柏果，程郁凡，唐萬(wàn)斌

(電子科技大學(xué)通信抗干擾技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室 成都 611731)

多音信號(hào)的頻率估計(jì)是許多領(lǐng)域的基本問(wèn)題，包括雷達(dá)[1]和無(wú)線通信[2]。如在正交頻分復(fù)用(orthogonal frequency division multiplexing,OFDM)通信系統(tǒng)的載波頻偏估計(jì)[2]和多音干擾消除[3]中會(huì)遇到多音信號(hào)的頻率估計(jì)?，F(xiàn)有的用于多音信號(hào)頻率估計(jì)算法主要分為兩類：時(shí)域估計(jì)算法和頻域估計(jì)算法。

時(shí)域估計(jì)算法通常會(huì)需要矩陣求逆、特征值分解、奇異值分解[4]，因此其計(jì)算復(fù)雜度為O(LN3)，其中L為單音分量的數(shù)量，N為采樣點(diǎn)數(shù)。

頻域估計(jì)算法主要基于離散傅里葉變換(discrete fourier transform,DFT)和一些插值形式，因此他們的計(jì)算復(fù)雜度一般為O(LNlog2N)，這遠(yuǎn)小于時(shí)域估計(jì)算法，因此頻域估計(jì)算法得到了更多的關(guān)注和應(yīng)用。針對(duì)單音信號(hào)，已有很多插值器被提出[5]，但在處理多音信號(hào)時(shí)，頻譜泄露造成的分量間互干擾會(huì)降低這些插值器的估計(jì)精度。為了降低分量間互干擾，許多基于加窗的插值器被提出。文獻(xiàn)[6]提出基于賴夫?文森特類I 窗的插值器。文獻(xiàn)[7]提出漢寧窗，文獻(xiàn)[8]提出余弦窗。文獻(xiàn)[9]提出了一種適用于經(jīng)典窗函數(shù)的補(bǔ)零插值器，然而由于其中的三次方程，該插值器的估計(jì)性能較差。文獻(xiàn)[10]提出了一種高階多項(xiàng)式插值算法來(lái)補(bǔ)償特定于窗函數(shù)的估計(jì)器偏差，支持任意窗函數(shù)?；谖墨I(xiàn)[10]，文獻(xiàn)[11]提出了一個(gè)新的插值器，該插值器僅根據(jù)窗函數(shù)調(diào)整偏差補(bǔ)償因子，因此其復(fù)雜度更低。雖然這些非矩形窗可以減少分量間的互干擾，但也會(huì)造成一定的功率損失。文獻(xiàn)[12]提出了牛頓化正交匹配追蹤(newtonalized orthogonal matching pursuit,NOMP)算法，該算法通過(guò)牛頓迭代法和反饋提高頻率估計(jì)的精度，然而其計(jì)算復(fù)雜度較高。文獻(xiàn)[13]提出了一種迭代估計(jì)算法，該算法采用了A&M 插值器[14]。文獻(xiàn)[15]提出了一種兩階段估計(jì)算法，該算法采用了拋物線插值器[16]來(lái)克服分量間互干擾，然而當(dāng)分量間頻率間隔較小時(shí)，其估計(jì)性能仍然較差。

為了降低分量間的相互干擾，提高頻率估計(jì)性能，本文提出了一種基于兩階段加窗插值(twostage windowed interpolation,TSWI)的多音信號(hào)頻率估計(jì)算法，該算法包含一個(gè)新的支持任意窗函數(shù)的插值器。在第一個(gè)階段，通過(guò)選用可以降低頻譜泄露的窗函數(shù)獲得初始估計(jì)值；在第二個(gè)階段，由于分量間的相互干擾可以通過(guò)初始估計(jì)值消除，通過(guò)選用矩形窗函數(shù)彌補(bǔ)第一階段非矩形窗帶來(lái)的信噪比(signal-to-noise ratio,SNR)損失并得到精估計(jì)值。數(shù)值仿真結(jié)果表明，本文算法具有比現(xiàn)有算法更優(yōu)的估計(jì)性能。

1 系統(tǒng)模型

含噪聲的多音信號(hào)可以表示為：

式中，n=0,1···,N?1，N為樣點(diǎn)數(shù)；L為分量數(shù)；Al、fl和 φl(shuí)為第l個(gè)分量sl[n]的復(fù)幅度、頻率和初相，fs為采樣率；w[n]為加性高斯白噪聲(additive white gaussian noise,AWGN)，w[n]～CN(0,2σ2)。

為了獲得接收信號(hào)頻譜的更多細(xì)節(jié)，可以利用帶補(bǔ)零的DFT 變換，即：

式中，k=0,1···,N′?1；N′=N+P0，P0為補(bǔ)零長(zhǎng)度。

將式(1)代入式(2)中，可得：

根據(jù)式(4)可得：

通過(guò)分析式(7)，可得：

2 基于TSWI 的多音頻率估計(jì)算法

2.1 新加窗插值器

基于式(10)，本文提出一種加窗插值器，其推導(dǎo)過(guò)程如下。

為了簡(jiǎn)化分析，假設(shè)L=1。加窗的接收信號(hào)可以表示為：

式中，h[n]為窗函數(shù)。類似地，[n]的頻域信號(hào)為：

根據(jù)式(10)，本文提出一種假設(shè)，即存在一個(gè)系數(shù)CN′，使得式(14)為真。

根據(jù)式(13)可知：

根據(jù)泰勒展開(kāi)可知，f(x+δl)可展開(kāi)為：

根據(jù)式(15)、式(16)和式(18)可知，式(14)中的分子可以展開(kāi)為：

類似地，式(14)中的分母可以展開(kāi)為：

因?yàn)閍0、a1、b0和b1都是實(shí)數(shù)，所以有：

將式(20)和式(23)代入式(26)可得：

根據(jù)式(27)可知，本小節(jié)所提出的假設(shè)是真，且系數(shù)CN′可以表示為：

特別地，當(dāng)窗函數(shù)為矩形窗時(shí)，有CN′=1。

基于式(27)，本文提出了一種加窗插值器，即：

2.2 TSWI 的第一階段

不失一般性地，假設(shè)|A1|≥|A2|≥···≥|AL|。在這個(gè)階段，l被依次設(shè)置為1,2,···,L，當(dāng)前l(fā)?1個(gè)分量被估計(jì)后，可以根據(jù)式(31)將這些分量從接收信號(hào)中消除以降低分量間互干擾：

根據(jù)文獻(xiàn)[16]可知，kl可估計(jì)為：

為了降低分量間互干擾和高階項(xiàng)O()對(duì)頻率估計(jì)精度的影響，可以通過(guò)將第l個(gè)分量的頻率移至零附近以減小高階項(xiàng)，并對(duì)接收信號(hào)采用能降低頻譜泄露的非矩形窗，即：

根據(jù)上一節(jié)的分析可知，fl可被重新估計(jì)為：

此外，Al可估計(jì)為：

在這一階段的最后，可得到所有參數(shù)的估計(jì)值。

2.3 TSWI 的第二階段

雖然第一階段的非矩形窗可以降低頻譜泄露，但是也會(huì)造成一定的SNR 損失，因此第一階段的頻率估計(jì)值的精度可以被進(jìn)一步提升。

在這一階段中，l仍然被依次設(shè)置為1,2,···,L。因?yàn)樵诘谝浑A段所有分量的參數(shù)估計(jì)值都已得到，所以分量間的互干擾可以被消除為：

第二階段采用矩形窗，并可將CN′=1、h[n]=1、=和代入式(35)～式(38)更新，然后將和代入式(39)更新。

在第二階段的最后，所有參數(shù)估計(jì)值都可更新。基于TSWI 的多音信號(hào)頻率估計(jì)算法的詳細(xì)步驟如下一節(jié)所示。注意，為了降低計(jì)算復(fù)雜度，補(bǔ)零長(zhǎng)度P0首先設(shè)置為?N，此時(shí)DFT 可以通過(guò)快速傅里葉變換(fast Fourier transform,FFT)實(shí)現(xiàn)，然后為了提高估計(jì)精度，P0設(shè)置為M，M為一個(gè)遠(yuǎn)大于N的整數(shù)。

3 性能分析

根據(jù)基于TSWI 的多音信號(hào)頻率估計(jì)算法可知，頻率估計(jì)性能主要由決定。

根據(jù)式(40)消除其他分量，得到[n]；

當(dāng)SNR 較高時(shí)，認(rèn)為?fl/fs≈0，S簡(jiǎn)化為：

同理，式(41)可以簡(jiǎn)化為：

將式(49)代入式(50)可得：

根據(jù)式(46)可知：

式中，SNRl=|Al|2/(2σ2)。

由于第二階段采用矩形窗，式(53)可以簡(jiǎn)化為：

4 數(shù)值仿真

本節(jié)仿真了不同多音信號(hào)頻率估計(jì)算法，并對(duì)其性能進(jìn)行了對(duì)比分析，仿真參數(shù)如下：L=2，|A1|=|A2|=1，f1～U[0,fs)，f2=f1+α，α為頻率間隔，∠A1～U[?π,π)，∠A2～U[?π,π)，M=3N，N=256，沿用文獻(xiàn)[13]算法的迭代次數(shù)為2。

