一种基于ESPRIT算法的细化频率估计方法技术

本发明专利技术涉及一种基于ESPRIT算法的细化频率估计方法，包括以下步骤：S1搜索待估计信号的FFT频谱函数幅度的M0个峰值点，得到各峰值点处的频率索引，并得到待估计信号各峰值点的频率初估计值；S2确定每一个峰值点的ESPRIT算法的当前细化频率区间；S3对待估计信号在所述当前细化频率区间内进行复调制，得到频移信号；S4对所述频移信号进行数字低通滤波，得到需要分析的频段序列；S5估计每一个峰值点的所述当前细化频率区间内的真实信号数，得到每一个峰值点的最优细化频率区间；S6在每一个峰值点的所述最优细化频率区间内采用ESPRIT算法估算各信号的频率，得到每一个峰值点的各信号的最终频率估计值。的最终频率估计值。的最终频率估计值。

【技术实现步骤摘要】
一种基于ESPRIT算法的细化频率估计方法


[0001]本专利技术涉及频率估计领域，更具体地涉及一种基于ESPRIT算法的细化频率估计方法。

技术介绍

[0002]信号的频率估计是工程应用中常常存在的问题，许多场景需要对信号的频率进行精确估计。例如，在频率调制连续波(FMCW)雷达测距系统中，其可以根据发送波和反射波的差频信号来得到相关的距离信息，即通过估计差频信号的频率来得到估计距离，因此对于差频信号的频率估计准确程度直接影响到了估计距离的准确程度，差频信号频率的测量精度直接决定了测距的精度。
[0003]为了提高频率估算的精度，许多频率估计算法被提出。其中，最常见的是快速傅里叶变换(FFT)法，但是其存在栅栏效应和频谱泄露问题，极大地影响了频率估算精度。为了克服FFT方法的不足，现有技术采用一种ESPRIT(基于旋转不变技术的信号参数估计)的超分辨率算法来估算频率，其利用接收信号相关矩阵的特征分解(EVD)或奇异值分解(SVD)来分离信号子空间和噪声子空间，然后，利用信号子空间和噪声子空间相互正交的关系来精确地估计所需信号的参数，其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ESPRIT算法的细化频率估计方法，其特征在于，包括以下步骤：S1：对待估计信号进行N点FFT变换，得到FFT频谱函数，搜索FFT频谱函数幅度的M0个峰值点，得到各峰值点处的频率索引，并得到待估计信号FFT幅度谱中各峰值点的频率初估计值；S2：确定每一个峰值点的ESPRIT算法的当前细化频率区间；S3：对待估计信号在所述当前细化频率区间内进行复调制，得到频移信号；S4：对所述频移信号进行数字低通滤波，得到需要分析的频段序列；S5：估计每一个峰值点的所述当前细化频率区间内的真实信号数，并且得到每一个峰值点的最优细化频率区间；S6：在每一个峰值点的所述最优细化频率区间内采用ESPRIT算法进行每一个峰值点所具有的数量为真实信号数的差频信号的差频频率估计，得到每一个峰值点的各信号的最终频率估计值。2.根据权利要求1所述的基于ESPRIT算法的细化频率估计方法，其特征在于，步骤S2进一步包括：S21：确定每一个峰值点的当前信号数；S22：根据每一个峰值点的所述当前信号数计算数据矩阵的行数和细化倍数；S23：利用FFT峰值点和细化倍数计算和得到每一个峰值点的当前细化频率区间。3.根据权利要求2所述的基于ESPRIT算法的细化频率估计方法，其特征在于，对于峰值点j，所述数据矩阵的行数和细化倍数满足如下关系式：其中，为当前信号数，K
j
为数据矩阵的行数，D
j
为细化倍数，表示不大于N/K
j
的最大整数，N为FFT变换的长度。4.根据权利要求3所述的基于ESPRIT算法的细化频率估计方法，其特征在于，当前细化频率区间(f
j,1
,f
j,2
)满足如下关系式：其中，为峰值点j的细化区间的中间值所在的频率点，m
′
j
为峰值点j的频率索引，Δf
j
为半带宽，Δf
j
＝W
j
/2，W
j
为细化带宽，W
j
＝f
s
/D
j
。5.根据权利要求4所述的基于ESPRIT算法的细化频率估计方法，其特征在于，所述频移信号满足如下关系式：其中，x(n)为频移信号，d(n)为带估计信号，q为虚数单位，f
s
＝NΔf
FFT
为采样频率，Δf
FFT
为谱线间隔，L0为频率的中心移位。6.根据权利要求1所述的基于ESPRIT算法的细化频率估计...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：中科水研江西科技股份有限公司，
类型：发明
国别省市：