技有限公司 | 基于傅氏算法的电力系统频率测量方法 |
CN110046325A (zh) * | 2019-04-23 | 2019-07-23 | 中国科学院光电技术研究所 | 一种简单便捷的多项式拟合算法的频率特性分析方法 |
CN110333478A (zh) * | 2018-03-30 | 2019-10-15 | 华为技术有限公司 | 一种到达角度、出发角度确定方法及通信装置 |
CN113281566A (zh) * | 2021-05-11 | 2021-08-20 | 重庆邮电大学 | 一种基于组合复信号相位差的频率估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136893A (zh) * | 2007-10-10 | 2008-03-05 | 天津大学 | 基于全相位fft的通用解调方法 |
CN1996986B (zh) * | 2006-11-16 | 2011-05-18 | 天津大学 | 全相位时移相位差频谱校正法 |
CN104391178A (zh) * | 2014-12-05 | 2015-03-04 | 国家电网公司 | 一种基于Nuttall窗的时移相位差稳态谐波信号校正方法 |
CN105738696A (zh) * | 2016-04-18 | 2016-07-06 | 天津大学 | 全相位时移相位差频率估计方法及装置 |
-
2017
- 2017-06-19 CN CN201710463266.3A patent/CN107315109B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1996986B (zh) * | 2006-11-16 | 2011-05-18 | 天津大学 | 全相位时移相位差频谱校正法 |
CN101136893A (zh) * | 2007-10-10 | 2008-03-05 | 天津大学 | 基于全相位fft的通用解调方法 |
CN104391178A (zh) * | 2014-12-05 | 2015-03-04 | 国家电网公司 | 一种基于Nuttall窗的时移相位差稳态谐波信号校正方法 |
CN105738696A (zh) * | 2016-04-18 | 2016-07-06 | 天津大学 | 全相位时移相位差频率估计方法及装置 |
Non-Patent Citations (3)
Title |
---|
丁康 等: "离散频谱时移相位差校正法", 《应用数学和力学》 * |
张涛 等: "改进的全相位时移相位差频谱分析算法", 《系统工程与电子技术》 * |
黄翔东 等: "全相位时移相位差频谱校正法", 《天津大学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108333426A (zh) * | 2017-12-25 | 2018-07-27 | 南京丰道电力科技有限公司 | 基于傅氏算法的电力系统频率测量方法 |
CN110333478A (zh) * | 2018-03-30 | 2019-10-15 | 华为技术有限公司 | 一种到达角度、出发角度确定方法及通信装置 |
CN110333478B (zh) * | 2018-03-30 | 2022-05-17 | 华为技术有限公司 | 一种到达角度、出发角度确定方法及通信装置 |
CN110046325A (zh) * | 2019-04-23 | 2019-07-23 | 中国科学院光电技术研究所 | 一种简单便捷的多项式拟合算法的频率特性分析方法 |
CN113281566A (zh) * | 2021-05-11 | 2021-08-20 | 重庆邮电大学 | 一种基于组合复信号相位差的频率估计方法 |
CN113281566B (zh) * | 2021-05-11 | 2023-11-14 | 重庆矩子兴智能科技有限公司 | 一种基于组合复信号相位差的频率估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107315109B (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107315109A (zh) | 一种基于时移相位差的高精度频率参数估计方法 | |
CN102662106B (zh) | 谐波电网电能计量方法 | |
CA2209417C (en) | Method and apparatus for signal analysis | |
CN108764073B (zh) | 一种结合频谱能量形态拟合的加速度滤噪和积分方法 | |
CN107102255A (zh) | 单一adc采集通道动态特性测试方法 | |
CN103457603B (zh) | 一种基于平均频谱测试adc动态参数的方法 | |
CN109633262A (zh) | 基于组合窗多谱线fft的三相谐波电能计量方法、装置 | |
CN103454494B (zh) | 一种高精度的谐波分析方法 | |
CN110095650A (zh) | 基于五项Rife-Vincent(I)窗的四谱线插值FFT的复杂谐波检测分析方法 | |
CN108875706A (zh) | 基于滑动平均与能量归集的海洋结构时频分析方法 | |
CN105720983A (zh) | 用于时间交织模数转换系统的误差估计方法和装置 | |
CN103454537A (zh) | 基于小波分析的风力发电低电压穿越检测设备及方法 | |
CN103399204A (zh) | 一种基于Rife-Vincent(II)窗插值FFT的谐波与间谐波检测方法 | |
CN109655665A (zh) | 基于布莱克曼窗的全相位傅里叶谐波分析方法 | |
CN103325388B (zh) | 基于最小能量小波框架的静音检测方法 | |
CN108776263B (zh) | 基于高阶汉宁自卷积窗及改进插值算法的谐波检测方法 | |
CN102868402A (zh) | 一种测试模数转换器主要性能指标的测试方法 | |
CN105373708B (zh) | 一种基于参数优化的改进广义s变换的时频分析方法 | |
CN106483563A (zh) | 基于互补集合经验模态分解的地震能量补偿方法 | |
CN110008434B (zh) | 一种高精度的简谐信号参数估计方法 | |
CN109541304A (zh) | 基于六项最小旁瓣窗插值的电网高次弱幅值谐波检测方法 | |
CN108761202B (zh) | 极点对称模态分解和希尔伯特变换相结合的谐波检测方法 | |
CN107679013A (zh) | 基于eemd‑hht与时频重排结合的转速曲线估计方法 | |
CN108680782B (zh) | 基于极值点对称模式分解的电压闪变参数检测方法 | |
CN106154257A (zh) | 基于FFT与apFFT的精密测量雷达二次测频方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |