基于LE和IIN算法的正弦信號頻率估計(jì)算法

譚釧章，李宏偉,樊昌周,耿 耿

(1.空軍工程大學(xué)信息與導(dǎo)航學(xué)院，陜西 西安 710077；2.解放軍95999部隊(duì)，北京 100078)

基于LE和IIN算法的正弦信號頻率估計(jì)算法

譚釧章1，李宏偉1,樊昌周1,耿 耿2

(1.空軍工程大學(xué)信息與導(dǎo)航學(xué)院，陜西西安710077；2.解放軍95999部隊(duì)，北京100078)

針對信號頻率位于兩個相鄰離散頻率點(diǎn)的中心區(qū)域時，迭代插值(Iterative Interpolation Based Algorithm, IIN)算法估計(jì)誤差較大，而當(dāng)信號頻率位于離散頻率點(diǎn)附近時，線性方程(Linear Equation, LE)算法估計(jì)誤差較大的問題，提出了一種基于LE和IIN算法的正弦信號頻率估計(jì)算法。該算法運(yùn)用頻譜搬移的思想，首先利用LE算法進(jìn)行頻率粗估計(jì)，然后將原信號往離散頻率點(diǎn)附近頻移，再利用IIN算法進(jìn)行二次迭代。Monte-Carlo仿真結(jié)果表明，該算法頻率估計(jì)的均方根誤差在全頻段內(nèi)逼近克拉美-羅界(Cramer-Rao Lower Bound,CRLB)，精度和穩(wěn)定性皆優(yōu)于R-IIN算法、M-LE算法和IIN算法，并且運(yùn)算量小于IIN算法(二次迭代)和M-LE算法。

頻率估計(jì)；頻譜搬移；插值；克拉美-羅界

0 引言

低信噪比條件下正弦信號的頻率估計(jì)一直是信號處理領(lǐng)域的經(jīng)典課題，在雷達(dá)和通信等領(lǐng)域有廣泛的應(yīng)用。國內(nèi)外許多學(xué)者對此有深入的研究。文獻(xiàn)[1]給出了加性復(fù)高斯白噪聲中正弦信號頻率的最大似然(Maximum Likelihood, ML)估計(jì)，該算法的估計(jì)誤差逼近克拉美-羅界(CRLB)，為最優(yōu)估計(jì)，它需要在頻率域進(jìn)行一維搜索，計(jì)算量太大?；陔x散傅里葉變換(Discrete Fourier transform, DFT)的頻率估計(jì)方法[2]可以利用快速傅里葉變換(Fast Fourier Transform, FFT)實(shí)現(xiàn)，因而在工程上得到了廣泛的應(yīng)用。對截?cái)嗟男盘栠M(jìn)行抽樣離散，然后作FFT變換后，會帶來頻譜泄漏與柵欄效應(yīng)，通過對信號加窗可以有效減少頻譜泄漏的問題[3-6]。為減小柵欄效應(yīng)所帶來的估計(jì)誤差，文獻(xiàn)[7]提出的Rife算法利用信號頻譜幅度最大的兩根譜線幅度的比值進(jìn)行插值來估計(jì)頻率，高信噪比環(huán)境下能有效提高估計(jì)精度，在低信噪比條件下容易出現(xiàn)插值方向錯誤[8]。Quinn算法[9-10]利用FFT譜線的相位對相位噪聲有180°的抵抗容限，用幅值最大的三根譜線的復(fù)比值的實(shí)部進(jìn)行插值，有效地避免了Rife算法插值方向錯誤的問題。但在低信噪比條件下時，對某些頻率點(diǎn)的估計(jì)仍然波動明顯。針對這一問題，Serge提出線性方程(LE)[11-12]算法。該方法對離散正弦信號建立了線性方程模型，較Quinn算法有更強(qiáng)的抗噪性能，在信號頻率位于兩個離散頻率點(diǎn)中心區(qū)域時精度較高，在信號頻率點(diǎn)位于離散頻率點(diǎn)附近時估計(jì)精度會下降。文獻(xiàn)[13]在Quinn算法的基礎(chǔ)上，利用LE算法來判斷插值方向，提出了基于頻移修正的線性方程頻率估計(jì)算法，即M-LE算法，相比Quinn算法在低噪比條件下的估計(jì)精度和穩(wěn)定性有進(jìn)一步提高。但該算法受Quinn算法在信號頻率越靠近離散頻率點(diǎn)時估計(jì)誤差會變大的限制，在全頻段內(nèi)估計(jì)性能不穩(wěn)定，出現(xiàn)波動。Aboutanios提出一種迭代插值(IIN)算法[14-15]，通過兩次以上的迭代使得MSE逼近CRLB。該算法在信號頻率位于量化頻率點(diǎn)附近時精度較高，否則要經(jīng)過多次迭代來減小估計(jì)誤差，而多次迭代會產(chǎn)生巨大的運(yùn)算量。文獻(xiàn)[16]結(jié)合Rife算法在信號頻率位于兩個相鄰量化頻率點(diǎn)的中心區(qū)域時精度較高和IIN算法在信號頻率位于量化頻率點(diǎn)附近時精度較高的優(yōu)點(diǎn)，提出了R-IIN算法，在高信噪比條件下有良好的估計(jì)性能。但是Rife算法在低信噪比條件下易出現(xiàn)插值方向錯誤，因此R-IIN算法在低信噪比條件下估計(jì)誤差較大，在低信噪比條件下進(jìn)行頻率估計(jì)時精度下降。

