相关类时延估计方法)
广义相关时延估计算法在汽车去噪系统中的应用
Ａｂｔａｔ Ｆｃｓｄｏ ｅａｐｉａｏ ｆ ｅｇｎｒｌｅ ＲＳ ｃｒ ｌｉ （ Ｃ ｓ ｃ： ｏｕｅ ｎｔ ｐｌ ｔｎｏ ｅｅ ｉ ｄＣＯＳ ｏｒ ａｏ Ｇ Ｃ）ｔ ｅｄｌ ｓ— ｒ ｈ ｃｉ ｈ ｔ ａｚ ｅ ｔｎ ｉ ｅ ｙｅｔ ｍ ａ ｉ ｍａｏ （ Ｄ ）ａ ｏｔｍ ｉ ｅ ａ ｃ ｐｏｅａｒ ｅｏｓ ｇｓｓ ｍ， Ｃ Ｄ ｌｏｔｍｉ ａ— ｔｎ Ｔ Ｅ ｌ ｒ ｔ ｒ ｒ ｈｎ ｒ ｙｄｎｉｎ ｔ Ｇ ＣＴ Ｅａ ｒｈ ｎ ｉ ｇｉ ｈ ｎｈ ｃ ｍｉｏ ａ ｉ ｙｅ ｇｉ ｓ
是一类最基本 的时延估计方法 ， 其基本思想是利用信号 的广义相关 函数来估计时间延迟 ， 其计算量小 ， 在许 多实 时 系统 中得到 了较多 的应 用 ． 文 只针对 汽车环 境下语 音 去噪 的应用 ， 本 对广 义相关 法 与基 于 高 阶累积量 的时延估计方法在不 同加性噪声模型下 ， 了比较详尽的研究． 作 最终得 出了广义相关时延法更
适 合 应用 于 汽车去 噪系 统 的结 论 ．
收 稿 日期 ： ０ ６ ０ —３ ２ ０ — １１
基金项 目： 辽宁省教育厅基金资助项 目（０ ４ ８ ８ ２０ Ｄ １ ） 作者简介 ： 张丽艳 （９ ４一）女 ， 师， 士在 读 ． １７ ， 讲 博
matlab 互相关时延估计
matlab 互相关时延估计
互相关时延估计是一种常用的信号处理技术，可以用来确定两个信号之间的时延差。
通过计算信号之间的相似性，可以得到它们之间的时延差，从而实现对信号的时间对齐。
在实际应用中，互相关时延估计可以用于音频处理、图像处理、雷达信号处理等领域。
例如，在音频处理中，我们可以使用互相关时延估计来确定两个音频信号之间的时间差，从而实现音频的同步播放。
在图像处理中，互相关时延估计可以用来匹配两幅图像中的特征点，从而实现图像的对齐。
互相关时延估计的原理比较简单。
首先，我们需要将两个信号进行傅里叶变换，将它们转换到频域。
然后，我们可以通过计算两个信号的互相关函数来确定它们之间的时延差。
互相关函数可以通过将一个信号进行傅里叶逆变换，再与另一个信号进行逐点相乘，最后再进行傅里叶变换得到。
在实际应用中，互相关时延估计的精度受到多种因素的影响，包括信号的噪声水平、采样率、信号的长度等。
为了提高互相关时延估计的精度，我们可以采取一些预处理方法，例如对信号进行平滑处理、滤波处理等。
总结起来，互相关时延估计是一种常用的信号处理技术，可以用来确定两个信号之间的时延差。
它在音频处理、图像处理、雷达信号
处理等领域都有广泛的应用。
通过计算信号的互相关函数，我们可以得到信号之间的时延差，从而实现对信号的时间对齐。
在实际应用中，我们可以通过采取一些预处理方法来提高互相关时延估计的精度。
一种新的广义二次相关时延估计算法
一种新的广义二次相关时延估计算法朱 超,屈晓旭,娄景艺(海军工程大学,湖北武汉430033)摘要:针对广义互相关时延估计的性能在低信噪比环境下会恶化的问题,在理论分析广义二次相关时延估计算法的基础上,研究了H B 加权函数和相关希尔伯特差值法的时延估计算法,提出了一种基于H B 加权函数的广义二次相关希尔伯特差值时延估计算法㊂通过MA T L A B 仿真,对比了新算法和二次互相关算法㊁传统互相关算法时延估计效果㊂仿真结果表明:文中提出的算法相比二次互相关算法,锐化了互相关函数峰值;相比传统互相关算法,在低信噪比环境下,仍有较好的时延估计效果,具有一定的实用价值㊂关键词:时延估计;广义二次相关;H B 加权函数;峰值中图分类号:T N 911.23 文献标识码:A 文章编号:C N 32-1413(2018)05-0053-06D O I :10.16426/j .c n k i .jc d z d k .2018.05.012AN e wG e n e r a l i z e dS e c o n d a r y C o r r e l a t i o nT i m eD e l a y E s t i m a t i o nA l go r i t h m Z HU C h a o ,Q U X i a o -x u ,L O UJ i n g -yi (N a v a lU n i v e r s i t y o fE n g i n e e r i n g,W u h a n430033,C h i n a )A b s t r a c t :I nv i e wo f t h e p r o b l e mt h a t t h e p e r f o r m a n c e o f g e n e r a