CN115630271A - 信号频率估计方法、装置、设备及存储介质 - Google Patents
信号频率估计方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115630271A CN115630271A CN202211194272.0A CN202211194272A CN115630271A CN 115630271 A CN115630271 A CN 115630271A CN 202211194272 A CN202211194272 A CN 202211194272A CN 115630271 A CN115630271 A CN 115630271A
- Authority
- CN
- China
- Prior art keywords
- target signal
- frequency
- component
- signal
- signal component
- 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.)
- Pending
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种信号频率估计方法、装置、设备及存储介质，该方法包括：通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得信号分量；从所述信号分量中确定能量大于能量门限的目标信号分量；基于所述目标信号分量的相位，通过相位解缠信息，获得所述目标信号分量的粗频率；获得所述目标信号分量的空间回归基；目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率。本发明无需任何有关频率波形的先验知识，便可精确估计线性、正弦以及指数频率分量，规避了人为频率分段，能有效避免造成数据错误，提高频率估计准确度。
Description
技术领域
本发明涉及通信技术领域，尤其涉及一种信号频率估计方法、装置、设备及存储介质。
背景技术
在实际信号处理中，瞬时频率在雷达、声纳、移动通信等领域有着广泛地应用。例如，根据传感方式的不同，WiFi信号分为三种，即WiFi雷达，接收信号强度指示(ReceivedSignal Strength Indication，RSSI)和信道状态信息(Channel State Information,CSI)。WiFi雷达信号为射频(Radio Frequency，RF)信号，RSSI为强度信号，CSI为幅频信号。
常规时频分析可在二维时频图上给出信号的时变频谱，然而Heisenberg/Gabor不确定原理表明提高时间分辨率以牺牲频域聚焦为代价，反之亦然。窗函数将信号截断并进行频谱分析，窗口长度选择需要权衡时间和频率分辨率。常规时频分析方法容易实现，但加窗会造成拖尾和泄漏等问题。参数类方法不需要假设数据窗口外的零值以及周期性数据，受到拖尾和泄漏限制较少，例如稀疏多分量线性调频估计方法可用于线性信号的时频分析。但是这类方法严重依赖于可靠先验模型，存在以下缺陷：必须知道原始信号的频率的形状，如果频率是非线性的，就要考虑如何对频率进行分割，使其满足近似线性的要求。在对原始信号的相关信息未知的情况下，频率估计准确度较低。
发明内容
本发明提供一种信号频率估计方法、装置、设备及存储介质，用以解决现有技术中频率估计准确度较低的缺陷，实现提高频率估计准确度。
本发明提供一种信号频率估计方法，包括：
通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得信号分量；
从所述信号分量中确定能量大于能量门限的目标信号分量；
基于所述目标信号分量的相位，通过相位解缠信息，获得所述目标信号分量的粗频率；
获得所述目标信号分量的空间回归基；
目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率。
可选地，所述获得所述目标信号分量的空间回归基，包括：
判断所述信号频率估计为无偏估计或有偏估计；
在所述信号频率估计为无偏估计的情况下，直接计算确定所述目标信号分量的空间回归基；
在所述信号频率估计为有偏估计的情况下，通过k折交叉估计，将目标信号分量分割成k组，k为正整数；
确定k组目标信号分量计算分别对应的最佳空间回归基；
计算k组目标信号分量分别对应的最佳空间回归基的平均值，得到所述目标信号分量的空间回归基。
可选地，所述方法还包括：基于最佳粒度选择方法计算获得所述k。
可选地，所述通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得信号分量，包括：
基于凸优化模型
获得信号分量；
其中，y用于表征所述多分量信号，a用于表征所述信号分量，D用于表征所述DFT字典。
可选地，所述DFT字典的大小为512×N，DFT字典的网格数为512，N为多分量信号长度。
可选地，从所述信号分量中确定能量大于能量门限的目标信号分量，包括：
基于a对应的预设门限值，从所述信号分量中确定目标信号分量；其中，所述目标信号分量对应的a值大于所述预设门限值。
本发明提供一种信号频率估计装置，包括：
分离模块，用于通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得信号分量；
确定模块，用于从所述信号分量中确定能量大于能量门限的目标信号分量；
粗频率获取模块，用于基于所述目标信号分量的相位，通过相位解缠信息，获得所述目标信号分量的粗频率；
空间回归基获取模块，用于获得所述目标信号分量的空间回归基；