本文針對LE算法和IIN算法的估計(jì)誤差依信號頻率而變化且波動較大的問題，結(jié)合兩種算法的優(yōu)點(diǎn)，提出了基于LE和IIN算法的正弦信號頻率估計(jì)算法。

1 LE算法和IIN算法原理

1.1 信號模型

加性高斯白噪聲污染的復(fù)正弦信號模型可表示為：

x(n)=Aej(2πfn+φ)+w(n),n=0,1,…,N-1

(1)

其中，A、f、φ分別為信號的振幅、歸一化頻率和初始相位，N為信號序列長度。w(n)為均值為零，方差為σ2的復(fù)高斯白噪聲序列。對x(n)作FFT，得到其傅里葉變換：

(2)

其中，W(k)為w(n)的傅里葉變換。其頻譜圖分辨率為Δf-fs/N，fs為采樣頻率。設(shè)k=k0時X(k)幅度最大，當(dāng)信號頻率f正好為Δf的整數(shù)倍時，真實(shí)頻率與最大譜線位置重合，估計(jì)值不會出現(xiàn)偏差。在實(shí)際中出現(xiàn)這種情況的概率很小，更常見的是信號頻率位于最大譜線位置與次大譜線位置之間，不失一般性，信號的真實(shí)頻率可表示為:

f=(k0+δ)×Δf；δ∈[-0.5,0.5]

(3)

因此，插值類算法可以分兩步進(jìn)行。第一步，粗估計(jì)：對信號序列作FFT得到最大幅度譜線對應(yīng)位置k0(整數(shù))；第二步，精估計(jì)：利用插值算法對偏差δ(分?jǐn)?shù))進(jìn)行精確估計(jì)，最后根據(jù)式(3)得出頻率估計(jì)值。

1.2LE算法原理

在無噪聲污染環(huán)境下時，復(fù)正弦信號模型由式(1)可進(jìn)一步表示為[11-12]：

s(n)=Aλm

(4)

其中，λ=ejω，A為信號幅度。 對s(n)作DFT得到：

(5)

式(5)中，WN=e-j2π/N，p=A(1-λN)。等式兩邊同時乘以分母，式(5)變形為：

(6)

在噪聲環(huán)境下，式(1)和式(2)可由式(4)、式(5)表示為：

x(n)=s(n)+ω(n)

(7)

X(k)=S(k)+ψ(k)

(8)

為區(qū)分W(k)與WN，將W(k)用ψ(k)代替(如式(8)中所示)。式(7)、式(8)直接代入式(6)得到：

(9)

(10)

(11)

(12)

(13)

1.3IIN算法原理

1)迭代一：

(14)

(15)

2)迭代二：

(16)

(17)

3)

(18)

