Page 254 - 应用声学2019年第4期
P. 254
714 2019 年 7 月
施密特系数 α mr 和正交系数 g m 可以利用以下等式 ࠫηՂᄊѦ࡙नᮊᤉᛡᬥर̔
得到:
p m (n)w r (n) D(m, r) ̿کவឨࣀᄊѓ࠵᧚˞͈ଽጊᮠဋ֗ᄱͯ
α mr = = , (8)
2
w (n) D(r, r)
r ໘ᡜ͊ʷϣൣ͈ፇౌଽጊ
y(k)w m (k) C(m)
g m = = . (9)
2
w (k) D(m, m) ර४࡙̔नरᄊጇ g m
m
最后,FOS 可以利用正交展开式的系数 g m 来计算
Ѿၹ g m රᝍࣨए a m
原函数展开的系数a m ,计算过程如下:
M
∑ 图 1 FOS 算法流程图
a m = g i v i ,
Fig. 1 Flow chart of FOS algorithm
i=m
1, i = m,
v m = i−1 (10)
∑
α ir v r , m < i 6 M. 2 不同谱估计算法的性能比较
−
r=m
该算法的核心就是根据均方误差的大小来确 2.1 谱估计结果的频率分辨率对比
定系统模型项 p m (n),引入第 m 项候选函数会使均
本小节将分别用 FOS、FFT、MVDR 三种方法
方误差的减小量为
对仿真信号进行处理,信号包含三个频率的正弦信
2
2
2
Q m = g w (n) = g D(m, m). (11) 号的叠加,分别为 f 1 = 504.9 Hz、f 2 = 505.5 Hz、
m
m
m
FOS 通过减小均方误差来利用少数模型项建 f 3 = 509.8 Hz,三个频率对应的信噪比分别为
立合适的模型,并在满足停止条件时结束搜索过 SNR 1 = 20 dB、SNR 2 = 15 dB 和 SNR 3 = 10 dB,
程。FOS以均方误差为标准,选取合适的候选函数, 噪声为高斯白噪声。信号的时间长度为 3 s,采样率
可以在没有先验信息的情况下反映出当前的误差
为 2 kHz,FOS 搜索频率范围从 500 ∼ 515 Hz,步
模型。
长为 0.1 Hz。利用上述三种方法获得的处理结果如
1.2 算法流程 图 2所示。
利用 FOS 算法进行谱估计的过程如图 1 所示。 图 2(a) 和 图 2(b) 分 别 为 FOS 和 MVDR 同
首先,对候选函数进行隐式正交,由于计算过程中不 FFT 处理时间长度为 3 s 的仿真信号的对比结果,
需要求解正交函数,所以在一定程度上减少了运算 图2(c)是FFT分别处理时间长度为3 s 和10 s 仿真
量;接下来对频率和相位进行搜索,以均方误差的减 信号的对比结果。通过图 2(a) 可知,经过 FOS处理
小量为选择标准,使得均方误差减小量最大的候选
得到的功率谱只在信号的三个频率处有值,无旁瓣
函数被搜索出来,作为模型项;继续重复搜索过程,
干扰;FFT 虽然能检测到三个正弦信号的频率,但
直到满足停止搜索条件时结束搜索;最后,利用搜索
是频率分辨率较低,旁瓣较突出,会影响信号频率估
过程中求得的正交系数对各频率分量的幅值进行
计的准确性。在图2(b)中,相比于FFT的处理结果,
求解。
MVDR 方法能够给出频率分辨率较高、旁瓣较低的
为了研究 FOS 算法在高分辨率谱估计方面的
谱估计结果,但是旁瓣依然存在。由此可见,FOS的
性能以及对信号幅度和相位参数估计的准确性,本
谱估计性能最好。由于仿真中设置的 FOS 的频率
文将会用到较常用的 FFT 方法和具有较高分辨率
搜索步长为 0.1 Hz,因此利用时间长度为 10 s 的仿
的 MVDR 谱估计方法,与 FOS 算法进行比较。首
先,分别利用三种方法对仿真信号进行谱估计,分析 真信号再次进行FFT谱估计,在图2(c)的处理结果
算法的性能。其次,利用海上实验数据的处理结果, 中,FFT 达到了同 FOS 算法一样的频率分辨率,能
验证基于快速正交搜索的谱估计方法的可行性。下 够准确地估计出信号的频率,相较于利用时间长度
文给出的 LOFAR图中显示色阶的颜色栏均代表分 为 3 s 的仿真信号的 FFT 处理结果,旁瓣有了明显
贝(dB)。 的降低。