精确频率获取模块，用于目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述信号频率估计方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述信号频率估计方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述信号频率估计方法。
本发明提供的信号频率估计方法、装置、设备及存储介质，通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得能量较大的目标信号分量，并通过相位解缠信息，获得目标信号分量的粗频率，进而将目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率，无需任何有关频率波形的先验知识，便可精确估计线性、正弦以及指数频率分量，规避了人为频率分段，能有效避免造成数据错误，提高频率估计准确度。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的信号频率估计方法的流程示意图；
图2是本发明提供的信号频率估计方法的示意图之一；
图3是本发明提供的信号频率估计方法的示意图之二；
图4是本发明提供的信号频率估计结果的示意图之一；
图5是本发明提供的信号频率估计结果的示意图之二；
图6是本发明提供的信号频率估计结果的示意图之三；
图7是本发明提供的信号频率估计装置的结构示意图；
图8是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1-图8描述本发明的信号频率估计方法、装置、设备及存储介质。
图1是本发明提供的信号频率估计方法的流程示意图，如图1所述，该方法包括如下流程示意图：
步骤100，通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得信号分量；
可选地，可以通过稀疏的离散傅里叶变换(Discrete Fourier Transform，DFT)字典，在未知信号分量数量的前提下，分离信号分量，以便实现每个信号分量精准估计。
步骤110，从所述信号分量中确定能量大于能量门限的目标信号分量；
可选地，在通过稀疏的离散傅里叶变换DFT字典，分离多分量信号后，可以从信号分量中找出信号能量比较强的字典位置，对应目标信号分量。
可选地，还可以确定目标信号分量的信号数量。
步骤120，基于所述目标信号分量的相位，通过相位解缠信息，获得所述目标信号分量的粗频率；
可选地，可以通过稀疏的DFT字典查阅，大致确定目标信号分量的相位。
可选地，在获得目标信号分量的相位后，可以进一步通过相位解缠信息得到目标信号分量的粗频率。
步骤130，获得所述目标信号分量的空间回归基；
步骤140，目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率。
可选地，在获得目标信号分量的粗频率后，可以获得粗频率点对应的空间回归基，进而可以将目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率。
本发明提供的信号频率估计方法，通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得能量较大的目标信号分量，并通过相位解缠信息，获得目标信号分量的粗频率，进而将目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率，无需任何有关频率波形的先验知识，便可精确估计线性、正弦以及指数频率分量，规避了人为频率分段，能有效避免造成数据错误，提高频率估计准确度。
可选地，所述获得所述目标信号分量的空间回归基，包括：
判断所述信号频率估计为无偏估计或有偏估计；
在所述信号频率估计为无偏估计的情况下，直接计算确定所述目标信号分量的空间回归基；
在所述信号频率估计为有偏估计的情况下，通过k折交叉估计，将目标信号分量分割成k组，k为正整数；
确定k组目标信号分量计算分别对应的最佳空间回归基；
计算k组目标信号分量分别对应的最佳空间回归基的平均值，得到所述目标信号分量的空间回归基。
可选地，可以首先判别信号频率估计是否为有偏评估；若是无偏估计，可以直接计算信号分量空间回归基；若是有偏估计，可以通过k折交叉估计，将N个信号点分割成k组，分别对k个组计算最佳空间回归基，并将k组最佳空间回归基求平均，得到信号分量的空间回归基。
可选地，可以判别目标信号分量的粗频率是否有偏；若是有偏估计，可以通过k折交叉估计，将N个信号点分割成k组，分别对k个组计算最佳空间回归基，并将k组最佳空间回归基求平均，得到信号分量的空间回归基，若是无偏，则直接计算信号分量的空间回归基(可以认为k＝1)；进而可以将目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率。
可选地，图2是本发明提供的信号频率估计方法的示意图之一，如图2所示，对于n个目标信号分量中的第i个目标信号分量(可以是n个目标信号分量中的任一个)，均执行一次判别第i个目标信号分量的粗频率是否有偏；若是有偏估计，可以通过k折交叉估计，将N个信号点分割成k组，分别对k个组计算最佳空间回归基，并将k组最佳空间回归基求平均，得到第i个目标信号分量的空间回归基，进而可以将第i个目标信号分量的粗频率映射在所述空间回归基上，得到第i个目标信号分量的精确频率；若是无偏，则直接计算第i个目标信号分量的空间回归基(可以认为k＝1)；进而可以将第i个目标信号分量的粗频率映射在所述空间回归基上，得到第i个目标信号分量的精确频率；即n个目标信号分量一共可以执行n次上述过程。
可选地，在判别信号频率估计是否为有偏评估时，可以通过时频分析图观察目标信号分量的频率波形，如果波形为线性或接近线性，则无偏估计，即k＝1。否则依照有偏估计处理。