l i z e d c r o s s -c o r r e l a t i o n d e l a y es t i m a -t i o nw i l l d e t e r i o r a t e i n t h e l o ws i g n a l n o i s e r a t i o (S N R )e n v i r o n m e n t ,b a s e d o n t h e t h e o r e t i c a l a n a l -y s i so f g e n e r a l i z e ds e c o n d a r y c o r r e l a t i o nd e l a y e s t i m a t i o na l g o r i t h m ,t h i s p a pe rs t u d i e st h e H B w e i g h t e df u n c t i o na n d t h e i n t e r r e l a t e dH i l b e r t d i f f e r e n c e t i m e d e l a y e s t i m a t i o nm e t h o d ,p r o po s e s a g e n e r a l i z e d q u a d r a t i c c o r r e l a t i o n H i l b e r td i f f e r e n c e t i m ed e l a y e s t i m a t i o na l go r i t h m b a s e do n H B w e i g h t e d f u n c t i o n ,c o m p a r e s t h e t i m ed e l a y e s t i m a t i o ne f f e c t so fn e wa l g o r i t h m ,s e c o n d a r y c r o s s -c o r r e l a t i o n a l g o r i t h ma n d t r a d i t i o n a l c r o s s -c o r r e l a t i o n a l g o r i t h mt h r o u g hMA T L A B s i m u l a t i o n .T h e s i m u l a t i o n r e s u l t s s h o wt h a t t h e p r o p o s e d a l g o r i t h ms h a r pe n s t h e p e a k of c r o s s -c o r r e l a t i o n f u n c t i o n c o m p a r e dw i t ht h es e c o n d a r y c r o s s -c o r r e l a t i o na lg o r i th m ,a n dh a sb e t t e rti m ed e l a y e s t i m a t i o n e f f e c t i n l o ws i g n a l -t o -n o i s e r a t i o e n v i r o n m e n t c o m p a r e dw i t h t h e t r a d i t i o n a l c r o s s -c o r r e l a t i o n a l g o -r i t h m ,s oh a s c e r t a i n p r a c t i c a l v a l u e .K e y wo r d s :t i m e d e l a y e s t i m a t i o n ;g e n e r a l i z e d s e c o n d a r y c o r r e l a t i o n ;H Bw e i g h t e d f u n c t i o n ;p e a kv a l u e 收稿日期:20180508基金项目:国家科技重点实验项目,项目编号:614210204050 引 言时延作为表示信号特征的一个重要参数,随着信息通信技术的飞跃式发展,时延估计在信号处理领域成为人们研究的热点问题㊂基本时延估计要解决的问题是对2个接收目标信号进行处理,准确快速地估计和测量接收信号之间因信号传输过程中通道的不同而引起的时间延迟[1]㊂广义互相关(G C C )时延估计是一种最基本㊁最常用的时延估计方法,该方法是利用加权函数来增加信号的有用成分,锐化了相关函数的峰值㊂根据其加权形式和准则的不同,有R O T H 加权㊁S C O T 加权㊁P H A T 加权和H B 加权等广义相关时延估计方法[2]㊂在以上加权方法中,H B 加权的广义互相关时延估计性能可以达到克拉美罗界㊂但在低信噪比环境中,由于干扰噪声的影响,广义互相关方法的时延估计性能2018年10月舰船电子对抗O c t .2018第41卷第5期S H I P B O A R DE L E C T R O N I CC O U N T E R M E A S U R EV o l .41N o .5会急剧恶化㊂而二次相关时延估计算法可以利用二次相关来有效抑制噪声的干扰进而提高抗噪声性能,但二次相关时延估计的时延精度还有待提高㊂为此,本文基于广义互相关时延估计和二次相关时延估计,同时利用希尔伯特变换具有把偶函数转变为奇函数的特点进行相关希尔伯特差值法运算,实现对2个接收信号二次互相关函数峰值的锐化处理,改善了二次互相关函数峰值点的检测效果,增大了时延估计的精度㊂本文分别比较了传统互相关算法㊁二次互相关算法和本文提出的算法在时延估计的准确性和平稳性㊂仿真实验结果表明,本文提出的新算法在低信噪比环境下的时延估计性能有了明显的改善㊂1 基本时延估计信号模型在进行接收信号的基本时延估计前,首先要给定2个接收信号的模型㊂互相关(C C )是用来比较2个信号或函数在时域相似程度的基本方法㊂时延估计算法可以通过以下2个信号模型来分析:信源发射信号s (t )经2个传输通道过程中加入了噪声的信号x 1(t )和x 2(t )㊂设信号x 1(t )和x 2(t )满足以下方程:x 1(t )=A 1s (t -τ1)+n 1(t )x 2(t )=A 2s (t -τ2)+n 2(t ){(1)式中:A 1和A 2为发射信号的幅度参量,表示s (t )经不同通道传输后的幅度增益和相位偏移;n 1(t )和n 2(t )代表未知的加性平稳高斯白噪声;τ1和τ2表示信号传输的时延,且τ1ɤτ2㊂为表达方便,以x 1(t )为标准进行归一化,则式(1)可以重新表示成:x 1(t )=s (t )+n 1(t )x 2(t )=λs (t -D )+n 2(t ){(2) 式(2)离散形式表示为:x 1(k )=s (k )+n 1(k )x 2(k )=λs (k -D )+n 2(k ){(3)式中:k =0,1, ,N -1;λ=A 2/A 1,表示2个接收信号的幅值比;D =τ2-τ1,表示所求时延值;N 表示采样点数㊂2 基本时延估计算法分析2.1 广义互相关法广义互相关(G C C )时延估计是一种经典的时延估计方法,其利用加权函数来增加信号的有用成分,通过计算2个接收信号的互相关函数峰值得到时延值[3-5]㊂其基本原理如下:x 1(t )和x 2(t )的互相关函数表示为:R 12(τ)=E [x 1(t )x 2(t +τ)]=λR s s (τ-D )+R s n 2(τ)+λR n 1s (τ-D )+R n 1n 2(τ)(4)假设n 1(t )和n 2(t )是独立于s (t )平稳不相关的高斯白噪声,则2个噪声n 1(t )㊁n 2(t )与信号s (t )的互相关函数为:R n 1s (τ-D )=E [n 1(t )㊃s (t +τ-D )]=0(5)R n 2s (τ)=E [n 2(t +τ)㊃s (t )]=0(6) 噪声n 1(t )与n 2(t )的互相关函数为:R n 1n 2(τ)=E [n 1(t )㊃n 2(t +τ)]=0(7) 则:R 12(τ)=λR s s (τ-D ),-ɕ<τ<+ɕ(8) 由自相关函数|R s s (τ)|ɤR s s (0)的性质可知,当τ=D 时R s s (τ-D )最大,即R 12(τ)也达到最大㊂因此,求得R 12(τ)的峰值对应的τ就是2个接收信号之间的时延㊂为了克服基本互相关时延估计中易受环境噪声影响的缺陷,广义互相关时延估计算法利用加权函数增强了信号中信噪比的作用,从而提高了时延估计精度[6]㊂在此基础之上,通过频域加权函数对信号进行前置滤波,尽量抑制噪声的干扰,然后对加权后的函数进行互相关运算,获得其峰值㊂根据维纳-辛钦定理可知,互相关函数与其互功率谱密度互为傅里叶变换对,则x 1(t )和x 2(t )的互相关函数又可以表示为:R 12(τ)=1πʏπ0G 12(ω)e jωτd ω(9)式中:G 12(ω)为x 1(t )和x 2(t )的互功率谱函数㊂当x 1(t )和x 2(t )经过滤波之后,输出信号的互功率谱函数可以写为:G g 12(ω)=H 1(ω)H *2(ω)G 12(ω)(10)式中:H 1和H 