圖1 給出了TSWI 第一階段采用不同窗函數(shù)時(shí)的兩個(gè)分量的平均均方MSE(root MSE，RMSE)性能，其中α=2.4fs/N，一個(gè)DFT 柵格為fs/N，SNR為所有分量的信噪比，其與SNRl的關(guān)系可以表示為：

從圖1 中可以看出，采用非矩形窗時(shí)的頻率估計(jì)性能優(yōu)于采用矩形窗時(shí)的頻率估計(jì)性能，這是因?yàn)檫@些非矩形窗可以降低頻率泄露，減少分量間的互干擾。此外，采用漢明窗時(shí)TSWI 具有最優(yōu)的頻率估計(jì)性能，當(dāng)SNR ≥?5 dB時(shí)，其RMSE 仿真曲線與理論RMSE 曲線基本重合，且與CRLB 也基本重合，在之后的仿真中，TSWI 第一階段都采用漢明窗。

圖1 TSWI 第一階段采用不同窗函數(shù)時(shí)的兩分量平均RMSE

圖2 展示了α=2.4fs/N時(shí)不同多音信號(hào)頻率估計(jì)算法的平均RMSE，由于頻率間隔較小，分量間互干擾較大，文獻(xiàn)[11]算法、文獻(xiàn)[13]算法和拋物線插值算法都出現(xiàn)估計(jì)誤差平層。與這些算法不同，TSWI 未出現(xiàn)估計(jì)誤差平層，當(dāng)S NR ≥?5 dB時(shí)，其RMSE 基本達(dá)到了CRLB，這是因?yàn)門(mén)SWI 在第一階段通過(guò)漢明窗抑制了頻譜泄露，并在第二階段通過(guò)矩形窗彌補(bǔ)了第一階段漢明窗造成的SNR 損失。

圖2 α=2.4 fs/N時(shí)不同多音頻率估計(jì)算法的平均RMSE

在圖3 中，α被設(shè)置為31.9fs/N，由于頻率間隔較大，所有算法都未出現(xiàn)頻率估計(jì)誤差平層，然而，TSWI 的估計(jì)性能仍然優(yōu)于其他算法。

圖3 α=31.9 fs/N時(shí)不同多音頻率估計(jì)算法的平均RMSE

圖4 對(duì)比了不同頻率間隔下各多音信號(hào)頻率估計(jì)算法的平均RMSE，其中SNR=30dB?？梢园l(fā)現(xiàn)，TSWI 具有最優(yōu)的頻率估計(jì)性能，當(dāng)α>2fs/N時(shí)，TSWI 的RMSE 基本達(dá)到了CRLB，其他算法都需要更大的頻率間隔才能不再受分量間互干擾的影響。

圖4 SNR=30dB 時(shí)不同多音頻率估計(jì)算法的平均RMSE

圖5 將L增大到4，各分量的頻率分別為5.1fs/N、7.2fs/N、16.3fs/N和35.8fs/N，各分量的幅度都為1，且初相都服從區(qū)間為 ?π～π的均勻分布。由于L增大到4，所有算法都出現(xiàn)了頻率估計(jì)平層，然而TSWI 在SNR>30dB 時(shí)才出現(xiàn)誤差平層，其他算法在SNR>20dB 時(shí)就出現(xiàn)了誤差平層，此外，TSWI 的誤差平層遠(yuǎn)小于其他算法。

圖5 L=4 時(shí)不同多音頻率估計(jì)算法的平均RMSE

5 結(jié)束語(yǔ)

本文提出了一種基于TSWI 的多音信號(hào)頻率估計(jì)算法，本算法包含一個(gè)新的插值器，其插值器支持任意窗函數(shù)，通過(guò)在第一階段選擇可以抑制頻譜泄露的非矩形窗并在第二階段選擇矩形窗，在降低分量間互干擾的同時(shí)不損失SNR。仿真結(jié)果表明，本文算法具有比現(xiàn)有算法更優(yōu)的頻率估計(jì)性能。