IIN算法是把信號的頻譜往靠近|δ|=0的方向進(jìn)行頻譜搬移，即往離散頻率點(diǎn)附近頻移。當(dāng)信號頻率t位于離散頻率點(diǎn)附近時，X0.5與X-0.5的實(shí)部值大小十分接近，同時值較大，受噪聲影響較小，此時IIN算法的估計(jì)精度較高。當(dāng)信號頻率f位于兩個離散頻率點(diǎn)的中心區(qū)域時，X0.5與X-0.5兩者之中遠(yuǎn)離Xk0的實(shí)部值較小，受噪聲干擾較大，算法估計(jì)的精度下降，此時需要多次迭代才能逼近CRLB。

2 基于LE和IIN算法的正弦信號頻率估計(jì)算法

由以上分析可知：IIN算法在信號頻率位于離散頻率點(diǎn)附近時估計(jì)精度較高，位于兩離散頻率點(diǎn)中心區(qū)域時，受噪聲影響估計(jì)精度下降。而LE算法在低信噪比條件下具有良好的抗噪聲性能，在全頻段內(nèi)性能穩(wěn)定，且在兩個離散頻率點(diǎn)中心區(qū)域時具有較高的估計(jì)精度[11]。

因此，對原始信號進(jìn)行離散化處理之后，首先用LE算法來判斷插值方向，確定插值方向的準(zhǔn)則為：

(19)

綜上所述，基于LE和IIN算法的正弦信號頻率估計(jì)算法實(shí)現(xiàn)步驟如下：

1)對信號作FFT，得到最大譜線位置；

3 實(shí)驗(yàn)仿真和計(jì)算量分析

為了驗(yàn)證基于LE和IIN算法的正弦信號頻率估計(jì)算法的穩(wěn)定性與估計(jì)精度，利用Monte-Carlo模擬實(shí)驗(yàn)的方法對算法進(jìn)行仿真，并與M-LE算法[13]、IIN算法[14]和 R-IIN算法[16]進(jìn)行對比。仿真實(shí)驗(yàn)分為兩個部分：第一部分是各算法在信號頻率位于兩個離散頻率點(diǎn)之間不同位置時的估計(jì)誤差的對比，實(shí)驗(yàn)結(jié)果采用均方誤差(Mean Square Error, MSE)與克拉美-羅界的比值，即MSE/CRLB來度量；第二部分分析了各算法在不同信噪比條件下的估計(jì)誤差，實(shí)驗(yàn)結(jié)果為MSE。定義信噪比SNR=A2/σ2，在正弦信號的幅度和初始相位都未知的情況下，頻率估計(jì)的CRLB為[1]：

(22)

3.1 實(shí)驗(yàn)仿真與結(jié)果分析

仿真條件1): 采樣頻率fs=1 MHz，采樣點(diǎn)數(shù)N=256，信號頻率f=Δf(20+δ)，其中δ∈[-0.5,0.5]，區(qū)間間隔為0.05。分別在SNR為10 dB、和-6 dB的條件下，對每個頻點(diǎn)處做1 000次Monte-Carlo仿真，得到其性能曲線分別如下圖 1 (a)和圖1 (b)所示。

圖1 不同信號頻率處各算法MSE/CRLB值Fig.1 MSE/CRLBof each algorithm

由圖1仿真結(jié)果可知，在信噪比較高(SNR=10 dB)的情況下，由于R-IIN和M-LE分別是在Rife算法和Quinn算法的基礎(chǔ)之上的改進(jìn)，受到Rife算法和Quinn算法在全頻段內(nèi)不穩(wěn)定的限制，部分頻率點(diǎn)的誤差較大，基于LE和IIN算法的正弦信號頻率估計(jì)算法的性能曲線幾乎與IIN算法的性能曲線重合，算法在全頻段內(nèi)的穩(wěn)定性和整體的估計(jì)精度都明顯優(yōu)于R-IIN和M-LE算法；在信噪比較低(SNR=-6 dB)的情況下，R-IIN算法的估計(jì)誤差變得比較大，達(dá)到了2.5倍以上CRLB。M-LE算法的估計(jì)誤差波動明顯，MSE整體在1.4倍CRLB以下，IIN算法在|δ|→0時MSE逐步變大，整體在1.4倍CRLB以下。而基于LE和IIN算法的正弦信號頻率估計(jì)算法在全頻段內(nèi)性能都比較穩(wěn)定，均方誤差(MSE)在1.2倍CRLB以下，優(yōu)于R-IIN算法、M-LE算法和IIN算法。