2表示滤波函数;H *2(ω)表示H 2(ω)取共轭㊂所以,信号x 1(t )和x 2(t )的广义互相关函数可表示为:R (g )g 12(τ)=1πʏπ0ψ12(ω)G 12(ω)e jωτd ω(11)式中:ψ12(ω)=H 1(ω)H *2(ω),表示广义频域加权分量㊂45舰船电子对抗 第41卷在时延估计过程中,可以通过选取不同加权函数来针对不同类型的干扰噪声进行适当的滤波处理,使噪声干扰的影响得到有效抑制[7],然后会使得R 12(τ)有一个峰值相对较大㊁较尖锐,其对应的横坐标即为所求时延,从而提高时延估计精度㊂H a s s a b 和B o u c h e r 在期望信号峰值与输出噪声之比为最大的准则下,导出了H B 加权函数[8]㊂利用H B 加权的广义相关时延估计算法可以达到克拉美罗界,在实际应用中具有较好的性能㊂在G C C -H B 时延估计算法中,先对2个通道的接收信号分别进行快速傅里叶变换(F F T ),然后计算它们的互功率谱,在频域对接收信号的互功率谱G 12(ω)进行H B 加权函数计算,其中H B 加权函数为ψ12(ω)=G 12(ω)G 11(ω)G 22(ω),然后将结果进行快速傅里叶逆变换(I F F T ),最后得到的互相关函数的峰值就对应了2个通道的接收信号的时延差τ㊂2.2 广义二次相关法在广义互相关时延估计算法的基础上,广义二次相关法是广义互相关时延估计算法的改进,该算法先对2个接收信号进行互相关运算,再对其中一个接收信号进行自相关运算,然后利用得到的互相关和自相关函数,再进行第2次互相关运算,以提高信号的抗干扰能力[9-13]㊂信号x 1(t )的自相关函数为:R 11(τ)=E [x 1(t )x 1(t +τ)]=R s s (τ)+R s n 1(τ)+R n 1s (τ)+R n 1n 1(τ)(12)2个接收信号的互相关函数为:R 12(τ)=E [x 1(t )x 2(t +τ)]=λR s s (τ-D )+R s n 2(τ)+λR n 1s (τ-D )+R n 1n 2(τ)(13)假设忽略信号和噪声的互相关函数,噪声为非相关的高斯白噪声㊂根据白噪声的自相关数学特性,R n 1n 1(τ)在τ=0处为冲激函数,在信噪比低的情况下需要考虑其影响,在τʂ0时幅度会剧减,可以忽略其影响㊂由于R 11(τ)和R 12(τ)依然是时间的函数,对R 11(τ)和R 12(τ)再做互相关,即可得到二次相关函数:R R R (τ)=E [R 11(t )R 12(t +τ)](14) 将式(12)和式(13)代入式(14)中得到:R R R (τ)=λR s s (τ-D )+R n 1n 2(τ)(15)式中:R s s (τ-D )表示信源发射信号做二次互相关;R n 1n 2(τ)代表噪声做二次互相关㊂同广义互相关法一样,根据相关函数的特性,当τ=D 时R s s (τ-D )取最大值,因此找出其峰值,峰值横坐标所对应的位置即为所求时延值㊂2.3 相关希尔伯特差值法为了在相关函数峰值较为平坦时,使时延估计也能准确进行,根据对希尔伯特变换的定义和性质的了解,利用奇函数的希尔伯特变换是偶函数,偶函数的希尔伯特变换是奇函数的性质,可以把经典的广义互相关时延估计算法中峰值检测处理互相关函数用过零点检测来代替[14-15]㊂希尔伯特变换时延估计在一定程度上降低了干扰噪声对信号时延估计准确度的影响,但是当处在复杂环境时,信源发射信号受到噪声和其它干扰的影响较大,时延估计值在信号波形中对应的零点附近很大可能会出现波动现象,因而出现了多个过零点情况,就会很难判断出时延估计值对应的真正零点,导致时延估计误差增大㊂而且,当信号序列长度较长时,也会出现多个过零点情况,必须采用其它的算法加以辅助改善㊂针对上面的情况,相关希尔伯特差值法的提出有效地解决了这一问题㊂相关希尔伯特差值法的定义就是将互相关函数与其希尔伯特变换后的函数的绝对值做差处理,即:R (τ)=R 12(τ)-R ~12(τ)(16) 相关希尔伯特差值法既保留了峰值附近的值,又使峰值外其余部分值的相关性减小了,从而使接收信号相关函数波形的主峰值尖锐程度明显增加㊂相关希尔伯特差值算法不但起到提高时延估计精度的作用,而且算法简单,易实现㊂2.4 新算法原理总结了H B 加权广义互相关时延估计和二次相关时延估计算法各自的优点与不足,在二者的基础上,同时利用相关希尔伯特差值法,本文提出了一种新的广义二次相关时延估计算法,称之为H B 加权广义二次相关希尔伯特差值时延估计算法㊂新算法流程图如图1所示,()*表示取共轭运算,㊃代表取绝对值㊂与传统互相关算法不同的是,在功率谱密度函数进行加权处理以前,新算法首先对接收信号x 1(t )和x 2(t )进行快速傅里叶变换,减少了互相关算法计算处理的时间,提高了算法的实时性,然后将55第5期朱超等:一种新的广义二次相关时延估计算法图1 新算法流程图得到的信号自相关与互相关看作新的信号,进行二次相关处理,从而得到二次相关互功率谱R R R (ω)函数,大大减少了噪声对信号的影响,接着H B 加权处理增加了接收信号功率谱密度中的信源发射信号成分,然后进行快速傅里叶逆变换,再利用希尔伯特差值法锐化互相关函数的峰值,达到提高时延估计精度的目的,最后对得到的H B 加权广义二次相关希尔伯特差值序列进行峰值检测,就获得了时延估计值㊂3 仿真与分析为了验证新算法的时延估计性能,下面通过MA T L A B 首先仿真了二次相关法,然后对新算法和H B 加权广义互相关时延估计算法在不同信噪比环境下进行仿真对比说明㊂仿真构造了加有平稳高斯白噪声的2个通道接收信号,仿真中采用的接收信号幅度为10,频率为1k H z 的单频正弦波信号,采用采样频率为50k H z ,采样点数为1024,对2个通道接收到的信号进行采样㊂假设2个信号之间的延迟为100个采样间隔,即延迟时间τ=2m s 的正弦波来仿真模拟2个不同通道的接收信号,其中噪声是平稳高斯白噪声㊂假设信号与噪声㊁噪声与噪声都是相互独立的,σS N R 1和σS N R 2为接收信号的信噪比,信噪比(S N R )的定义为σS N R =20l g (σs /σn ),其中σs 和σn 分别是信号和噪声的标准差㊂当σS N R 1=5d B ,σS N R 2=15d B 时,二次相关法的时延估计仿真结果如图2所示,在信噪比σS N R 1=5d B ,σS N R 2分别为15d B ㊁5d B ㊁-5d B 和-15d B 的环境下,H B 加权广义互相关时延估计算法的仿真结果和新算法的仿真结果分别如图3㊁图4㊁图5和图6所示㊂图2 σS N R 2=15d B时二次相关法的仿真结果图3 σS N R 2=15d B 时的仿真结果 对比图2和图3可以看出,在信噪比σS N R 1=5d B ,σS N R 2=15d B 时,二次相关法的相关函数峰值受周期信号影响较大,峰值不明显,而H B 加权广义互相关和新算法都具有锐化相关函数峰值的作用,信号相关函数的峰值都比较尖锐,时延估计效果也差别不大,都能准确估计出时延值㊂从图4中得知,在信噪比σS N R 1=σS N R 2=5dB 时,新算法相比较于H B 加权广义互相关法的相关函数的峰值更加尖锐,具有较好的时延估计精度㊂从图5和图6中来看,随着信噪比σS N R 2的降低,H B 加权广义互相关法的时延估计峰值受噪声的影响变化变大,在信噪比σS N R 2=-15时,其时延估计峰值几乎淹没在噪声之65舰船电子对抗 第41卷图4 σS N R 2=5d B时的仿真结果图5 σS N R 2=-5d B时的仿真结果图6 σS N R 2=-15d B 时的仿真结果中,甚至无法进行有效的时延估计;而新算法随着信噪比σS N R 2的下降,虽然时延估计性能有所下降,但还保持着较尖锐的相关函数峰值,具有一定的抗干扰能力,达到在低信噪比环境下仍可获得较为准确的时延估计值的需求㊂为进一步验证所提算法的时延估计的有效性,下面对3种不同时延估计算法的性能进行仿真实验,比较不同算法在信噪比σS N R 2从-20d B 到10d B 时的均方根误差(R M S E ),均方根误差定义为:75第5期朱超等:一种新的广义二次相关时延估计算法σR M S E =1N ðNi =1(τi -τ0)2(17)式中:τ0为真实时延值;τi为第i 个时延估计值;N 为时延估计总数㊂本文进行N =30的仿真实验,仿真结果如图7所示㊂图7 不同算法估计性能比较仿真结果从图7中仿真结果可知,随着信噪比的降低,3种算法的均方根误差R M S E 都会变大㊂在信噪比从0~10d B 时,3种算法的估计性能差别不大;从-20~0d B 时广义互相关算法和广义二次相关算法的R M S E 会随着信噪比的降低而迅速变大,而新算法变化较为缓慢,仍具有较好的时延估计性能㊂无论信噪比大小,新算法都比另外2种算法具有更好的时延估计性能㊂4 结束语结合广义互相关时延估计和二次相关时延估计的优点,同时利用希尔伯特变换的性质,本文提出了一种H B 加权广义二次相关希尔伯特差值时延估计算法㊂在低信噪比下,新算法在时延估计的准确性和平稳性方面比H B 加权广义互相关算法表现出更好的特性,时延估计性能有了明显的改善㊂参考文献[1] 金中薇,姜明顺,隋青美,等.基于广义互相关时延估计算法的声发射定位技术[J ].传感技术学报,2013,26(11):15131518.