2.5TSA算法..7
2.6YAN算法..8
2.7仿真结果与分析9
2.7.1Rim算法、改进自相关函数算法和TSA性能仿真算法性能仿真10
2.7.2Rim算法、TSA算法和Yan算法性能比较.13
3不同p和q取值下YAN算法的性能比较.16
3.1引言..16
3.2YAN算法的简要理论分析16
3.3仿真结果与分析..16
结论23
致谢24
参考文献25
1 绪论 1.1 研究背景与意义 从含有高斯白噪声中的正弦信号中提取信号频率一直是一个重要的课题，无论在理论中，还是在实际生活应用中，频率估计的研究都具有非常重要的价值。因此国内外许多学者针对这个问题做了大量的研究， 而频率估计算法可分为基于变换域14  ［ ］的特性和基于原信号本身的时域特性5 13  ［ ］两种。基于变换域的频率估计方法通常是考虑信号的频域特性，其在估计性能方面有一定的优势，但实现较为复杂，而时域方法相对简单，特别适用于要求计算量小，快速实时处理实正弦信号的情况。 传统基于时域自相关的方法，利用少量的自相关函数估计频率，此类方法计算简单，但对淹没于噪声中的正弦信号进行频率估计，无论在理论中，还是在实际应用中，都具有非常重要的研究价值。由于正弦信号自相关的频率与原信号相同，因而可以通过求信号自相关的频率来获得信号的频率。正弦信号的自相关函数仍为正弦信号，而高斯白噪声的自相关函数只有在零点位置存在，其余位置自相关函数期望均为0。因而通过自相关函数的方法来求解频率，能够在一定程度上降低噪声的影响。本文主要就是运用自相关函数的方法来估计频率，如果利用少量的自相关函数进行频率估计， 虽然估计所用的计算简单， 但是性能较低56  ［ ］。目前， 主要的方法有:提高载波性能的Rim算法9 ［ ］;由Rim算法改进的YAN算法［11］；两步自相关TSA算法［12］等; 这些改进的方法使得频率估计的性能得到提升，并在中、高信噪比或估计序列长度N较大情况时，频率估计方差均接近理想效果［13］。本文还对自相关函数进行修改，并经过仿真和理论分析来确定该方法是不能达到所预期性能的原因。同时，在YAN算法的基础上进一步确定参数p和q的取值来达到YAN算法的最佳性能。
扩展自相关的正弦信号频率估计算法研究(2):http://www.youerw.com/tongxin/lunwen_26892.html