仿真條件2): 采樣頻率fs=1 MHz，采樣點(diǎn)數(shù)N=256，SNR∈[-8,2]，區(qū)間間隔為0.5，分別在信號頻率f=Δf(20+0.05)和f=Δf(20+0.45)時，在每個信噪比條件下做1 000次Monte-Carlo仿真實(shí)驗(yàn)，得出MSE性能曲線如下圖2(a)和圖2 (b)所示。

圖2 不同信噪比條件下各算法估計(jì)性能Fig.2 The comparison of MSE in different SNR

由圖2仿真結(jié)果可知M-LE算法在f=Δf(20+0.05)頻點(diǎn)處信噪比門限高于另外三種算法，信噪比達(dá)到-7 dB以下時，算法失效。R-IIN算法的MSE明顯高于另外三種算法。當(dāng)f=Δf(20+0.45)時,在信噪比達(dá)到-6 dB的條件下，R-IIN算法波動較大,估計(jì)精度下降。而基于LE和IIN算法的正弦信號頻率估計(jì)算法性能始終表現(xiàn)穩(wěn)定。當(dāng)|δ|→0時，其MSE大小與IIN算法相當(dāng) ，當(dāng)|δ|→0.5時，其MSE小于IIN算法，更加逼近CRLB。

3.2 計(jì)算量分析

作一次N點(diǎn)的FFT需要(N/2)log2N次復(fù)數(shù)乘法和Nlog2N次復(fù)數(shù)加法。此外，基于LE和IIN算法的正弦信號頻率估計(jì)算法在判斷插值方向時要增加兩次復(fù)數(shù)乘法和兩次復(fù)數(shù)加法。進(jìn)行二次迭代計(jì)算X±0.5時增加2N次復(fù)數(shù)乘法2(N-1)次復(fù)數(shù)加法。各算法運(yùn)算量比較如表1所示。

表1 各算法運(yùn)算量分析

由表1分析可知，基于LE和IIN算法的正弦信號頻率估計(jì)算法的運(yùn)算量小于M-LE算法和IIN算法(二次迭代)，比R-IIN算法只多兩次復(fù)數(shù)乘法和兩次復(fù)數(shù)加法。因此，基于LE和IIN算法的正弦信號頻率估計(jì)算法在不顯著增加運(yùn)算量的情況下，提高了估計(jì)精度和穩(wěn)定性，整體計(jì)算量較小，便于硬件實(shí)現(xiàn)。

4 結(jié)論

本文分析了LE算法和IIN算法的特點(diǎn)，并結(jié)合兩種算法提出了基于LE和IIN算法的正弦信號頻率估計(jì)算法。該算法既利用了LE算法在信號頻率位于兩離散頻率點(diǎn)中心區(qū)域時精度較高和抗噪性能良好的優(yōu)點(diǎn)，避免了插值方向錯誤的問題，又發(fā)揮了IIN算法在信號頻率位于離散頻率點(diǎn)附近時精度較高的優(yōu)點(diǎn)。實(shí)驗(yàn)仿真結(jié)果表明，基于LE和IIN算法的正弦信號頻率估計(jì)算法在全頻段內(nèi)性能的穩(wěn)定性和精度整體優(yōu)于R-IIN算法、M-LE算法和IIN算法，在保證運(yùn)算量較小的同時有效地提高了估計(jì)精度和穩(wěn)定性，適用于信號頻率的實(shí)時估計(jì)且精度要求較高的場合。

[1]Rife D C, Boorstyn R R. Single-tone parameter estimation from discrete-time observations[J]. IEEE Transactions on Information Theory, 1974, 20(5):591-598.

[2]Palmer L C. Coarse frequency estimation using the discrete fourier transform[J]. IEEE Transactions on Information Theory, 1974, IT-20(1):104-109.