[2] K N A P P C H ,C A R T E R G C .T h e g e n e r a l i z e dc o r r e l a t i o n m e t h o df o re s t i m a t i o no ft i m ede l a y [J ].I E E ET r a n s a c t i o n s o nA S S P ,1976,24(4):320327.[3] 茅惠达,张玲华.声源定位中广义互相关时延估计算法的研究[J ].计算机工程与应用,2016,52(22):138142.[4] L I J ,WU RB .A n e f f i c i e n t a l g o r i t h mf o r t i m e d e l a y es -t i m a t i o n [J ].I E E E T r a n s a c t i o n so nS i g n a lP r o c e s s i n g,1998,46(8):22312235.[5] 张宇,严天峰,杨志飞.基于奇异值分解的广义互相关时延估计[J ].兰州交通大学学报,2017,36(6):4751.[6] 景思源,冯西安,张亚辉.广义互相关时延估计声定位算法研究[J ].声学技术,2014,33(5):464468.[7] 胡小锋,刘卫东,王雷,等.广义互相关电晕放电辐射信号时延估计方法[J ].强激光与粒子束,2018(1):5660.[8] J O S E P H C H ,R O N A L DEB .O pt i m u me s t i m a t i o no f -t i m e d e l a y b y a g e n e r a l i z e dc o r r e l a t i o n [J ].I E E E T r a n -a c t i o n s o nA S S P ,1979,27(08):373380.[9] 窦慧晶,王千龙,张雪.基于二次相关的广义互相关时差估计算法[J ].北京工业大学学报,2016,42(2):197202.[10]张旭.用于无线定位的T D O A 算法研究与改进[D ].秦皇岛:燕山大学,2014.[11]唐娟,行鸿彦.基于二次相关的时延估计方法[J ].计算机工程,2007,33(21):265267.[12]金留念.基于二次相关的时延估计方法研究[J ].电子信息对抗技术,2011,26(1):3941.[13]周康辉,董万胜,刘恒毅,等.利用二次相关改进的广义互相关时延估计算法[J ].数据采集与处理,2013,28(6):801807.[14]Z HA N G Q Q ,Z HA N G L H.A n i m p r o v e dd e l a y a l go -r i t h mb a s e do n g e n e r a l i z e d c r o s s c o r r e l a t i o n [C ]ʊP r o -c e e d i n g so f2017I E E E 3r dI n f o r m a t i o n T e c h n o l o g y a n d M e c h a t r o n i c sE n g i n e e r i n g C o n f e r e n c e .C h o n g q i n g ,C h i n a ,2017:395399.[15]刘敏,曾毓敏,张铭,等.基于二次相关的语音信号时延估计改进算法[J ].应用声学,2016,35(3):255264.85舰船电子对抗第41卷。
基于自适应和相关检测的两级时延估计算法
（． ｄｏｅ Ｓｚｏ） ｏＬｄＳｚｏ ，ｉ ｇｕ １０ １ ｈｎ ； ．ｏｌ ｅｆＳｆ ａｅＳｕｈａｔ ｎｖｒｉ， ｚｏ，ｉｎｓ １０ １Ｃ ｉａ ３ｎｔｕｅ ｆ ｏ ｐ ｔ １ Ｍｏｉｔ ｕｈ ｕ Ｃ ． ｔ，ｕｈ ｕｄａ ｓ ５２ ， ｉａ２Ｃ ｌｇ ｏｔ ｒ，ｏ ｔｅｓＵ ｉ ｓｙ ｕｈｕＪａｇｕ２ ５２ ， ｈｎ ；． ｓｔｔｏ Ｃ ｍ ｕｅ ｋ（ ， ｎ ２ Ｃ ｅ ｏ ｗ ｅ ｔＳ Ｉ ｉ ｒ Ｓｉ ｃ ａ ｄＴｃｎ ｌ ｙ Ｕ ｉ ｒｉ ｃ ｎｅ ｎ ｅｈｏｏ ｏ ｈｎ ， ｆｉ ３０ ７ Ｃ ｉａ ｃｅ ｅ ｎ ｅｈｏｏ ， ｎ ｅｓ ｏ ｉ ｃ ａ ｄＴｃｎ ｌ ｆＣ ｉａＨｅ ， ０２ ， ｈ ） ｎ ｇ ｖ ｔ ｆＳ ｅ ｙ ｙ ｇ ｅ２ ｎ
出了时延估计 的整数值和小数值 的理论依据 ， 并给 出 了算法具体 实现过程 。实验结果和分析表 明， 在非平稳噪音和信 噪 比大干 ６Ｂ ｄ
