信号的频率估计(一) 最小二乘法

引子

首先我们来讨论这样一个问题，给定正弦信号$sin3t$这样，在$t=[0,1,2,...]$我们就可以得到一个序列$[sin0,sin3,sin6,...]$也就是$[0,0.14, -0.27,...]$这样一个序列。现在，提问，我们已知这样一个序列的时候，如何反推它的频率。
在没有噪声且的情况下，使用反三角函数推似乎是一个比较好的方法，对于不同的值$x$都可以得到其反三角函数值$arcsinx$，这样就可以推知在t时刻所对应的角速度为$\frac{arcsinx+2k\pi}{t} or \frac{ \pi-arcsinx+2k\pi}{t}$这样问题就可以转化为一个寻找最小公倍数的问题了。但是，在有噪声的影响下，首先反三角函数的定义域就可能不能满足，我们所观测的信号不再严格按照原有规律变化，这时候应该如何去做呢

fourier transform

傅里叶变换看上去是一个好点子，既然时域不好分析，我们就从频域来处理，毕竟原始信号是一个正弦函数，我们观测到的理应是一个类似冲激函数的东西。至于噪声，假设为白噪的情况下它的傅里叶变换可是一条直线，在线性的条件下这并不干扰我们对于其的观测。所以，我们可以得到下面这样的图：

从图上可以看书，就算是白噪声看起来比较大，实际上傅里叶变换之后，我们依然可以得到不错的结果，但是，这其中存在着一定的限制，再观察下一张图：

由于窗口的限制使得FFT的结果有些许的频谱泄露（呈现出三角状而非绝对的冲激函数）这样，我们就会面临一个频谱分辨率的问题，当信号是由几个频率叠加在一起的时候，如果这几个频率太过于接近，就会造成我们无法分辨出这几个频率 而估计出一个错误的频率。所以，傅里叶变换方法存在着它的固有缺陷，尽管其在单频率估计中比较有效但是无法做到更多。另外，在信噪比过小的时候也会变得很难估计信号的频率最高点。

最小二乘法

为了解决这个问题，我们回到之前的讨论。一个信号叠加噪声应该用什么模型表示。在一般的研究中，一般观测信号$y(t)$是由信号$x(t)$和噪声