[3]Duda K. DFT interpolation algorithm for Kaiser-Bessel and Dolph-Chebyshev windows[J]. IEEE Transactions on Instrumentation and Measurement, 2011, 60(3): 784-790.

[4]Belega D, Petri D. Frequency estimation by two-or three-point interpolated Fourier algorithms based on cosine windows[J]. Signal Processing, 2015, 117: 115-125.

[5]Candan ?. Fine resolution frequency estimation from three DFT samples: Case of windowed data[J]. Signal Processing, 2015, 114: 245-250.

[6]Werner K J, Germain F G. Sinusoidal parameter estimation using quadratic interpolation around power-scaled magnitude spectrum peaks[J]. Applied Sciences, 2016, 6(10): 306.

[7]Rife D C, Vincent G A. Use of the discrete fourier transform in the measurement of frequencies and levels of tones[J]. Bell Labs Technical Journal, 1970, 49(2):197-228.

[8]齊國清. 幾種基于FFT的頻率估計(jì)方法精度分析[J]. 振動工程學(xué)報(bào), 2006, 19(1):86-92.

[9]Quinn B G. Estimating frequency by interpolation using Fourier coefficients[J]. Signal Processing IEEE Transactions on, 1994, 42(5):1264-1268.

[10]Quinn B G. Estimation of frequency, amplitude, and phase from the DFT of a time series[J]. IEEE Transactions on Signal Processing, 1997, 45(3):814-817.

[11]Provencher S. Estimation of complex single-tone parameters in the DFT domain[J]. IEEE Transactions on Signal Processing, 2010, 58(7):3879-3883.

[12]Provencher S. Parameters estimation of complex multitone signal in the DFT domain[J]. IEEE Transactions on Signal Processing, 2011, 59(7): 3001-3012.

[13]李夏, 郭英, 張坤峰,等. 基于頻移修正的線性方程頻率估計(jì)算法[J]. 探測與控制學(xué)報(bào), 2015,37(4):66-71.

[14]Aboutanios E, Mulgrew B. Iterative frequency estimation by interpolation on Fourier coefficients[J]. IEEE Transactions on Signal Processing, 2005, 53(4):1237-1242.

[15]Aboutanios E. Estimating the parameters of sinusoids and decaying sinusoids in noise[J]. IEEE Instrumentation & Measurement Magazine, 2011, 2(14): 8-14.

[16]周龍健, 羅景青, 房明星. 基于IIN算法和Rife算法的正弦波頻率估計(jì)算法[J]. 數(shù)據(jù)采集與處理, 2013, 28(6):839-842.

FrequencyEstimatorofSinusoidSignalBasedonLEandIINAlgorithm

TAN Chuanzhang1, LI Hongwei1，F(xiàn)AN Changzhou1,GENG Geng2

(1. Information and Navigation College, Air Force Engineering University, Xi’an 710077, China; 2. Unit 95999 of PLA, Beijing 100078, China)

Aiming at the problem that when the frequency locates in the central region of two adjacent discrete frequency points, the variance of iterative interpolation (IIN) based estimator becomes larger and the estimation precision of linear equation (LE) algorithm decrease when the frequency is near to the discrete frequency points, a new algorithm which based on LE and IIN algorithm was proposed in this paper. Firstly, a coarse frequency was estimated by the LE algorithm. Then move the original signal to the discrete frequency point via frequency shift modification. Finally, the second iteration of IIN algorithm was used to get a fine signal frequency estimate. Monte-Carlo simulation showed that the root mean square error (RMSE) approached to Cramer-Rao lower bound(CRLB) throughout whole frequency range. The performance of the proposed algorithm was better than R-IIN algorithm, M-LE algorithm and IIN algorithm both in accuracy and stability, and the computation was smaller than IIN algorithm(two iterations) and M-LE algorithm.

frequency estimation; frequency shift modification; interpolation; Cramer-Rao lower bound

2017-01-12

:國家自然科學(xué)基金項(xiàng)目資助(61571457)

:譚釧章(1993—)，男，湖南湘潭人，碩士研究生，研究方向：雷達(dá)信號處理。E-mail:jzscion@163.com。

TN911.6

：A

：1008-1194(2017)04-0119-05