基于快速傅里叶变换的正弦信号频率高精度估计算法

为了进一步提高加性高斯白噪声背景中正弦信号的频率估计精度,提出了一种新的基于插值快速傅里叶变换(FFT)的正弦信号频率估计算法.首先,对N点正弦采样序列进行等长度时域补零延长,再进行 2N 点FFT; 然后, 搜索幅度最大离散谱线位置得到频率粗估计值; 最后, 采用幅度最大谱线以及原信号的离散时间傅里叶变换(DTFT)在幅度最大谱线左右两侧的两点抽样值进行精估计.仿真结果表明,当信号实际频率位于FFT两条离散谱线之间任意位置时,所提算法的频率估计均方根误差均接近克拉美罗下限,具有较好的一致性,估计精度高于Candan算法、Fang算法、三谱线合理结合(RCTSL)算法和Aboutanios算法, 且信噪比阈值较低,估计性能优于现有频率估计算法.     

基于离散傅里叶不变特性的人脸识别

给出了一种基于离散傅里叶不变特征的人脸识别方法，从连续傅里叶变换出发，讨论连续傅里叶变换情况下的傅里叶变换性质，给出离散傅里叶变换情况下的傅里叶变换性质。依据离散傅里叶变换性质，推导出离散傅里叶变换的不变特征，并将其用于人脸图像识别。人脸识别结果表明方法具有很好的识别能力。     

基于离散傅里叶不变特征的人脸识别

给出了一种基于离散傅里叶不变特征的人脸识别方法。从连续傅里叶变换出发,讨论连续傅里叶变换情况下的傅里叶变换性质,给出离散傅里叶变换情况下的傅里叶变换性质。依据离散傅里叶变换性质,推导出离散傅里叶变换的不变特征,并将其用于人脸图像识别。人脸识别结果表明方法具有很好的识别能力。     

基于连续傅里叶变换计算离散傅里叶变换的一种算法

介绍一种利用连续信号的傅里叶变换计算离散序列离散傅里叶变换的算法,给出了这种算法的应用实例,并对此算法的有效性进行了验证.     

基于高阶近似核和傅里叶系数内插的快速频率估计算法

通过理论分析建立了近似核和量化位数之间的约束关系,并提出无需乘法运算的高阶近似核,用于提高单比特测频算法的动态范围.此算法同时对基于近似核的傅里叶系数实部或虚部最大值附近的DFT系数内插构造频率修正项.可以避免常规测频校正算法的复数运算从而有效减少运算量.此算法简单且宜于硬件快速实现,其有效性得到了理论分析和仿真结果的验证.     

基于空时等效性的空阈算法估计时域莫尔斯信号频率参数

通过深入分析空时等效性理论,给出时域信号阵列流形,提出引入空域阵列参数估计算法,估计时域信号MUSIC谱及采用ESPRIT估计时域频率参数,代替时域频谱估计及在频域进行谱峰搜索的低效算法,通过对时域基带莫尔斯信号谱的估计和频率的估计仿真,得出用ESPRIT算法更高效地估计莫尔斯基础频率,尤其对多信号或宽带信号情况,效率更高.     

基于离散分数傅里叶变换的SVG数字水印技术

提出了一种基于离散分数傅里叶变换(DFRFT)的SVG图形水印算法,用于SVG的版权保护.将水印嵌入到SVG图形控制点坐标构造的复数信号的离散分数傅里叶变换频谱中.经实验结果验证,该算法具有较强的透明性,对于通常的图形几何变换以及局部修改攻击,均有令人满意的鲁棒性.     

基于稀疏傅里叶变换的低采样率宽带频谱感知

针对传统频谱感知方法应用于宽带频谱感知时存在采样率过高的现象,提出一种基于稀疏傅里叶变换的采用奈奎斯特采样进行宽带信号频谱感知的方法。该算法在频谱分布稀疏时具有极低的误判率,并在频谱占用率增加时,提出了改进的算法,最后利用MATLAB仿真验证了稀疏傅里叶变换用于宽带频谱感知方案的可行性。相比传统方法,本文的频谱感知方案需要的采样率仅为奈奎斯特采样率的20%。     

基于离散多项式变换的宽带线性调频信号波达方向估计

为了解决宽带信号处理的问题,研究了一种宽带线性调频(LFM)信号的波达方向(DOA)估计方法。该方法采用离散多项式变换(DPT)将宽带的LFM信号变换成窄带的,经过变换后,即变换为单个正弦信号和新的噪声。这样可将时变的方向向量转化为时不变的方向向量,再采用常规的窄带信号处理方法--多信号分类(MUSIC)算法,对信号的波达方向进行估计。理论分析和仿真结果表明,该方法能够精确地估计信号的波达方向;不仅计算量小,易于实现,而且估计性能好。     

