梯度最速下降ANF频率无偏估计方法技术

本发明专利技术涉及信号处理领域，特别是一种基于梯度最速下降的ANF频率无偏估计方法。本发明专利技术的适用对象为单段任意频率的正弦信号，本发明专利技术包括以下步骤：首先，设置频率初始值，算法步长和ANF参数，并计算e1(k)、e2(k)、g1(k)、g2(k)和c(k)；其次，构建最速下降代价函数，并设计消除偏差项；然后，更新迭代频率估计值。最后，将原始信号x(k)减去ANF滤波输出的信号，得到滤波后的降噪信号X(k)。本发明专利技术涉及的频率估计方法精度高、抗噪性强、收敛速度快。

【技术实现步骤摘要】
梯度最速下降ANF频率无偏估计方法
本专利技术涉及信号处理领域，特别是一种梯度最速下降ANF(自适应陷波滤波器，adaptive notch filter)频率无偏估计方法。技术域描
技术介绍
自适应陷波滤波器(ANF)是一种基于参数模型法的频率估计方法，主要是根据被处理信号的特点，对其进行参数优化，自动调节自身模型参数，令ANF代价函数达到最小值，使陷波频率与信号频率相等，从而估计出信号频率值。该方法从时域角度进行迭代频率估计，不仅可以估计频率恒定的时不变信号，还可以估计频率发生变化的时变信号，同时还可有效的滤除正弦信号中的宽带噪声，提取淹没在噪声中的正弦信号，大幅提高正弦信号的信噪比，具有结构简单、计算量小、抗噪性好的优点，可广泛应用于电力系统、控制工程、通信系统及工业测量等诸多领域，具有重要研究意义和应用价值。目前，基于ANF的频率估计方法主要有以下两种:(I)有限冲激响应 ANF(参考文献[I]:Punchalard R, Lorsawatsiri A,Loetwassana W,Koseetaporn J, Wardkein P,Roeksabutr.Direct frequency estimationbased adaptive algorithm for a second-order adaptive FIR notchfilter[J].SignalProcessing, 2008,88 (2):315-325.):该方法传递函数较为简单，实现容易，且所需参数少，但其抗噪性较差，针对某些特定的频率信号，如归一化频率接近于O或π两端的信号，其频率估计方法存在较大的估计偏差，应用上受限制。(2)无限冲激响应ANF:该种陷波滤波器根据自身结构及计算方法的不同大致可分为两类，格型 ANF(参考文献[2]:Cho N I, Choi C H, Lee S U.Adaptive lineenhancement by using an IIR lattice notch filter [J].1EEE Transactions onAcoustics, Speech and Signal Processing.1989,37(4):585-589.)和限制零极点ANF(参考文献[3]:Nehorai A.A minimal parameter adaptive notch filter withconstrained poles and zeros[J].1EEE Transactions on Acoustics,Speech and SignalProcessing, 1985, 33 (4):983-996.)。格型ANF类陷波器一般都是通过最小化输出方差来确定迭代系数，但计算量大，且算法在最优值远离初始值时，收敛速度慢，代价明显增大。限制零极点ANF是一种基于梯度下降的自适应算法，具有陷波宽度小、计算量简单的特点，是一种应用比较广泛的陷波器。为了获得快速准确的频率估计结果，也产生了一些相应的算法，如基于Steiglitz-Mcbride系统辨识方法的ANF (参考文献[4]:涂亚庆，苏奋华，沈廷鳌，张海涛.自适应陷波器的科氏流量计信号频率跟踪方法[J].重庆大学学报(自然科学版)，2011，34 (10): 147-152.)，虽然精度较高，但收敛速度还有待提高，且容易收敛至局部极值点。为此，一种改进的ANF频率跟踪方法(参考文献[5] =Huiyue Y，Yaqing T，Haitao Z.A frequency tracking method based on improved adaptive notch filterfor coriolis mass flowmeter[J].Applied Mechanics and Materials,2012,128-129:450-456.)通过分析ANF输出信号同输入信号的相关性，判断ANF是否收敛，从而使ANF可以跳出局部极值点，收敛到全局极值点，但所需参数较多，取值不易，且未从根本上改变ANF固有的收敛缺陷，改善效果还有待进一步提高。针对此问题，分析其原因发现，由于所选择代价函数为ANF输出的平方，该代价函数收敛曲面存在局部极值点，且在某些区域收敛曲面过于平整，从而导致ANF沿此代价函数的梯度下降时的频率估计精度不高。而将ANF代价函数变换为FIR结构和IIR结构输出信号的乘积(参考文献[6] =Punchalard R，Lorsawatsiri A,Koseeyaporn J,Wardkein P,Roeksabutr A.Adaptive IIR notch filtersbased on new error criteria[J].Signal Processing, 2008,88 (3):685-703.),使该代价函数具备一定斜直线的特性，一定程度上加快了 ANF收敛速度。但缺点是最优频率估计解为局部极小值点，对频率初始值的设定有一定的要求，容易导致ANF不收敛，且频率估计方法有偏。尤为重要的是，以上方法针对某些特定的频率信号，如归一化频率接近于O或π两端的信号，其频率估计方法同样存在估计偏差，故适用的频率估计范围有限。综上所述，ANF频率估计方法具有重要研究意义和应用价值，但现有方法存在诸多问题，需要提出一种代价函数性能好、梯度下降快、适用频率范围广、精度高的频率无偏估计方法，适用于多段任意长度的不同频信号的频率估计。
技术实现思路
本专利技术的目的是提出一种代价函数性能好、梯度下降快、适用频率范围广、精度高的频率无偏估计方法，适用于任意频率的正弦信号频率估计及滤噪，解决现有ANF存在的主要问题，拓展其应用范围。本
技术实现思路
包括两项:I)具备最速下降性质的代价函数2) ANF无偏频率估计方法本专利技术代价函数及无偏频率估计方法说明如下:以正弦信号为例进行说明。I)在k时刻，将正弦含噪信号X (k)(信号频率为ω)分别通过Ν(ζ，ω)和Η(ζ，ω)，并得到 ei (k)和 e2 (k),N (ζ, ω ) = l_2cos ω ζ-1+ζ-2Η(ζ, ω) = l_2cos ω ζ-1+ζ-2/1_2 P cos ω ζ-1+P 2Z-2G1 (k) = X (k) _2cos ω X (k_l)+X (k_2)e2(k) = G1 (k) +2 P cos ω e2 (k~l) - P 2e2 (k~2)由此构建代价函数J(o) = Iie1 (k)+e2(k)]2,理论计算时需对J(co)求取期望,而在实际计算中可按下式进行计算本文档来自技高网...