可选地，为获得最佳空间回归基，分组方式采用k折交叉验证分组。
本发明中，在基于目标信号分量的粗频率获得精确频率之前，手段对目标信号分量的粗频率进行判定，判定是为有偏估计还是无偏估计，在判定为无偏估计的情况下直接计算获得目标信号分量的空间回归基，而不用进行分组后多次计算，有效减小计算量，减少计算复杂度。
本发明中，可以采用相关技术计算空间回归基/最佳空间回归基，任意可以实现计算空间回归基/最佳空间回归基方式或类似方式均适用于本发明，本发明不作限定。
可选地，在每组的最佳空间回归基求解过程中，带宽和正则化参数变化会影响运算结果，带宽值太小，结果曲线会出现锯齿状；否则太平滑。若正则化参数值太小，结果曲线会出现过度拟合现象。本发明可以先将正则化参数固化为1，而带宽可以根据判断精度动态调整。
可选地，所述方法还包括：基于最佳粒度选择方法计算获得所述k。
可选地，k折交叉验证分组中的k值通过最佳粒度选择获取。
可选地，所述通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得信号分量，包括：
基于凸优化模型
获得信号分量；
其中，y用于表征所述多分量信号，a用于表征所述信号分量，D用于表征所述DFT字典。
可选地，可以通过稀疏的DFT字典，找出信号能量比较强的字典位置(即目标信号分量)；假设多分量信号长度为N，采样频率为Fs，则N＝T×Fs，T代表整个多分量信号的时长，Fs为采样频率。例如，T＝10s，Fs＝100Hz，则该信号的采样点数为N＝1000；字典大小为512×N，512为字典的网格数，即DFT字典网格是固定的，只是在时间长度上与信号长度一致。
可选地，可以将信号精确估计问题转化为能量信号空间的距离问题，即l2-范式的凸优化问题
通过稀疏的离散傅里叶变换(DFT)字典，在未知信号分量数量的前提下，分离信号分量。
可选地，所述DFT字典的大小为512×N，DFT字典的网格数为512，N为多分量信号长度。
可选地，DFT字典的网格大小可以根据判断精度动态调整。
可选地，从所述信号分量中确定能量大于能量门限的目标信号分量，包括：
基于a对应的预设门限值，从所述信号分量中确定目标信号分量；其中，所述目标信号分量对应的a值大于所述预设门限值。
可选地，可以解决凸优化问题(即凸优化模型
)，对解出的a设置门限，找出能量最大的信号分量，同时确定信号分量数量。进而可以通过稀疏的DFT字典查阅，大致确定信号分量对应的相位。
可选地，a对应的预设门限值可以根据判断精度动态调整。
在一个实施例中，图3是本发明提供的信号频率估计方法的示意图之二，如图3所示，可以获取多分量信号，进而通过DFT字典获得n个目标信号分量及其对应的粗相位，进而可以通过相位解缠信息，获得目标信号分量的粗频率，可以判别每一个目标信号分量的粗频率是否有偏；对于目标信号分量的粗频率是无偏估计的，可以直接计算该目标信号分量的空间回归基；将该目标信号分量的粗频率映射在该目标信号分量的空间回归基上，得到该目标信号分量的精确频率。对于目标信号分量的粗频率是有偏估计的，可以通过k折交叉估计，将N个信号点分割成k组，分别对k个组计算最佳空间回归基，并将k组最佳空间回归基求平均，得到该目标信号分量的空间回归基，将该目标信号分量的粗频率映射在该目标信号分量的空间回归基上，得到该目标信号分量的精确频率；n个目标信号分量一共可以执行n次上述过程，即对应图3中的n次循环。
图4是本发明提供的信号频率估计结果的示意图之一，如图4所示，开始输入的是瞬时频率为两个线性频率合成且时常为10s的信号，信号频率分别服从f1＝0.003t+0.4和f2＝0.004t+0.7，该信号采样频率为Fs＝10Hz，且分量幅度固定为1，初始相位随机。本发明基于稀疏字典的自适应多分量频率估计方法对加载10dB高斯白噪声信号进行估计，基于图4可以看出多分量频率的波形接近线性，为无偏估计。其中，学习字典采用DFT网格，网格大小设置为512。带宽设置为h＝[30,300]。
图5是本发明提供的信号频率估计结果的示意图之二，如图5所示，开始输入的是瞬时频率为两个正弦合成且时常为8s的信号，信号频率分别服从
和
该输入信号的采样频率为Fs＝1Hz，且分量幅度固定为1，初始相位随机。本发明基于稀疏字典的自适应多分量频率估计方法对加载10dB高斯白噪声信号进行估t∈(0,T]计，基于图5可以看出多分量频率的波形不为线性，为有偏估计。其中，学习字典采用DFT网格，网格大小设置为512。带宽设置为h＝[3]。
图6是本发明提供的信号频率估计结果的示意图之三，如图6所示，开始输入的是瞬时频率为两个指数合成且时常为10s的信号，信号频率分别服从f1＝0.36×1.3t和f2＝0.64×1.4t，t为T时间长度的信号中某个瞬时时刻t，t∈(0,T]。该信号采样频率为Fs＝20Hz，且分量幅度固定为1，初始相位随机。本发明基于稀疏字典的自适应多分量频率估计方法对加载10dB高斯白噪声的信号进行估计，基于图6可以看出多分量频率的波形不为线性，为有偏估计。其中，学习字典采用DFT网格，网格大小设置为512。带宽设置为h＝[3,30]。
本发明提供的信号频率估计方法，通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得能量较大的目标信号分量，并通过相位解缠信息，获得目标信号分量的粗频率，进而将目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率，无需任何有关频率波形的先验知识，便可精确估计线性、正弦以及指数频率分量，规避了人为频率分段，能有效避免造成数据错误，提高频率估计准确度。
下面对本发明提供的信号频率估计装置进行描述，下文描述的信号频率估计装置与上文描述的信号频率估计方法可相互对应参照。