基于IIN算法和Rife算法的一种新的正弦波频率估计算法

针对信号频率位于两个相邻量化频率点的中心区域时,IIN(iterative interpolation based)算法的精度降低,而当信号频率位于量化频率点附近时,Rife算法的精度降低问题,本文提出了一种新的算法,即R-IIN算法。首先利用Rife算法对信号的频率进行粗估计,然后通过频谱搬移使新信号的频率位于量化频率点附近,再利用IIN算法对信号频率进行估计。仿真结果表明,本算法的整体性能优于M-Rife[4]算法和IIN[8]算法（一次迭代）,接近二次迭代,且性能稳定。     

一种改进的信号子空间聚焦宽带DOA估计算法

信号子空间聚焦（FSS）算法可实现宽带相干信号的波达方向（DOA）估计,但其在短快拍条件下存在估计精度差、分辨率低的问题。提出一种改进的信号子空间聚焦（MFSS）算法。根据波长间隔与阵元间距的匹配度选取最佳参考频点及子频带,通过Hankel矩阵奇异值分解重构子频带的协方差矩阵,并利用信号子空间聚焦法构造聚焦协方差矩阵,使用Root-正交传播算子实现DOA估计。实验结果表明,相比FSS、MTOPS、LR-MUSIC算法,MFSS算法复杂度较低,能够有效提高估计精度和速度。     

基于改进二维ESPRIT-like算法的相干源方向角估计

针对用于二维十字相控阵的类旋转不变技术估计信号参数(ESPRIT-like)算法用于相干源方向角估计时存在仰角和方位角配对困难的问题,提出一种基于接收信号矩阵联合对角化的改进二维ESPRIT-like算法。首先,通过ESPRIT-like算法得到x和y方向自相关矩阵,并由其重构出对应的Toeplitz矩阵以去相干;然后对Toeplitz矩阵进行等效分解,得到去相干后x和y方向的等效接收信号矩阵;最后对等效接收信号矩阵进行矩阵联合对角化,实现相干源仰角和方位角自动配对,从而得到正确的信源方向估计结果。仿真结果表明,与改进前的算法相比,改进后的算法能够实现正确的方向角估计;与目前常用的基于空间平滑的二维多重信号分类(MUSIC)算法相比,在信噪比为30 dB时,该算法响应时间减少了79%左右,仰角和方位角分辨率分别提高了20%和40%左右,均方误差约为MUSIC算法角度误差的10%。     

信号相关性与修正MUSIC算法二维波达方向估计

实际环境中相干信号源是普遍存在的,但传统的多信号分类(MUSIC)二维测向算法不能处理相干信号的问题,为此,采用修正MUSIC(MMUSIC)算法进行二维波达方向(DOA)估计,将修正MMUSIC算法的应用范围由一维的均匀线阵(ULA)扩展到二维中心对称阵,并理论推导出MMUSIC算法的测向性能与信号相差的余弦值呈反比。仿真实验中,二维MMUSIC对相隔4°以上两相干信号的分辨概率能够达到90%以上。     

基于ESPRIT的噪声抑制频率估计算法

在中低信噪比时,协方差矩阵受噪声影响较大导致ESPRIT算法性能降低,使其与克拉美罗下限(CRLB)有一定距离。针对该问题,提出一种基于ESPRIT的噪声抑制频率估计算法,利用信号频域内若干子带的谱线估计协方差矩阵,通过该矩阵的特征向量张成信号子空间,估计信号各分量的频率。实验结果表明,该算法能用于多个频率分量的信号分析,归一化频率估计的范围为 ,且性能接近于CRLB下限。     

基于宽带聚焦矩阵和高阶累积量的OFDM信号的来波方向估计

为了解决正交频分复用(OFDM)宽带信号处理的问题,研究了基于宽带聚焦矩阵和高阶累积量的波达方向(DOA)估计方法。前者是通过傅里叶变换将宽带阵列数据分解为若干窄带信号,再利用一种聚焦矩阵将不同频带下的方向矩阵变换到同一参考频率下,然后用多重信号分类(MUSIC)算法来估计DOA;高阶累积量算法是通过聚焦操作,把各个窄带频率处的阵列输出矢量变换到聚焦频率处,然后求其累积量矩阵。对各个累积量矩阵进行加权平均并特征值分解,再应用MUSIC算法估计DOA。理论分析和仿真结果表明,两种方法都能够精确地估计OFDM信号的DOA,四阶累积量方法的空间分辨率比聚焦矩阵方法有所提高。四阶累积量算法扩展了阵列孔径,信噪比(SNR)较低的时候也有很好的适应性。