【技术保护点】
梯度最速下降ANF频率无偏估计方法，适用对象为单段任意频率的正弦信号，该方法包括以下步骤：第一步：获得正弦信号x(k)设置频率初始值ω(0)＝π/2，算法步长μ＝2×10‑4和ANF参数ρ＝0.95；第二步：计算e1(k)、e2(k)、g1(k)、g2(k)和c(k)；e1(k)＝x(k)‑2cosω(k)x(k‑1)+x(k‑2)e2(k)＝e1(k)+2ρcosω(k)e2(k‑1)‑ρ2e2(k‑2)g1(k)≈2x(k‑1)sinω(k)g2(k)≈2[x(k‑1)‑ρe2(k‑1)]sinω(k)c(k)＝(3ρ‑5)sin2ω(k)第三步：构建最速下降代价函数；该代价函数为J[ω(k)]＝[e1(k)+e2(k)]2第四步：利用所构建代价函数设计消除偏差项G(k)G(k)＝[e1(k)+e2(k)][g1(k)+g2(k)]‑c(k)x(k)e1(k)第五步：按下式更新频率估计值ω(k+1)＝ω(k)‑μG(k)重复第二步至第五步，直至算法收敛；第六步：算法收敛后，将原始信号x(k)减去ANF滤波输出的信号，即得到滤波后的降噪信号X(k)。

【技术特征摘要】
1.梯度最速下降ANF频率无偏估计方法，适用对象为单段任意频率的正弦信号，该方法包括以下步骤: 第一步:获得正弦信号x(k)设置频率初始值ω (O) = π/2，算法步长μ = 2Χ10_4和ANF 参数 P = 0.95 ；第二步:计算 G1 (k)、e2 (k)、g1 (k)、g2 (k)和 c (k)； e! (k) = X (k) -2cos ω (k) x (k_l) +x (k_2) e2 (k) = e! (k) +2 P cos ω (k) e2 (k_l) - P 2e2 (k_2) g! (k) ^ 2x (k-1) sin ω (k) g2 (k) ^ 2 [x (k~l)...

【专利技术属性】
技术研发人员：涂亚庆，李明，沈廷鳌，
申请(专利权)人：中国人民解放军后勤工程学院，
类型：发明
国别省市：重庆;85