图7是本发明提供的信号频率估计装置的结构示意图，如图7所示，该装置包括：分离模块710，确定模块720，粗频率获取模块730，空间回归基获取模块740，精确频率获取模块750；其中：
分离模块710用于通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得信号分量；
确定模块720用于从所述信号分量中确定能量大于能量门限的目标信号分量；
粗频率获取模块730用于基于所述目标信号分量的相位，通过相位解缠信息，获得所述目标信号分量的粗频率；
空间回归基获取模块740用于获得所述目标信号分量的空间回归基；
精确频率获取模块750用于目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率。
本发明提供的信号频率估计装置，通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得能量较大的目标信号分量，并通过相位解缠信息，获得目标信号分量的粗频率，进而将目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率，无需任何有关频率波形的先验知识，便可精确估计线性、正弦以及指数频率分量，规避了人为频率分段，能有效避免造成数据错误，提高频率估计准确度。
图8示例了一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行信号频率估计方法，该方法包括：
通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得信号分量；
从所述信号分量中确定能量大于能量门限的目标信号分量；
基于所述目标信号分量的相位，通过相位解缠信息，获得所述目标信号分量的粗频率；
获得所述目标信号分量的空间回归基；
目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的信号频率估计方法，该方法包括：
通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得信号分量；
从所述信号分量中确定能量大于能量门限的目标信号分量；
基于所述目标信号分量的相位，通过相位解缠信息，获得所述目标信号分量的粗频率；
获得所述目标信号分量的空间回归基；
目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的信号频率估计方法，该方法包括：
通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得信号分量；
从所述信号分量中确定能量大于能量门限的目标信号分量；
基于所述目标信号分量的相位，通过相位解缠信息，获得所述目标信号分量的粗频率；
获得所述目标信号分量的空间回归基；
目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种信号频率估计方法，其特征在于，包括：
通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得信号分量；
从所述信号分量中确定能量大于能量门限的目标信号分量；
基于所述目标信号分量的相位，通过相位解缠信息，获得所述目标信号分量的粗频率；
获得所述目标信号分量的空间回归基；
目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率。
2.根据权利要求1所述的信号频率估计方法，其特征在于，所述获得所述目标信号分量的空间回归基，包括：
判断所述信号频率估计为无偏估计或有偏估计；
在所述信号频率估计为无偏估计的情况下，直接计算确定所述目标信号分量的空间回归基；
在所述信号频率估计为有偏估计的情况下，通过k折交叉估计，将目标信号分量分割成k组，k为正整数；
确定k组目标信号分量计算分别对应的最佳空间回归基；
计算k组目标信号分量分别对应的最佳空间回归基的平均值，得到所述目标信号分量的空间回归基。
3.根据权利要求2所述的信号频率估计方法，其特征在于，所述方法还包括：基于最佳粒度选择方法计算获得所述k。
4.根据权利要求1所述的信号频率估计方法，其特征在于，所述通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得信号分量，包括：
基于凸优化模型
获得信号分量；
其中，y用于表征所述多分量信号，a用于表征所述信号分量，D用于表征所述DFT字典。
5.根据权利要求4所述的信号频率估计方法，其特征在于，所述DFT字典的大小为512×N，DFT字典的网格数为512，N为多分量信号长度。
6.根据权利要求4所述的信号频率估计方法，其特征在于，从所述信号分量中确定能量大于能量门限的目标信号分量，包括：
基于a对应的预设门限值，从所述信号分量中确定目标信号分量；其中，所述目标信号分量对应的a值大于所述预设门限值。
7.一种信号频率估计装置，其特征在于，包括：
分离模块，用于通过稀疏的离散傅里叶变换DFT字典，分离多分量信号，获得信号分量；
确定模块，用于从所述信号分量中确定能量大于能量门限的目标信号分量；
粗频率获取模块，用于基于所述目标信号分量的相位，通过相位解缠信息，获得所述目标信号分量的粗频率；
空间回归基获取模块，用于获得所述目标信号分量的空间回归基；