情况 下， 时延估计 的准确度可 以达到 ９％ 以上 ， ５ 运算复杂度 显著 降低 。
关键词 ： 音处理 ， 语 最小均方误差 ， 时延估计 ， 关检测 相 中图分类号 ：Ｎ９ １ ３ Ｔ １． ２ 文献标识码 ： Ａ ＤＯ ：０３ ６ ／ｉ ｎ１０ —９ ０ ０ １ ８０２ Ｉ １．９ ９ ．ｓ ． ３６ ７ ． １． ． ｊｓ ０ ２ ０ ０
Ａ ｗ Ｎｅ Ｔｗｏ ｔ ｇ ｍｅｌ ｅ ａ ｔｍａ ｉ ｎ Ａｌ ｏ ｉｈ ｂ ｓ ｄ ｏ －ｓ ａ ｅ Ｔｉ 。ｄ ｌ ｙ Ｅｓ ｉ ｔｏ ｇ ｒｔ ｍ ａ ｅ ｉ ｎ ｎ ｒ ｅ ａ ｉ ｎ Ｄｅ ｅ ｔｏ
摘 要： 简要本文提 出了一种新 的两级 时延估计 方法 ， 采用 自 应时延估计 与相关检测相结合 ， 适 在最小均方误差准 则下 （Ｍ ） Ｌ Ｓ 通过对 ＦＲ滤波器 参数的迭代 ， Ｉ 峰值检 测得 到时延的整数值 ， 再通过相 关检 测得 到 时延估计 的小数值。通过对算法原理 的推 导 ， 给
基于广义互相关算法的时延估计_梁宇
基于互功率谱的广义互相关算法 , 对频域 进行加权处理 ,
可对信号和 噪声进行白 化处理 , 以增强 信号中信噪 比较高的
频率成分 , 抑制信道中噪声的影响 , 再通过反傅里叶变换将其
变换到时域 , 得到两信号之间的广义互相关函 数 。
+∞
∫ R
g xy
(t)
=
AG X1 X 2(τ)e- j2πτt dτ
度函数 , 来进行到达时间差估计 , 就可以减少噪声和干扰的影
2. 1 基于周期互谱密度算法的描述
响 。 如果具有相同的干 扰源 , 它就会产生影响 。 就是说 , 进入
直接利 用 广 义 互 相 关 法 来 估 计 时 延 , 其 估 计 误 差 较 两个 台站的信 号 , 如 果干扰和信 号具有不 同的循环互 相关函
则 x(t)和 y(t)的互相关函数为[5] :
方程组 , 可根据 Chan 和 T ay lo r 等算 法求解 得到 信号源 的位 置估计值 。 由于电磁波的传 播速率 很高 , 微小的 时间误 差也
RXY (τ) =E[ x(t)y(t +τ)]
(3)
对 x(t)和 y(t)的互相关函数进 行傅里叶变 换 , 得 到周期
大[ 3 ,4] 。 利用互谱密 度乘 以不 同的 频域 加权 窗 , 然后 通 过反 数和周期互谱 密度函数 , 时差估计就不会受到噪声的影响 。
傅里叶变换得到广义互相关函数进行误差估计 。 这种方法能
对互谱密 度函数进行加权 , 权值为[ 6] :
梁 宇(1964 -), 男 , 硕士 , 高级工程师 , 主要研究方向为计算机网络 、移动计算 , E-mai l :yuliang @ynu. edu. cn ;马 良(1987 -), 男 , 硕士生 , 主要 研究方向为无线监测与分布式网络 ;纳 霞(1987 - ), 女, 硕士生 , 主要研究方向为无线监测与分布式网络 ;陈 晨(1986 - ), 男 , 硕士生 , 主要研 究方向为无线监测与分布式网络 。
etde算法时延估计方法
etde算法时延估计方法【原创版3篇】篇1 目录1.ETDE 算法概述2.ETDE 算法的原理3.ETDE 算法的时延估计方法4.ETDE 算法的优缺点5.ETDE 算法的应用场景篇1正文ETDE（Explicit Time Domain Equalization）算法，即显式时域均衡算法，是一种用于数字通信系统中的时延估计方法。
在数字通信系统中，信号传输往往会受到各种因素的影响，如信道噪声、多径效应等，从而导致信号的时延失真。
ETDE 算法的目的就是通过均衡技术来消除这种时延失真，从而提高信号的质量和系统的性能。
ETDE 算法的原理是基于最小均方误差（LMS）算法的，其核心思想是通过不断地调整系统参数，使得系统输出的均方误差最小。
在 ETDE 算法中，这个系统参数就是时延，通过调整时延来达到均衡的目的。
ETDE 算法的时延估计方法是通过发送一个已知的测试信号，然后根据接收到的信号与发送的信号之间的时延来估计信道的时延。
这个时延估计方法可以分为两个步骤，第一步是发送测试信号并接收到信号，第二步是根据接收到的信号计算时延。
ETDE 算法的优缺点如下：优点：ETDE 算法可以有效地消除时延失真，提高信号的质量和系统的性能；其算法简单，易于实现，且计算复杂度较低。
缺点：ETDE 算法需要发送测试信号，这样会占用一部分的系统资源，同时还需要等待接收到信号，因此其实时性较差。
ETDE 算法的应用场景主要是数字通信系统，如数字音频传输、数字视频传输等，这些系统中往往存在时延失真，ETDE 算法可以有效地解决这个问题。