精确频率获取模块，用于目标信号分量的粗频率映射在所述空间回归基上，得到目标信号分量的精确频率。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述信号频率估计方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述信号频率估计方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述信号频率估计方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211194272.0A CN115630271A (zh) | 2022-09-28 | 2022-09-28 | 信号频率估计方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211194272.0A CN115630271A (zh) | 2022-09-28 | 2022-09-28 | 信号频率估计方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115630271A true CN115630271A (zh) | 2023-01-20 |
Family
ID=84904006
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211194272.0A Pending CN115630271A (zh) | 2022-09-28 | 2022-09-28 | 信号频率估计方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115630271A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117459187A (zh) * | 2023-12-25 | 2024-01-26 | 深圳市迈威数字电视器材有限公司 | 基于光纤网络的高速数据传输方法 |
-
2022
- 2022-09-28 CN CN202211194272.0A patent/CN115630271A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117459187A (zh) * | 2023-12-25 | 2024-01-26 | 深圳市迈威数字电视器材有限公司 | 基于光纤网络的高速数据传输方法 |
| CN117459187B (zh) * | 2023-12-25 | 2024-03-12 | 深圳市迈威数字电视器材有限公司 | 基于光纤网络的高速数据传输方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110275148B (zh) | 一种海杂波幅度分布参数估计方法及系统 | |
| CN108169739B (zh) | 基于分数阶傅立叶变换和最小脉宽检测的线性调频连续波时宽比估计方法 | |
| US10578729B2 (en) | Ranging method and apparatus | |
| CN115630271A (zh) | 信号频率估计方法、装置、设备及存储介质 | |
| CN108281961B (zh) | 一种自适应鲁棒扩展卡尔曼的参数辨识方法 | |
| CN109682492B (zh) | 基于频域高斯拟合的频率估计方法 | |
| KR101944429B1 (ko) | 주파수 분석 방법 및 이를 지원하는 장치 | |
| CN113204005A (zh) | 一种提高调频连续波激光雷达距离解算精度的方法及装置 | |
| CN110658517B (zh) | 一种基于不确定先验知识的降维稀疏stap方法及装置 | |
| CN115166650B (zh) | 一种雷达信号识别与参数估计方法和系统 | |
| CN105675084B (zh) | 一种带有迭代插值的高精度液位测量方法 | |
| Guner et al. | Implementation aspects of Wigner-Hough Transform based detectors for LFMCW signals | |
| CN110808929A (zh) | 相减策略的实复转换式信噪比估计算法 | |
| CN112444786A (zh) | 获取参考噪声基底的方法及装置、目标检测方法、目标检测装置、雷达系统 | |
| CN112014811B (zh) | 一种雷达载波频率的精细估计方法 | |
| CN115932773A (zh) | 基于谱形特征的目标角度检测方法、装置、设备及介质 | |
| CN113608190B (zh) | 基于奇异空间三特征的海面目标检测方法及系统 | |
| CN115542275A (zh) | 一种基于脉冲上升沿相关匹配的雷达辐射源pri计算方法 | |
| Eappen et al. | Semiparametric algorithm for processing MST radar data | |
| CN111308436B (zh) | 基于体积相关函数的雷达空时自适应处理方法及装置 | |
| CN114675253A (zh) | 水面微幅波频率估计方法、装置、电子设备及存储介质 | |
| EP2684073B1 (en) | Radio frequency digital receiver system and method | |
| CN108169715B (zh) | 一种同相和正交通道相位不平衡度确定方法及系统 | |
| CN107450058B (zh) | 基于FrFT和HT的雷达信号时频参数估计方法 | |
| CN112883787A (zh) | 一种基于频谱匹配的短样本低频正弦信号参数估计方法 |
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 |