篇2 目录1.ETDE 算法的背景和意义2.ETDE 算法的原理3.ETDE 算法的时延估计方法4.ETDE 算法的优缺点5.ETDE 算法的应用实例篇2正文ETDE（Explicit Time Domain Error）算法，即显式时域误差算法，是一种被广泛应用于通信系统中的时延估计方法。
在通信系统中，时延估计是一个非常重要的环节。
窄带通信信号时差定位系统中时延估计算法比较
窄带通信信号时差定位系统中时延估计算法比较摘要：时延估计是时差定位系统中的一项关键技术，也是影响定位精度的主要因素，对窄带通信信号的时延估计精度不高，一直是其中的难点。
本文介绍了时延估计的原理，比较了时延估计的几种典型算法，并重点分析了其中针对窄带通信信号的算法，最后对各种算法进行了总结，指出了时延估计算法的发展趋势。
关键词：无源定位；时差定位；时延估计1时延估计模型及算法图1.时差定位模型图1给出了通信信号时差定位模型，其中S为辐射源，目标辐射信号位于侦察站法线方向，辐射源到各侦察站距离分别为r1，r2，r3。
假设辐射源与侦察站处于同一水平面。
由图1及时差定位法可得辐射源相对侦察站的方位和距离估计为：2常用时延估计算法比较2.1基于二阶统计量的时延估计算法广义互相关算法[1]是最经典的时延估计算法。
算法在信号做互相关之前通过增加窗函数的方法对信号进行预处理，以提高信号在噪声中的比重，进而提高估计精度。
由于相关函数和功率谱密度函数是一对Fourier变换，故时延信息也可以等价的通过功率谱密度函数在频域提取，这种方法称为广义相位谱法[2]。
频域提取的优势在于克服了时域中噪声造成的互相关函数主峰不明显的现象，并且有利于站间的数据传输和处理。
以上两种算法都依赖信号和噪声的先验信息，理论上二者估计精度相当。
2.2基于高阶统计量的时延估计算法广义相关法与广义相位谱法的优点是原理简单易懂，运算量小，缺点是需要接收信号的统计特性，抗噪声性能不好，且要求信号模型中的噪声为相互独立的高斯白噪声。
实际应用中，当进入接收机的信号中混有相关噪声或非高斯的脉冲噪声时，基于二阶统计量的时延估计算法会发生退化甚至失效。
针对此问题，学者们提出了利用三阶统计量和四阶统计量的时延估计算法。
同二阶统计量一样，高阶统计量法也可在频域实现，称为双谱法或三谱法，频域处理时也可通过对信号加窗进行预处理。
理论上，基于高阶统计量的算法在处理非高斯噪声中的信号、高斯有色噪声中的信号、非线性信号、非最小相位信号时会有很好的效果，但高阶统计量法的局限性在于其计算量较大，需要的数据积累时间较长，受到信号相干性的制约，难以满足系统的实时性要求，此外，运用高阶统计量算法前还需预先对样本信号进行分段平滑处理[3]。
matlab 时延估计算法
matlab 时延估计算法
Matlab中有多种时延估计算法可用，具体选择哪种算法取决于需要解决的问题和
数据的特点。
以下是几种常见的时延估计算法：
1. 互相关法（Cross-Correlation Method）：通过计算信号之间的互相关性来估计
时延。
使用`xcorr`函数可以实现。
2. 相位差法（Phase Difference Method）：通过计算信号的相位差来估计时延。
可
以使用`angle`函数计算信号的相位差。
3. 激励波形匹配法（Excitation Signal Matching Method）：通过比较输入信号和
输出信号之间的差异来估计时延。
可以使用最小二乘法或其他优化算法来实现。
4. 均方差法（Mean Square Error Method）：通过最小化输入信号和输出信号之间
的均方差来估计时延。
可以使用`mean`和`sqrt`函数计算均方差。
5. 互信息法（Mutual Information Method）：通过计算信号之间的互信息来估计时延。
可以使用`mutualinfo`函数实现。
以上是一些常见的时延估计算法，实际应用中可能还有其他算法可供选择。
具体
选择哪种算法应根据实际情况来确定，包括信号特性、计算复杂度和精度要求等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1.3.1 相关类时延估计方法
相关类相关分析是比较两个信号在时间域相似程度的基本方法。
假设接收到两列离散时间信号x(n)和y(n)，
X(n)=s(n)+v1(n)
Y(n)=as(n-D)+v2(n)
通过求取其互相关函数Rxy(τ)，当τ值达到最大，也就是两列信号的相关性达到最大，那么τ值就是两列信号间的时延估计值。
基本相关法的优点比较简单，而且也容易实现,但同时也存在不足之处，比如：如果信号与噪声之间不相互独立,或者信噪比太低，那么算法就会出现误差这也限制了相关类时延估计算法在实际中的应用范围。