matlab复数信号_信号之间的时延估计（续）

说明

这篇文章是之前《信号之间的时延估计》的续篇，中间隔了很长时间才写这一篇，是因为期间一直有其它事情要做，而且感觉对GCC的一些关键点还没有考虑清楚。后来评论区一位朋友在关心续篇的进度，我就不得不抓紧时间好好思考一下了哈哈。因此最终写了这一篇作为上一篇的修正以及补充。
PS：这篇文章内容较多，能把这么枯燥的内容看完也不容易。

xiaoli1368：信号之间的时延估计​zhuanlan.zhihu.com

---

1. 上一篇的错误

经过更加深入的思考后，这里首先指出，以前的一些“想当然”的看法明显是错误的。我在上一篇文档中关于GCC的理解部分写到：

其实， 信号进行了PHAT加权后，实质上相当于进行了白化滤波，倘若信号转换为了理想的白噪声形式，则时域中必然会在零延时处出现冲激，这是由傅里叶变换决定的。然而仅进行了幅度上的归一化尚且不能认为是理想的白化，被保留的相位信息仍占据主导因素，因此会在准确的时延处产生更大的冲激。 因此两路具有确定延时关系的信号在进行GCC-PHAT后会获得两个冲激峰值。如果两路信号不具备延时关系，则它们的相关性很小，因此进行PHAT加权而产生的频谱更加趋向于理想白噪声，因此它们的时域结果也趋向于在零时延处产生较大峰值。

这种说法是错误的，即便在频域进行了白化滤波，事实上也不会在0时延处产生同样的冲激。错误的原因在于，我将功率谱和自相关，以及频谱与时延这两对关系弄混了。

对一个信号进行分析时，首先应该明确该信号属于确定信号还是不确定信号（随机信号）。而噪声则比较特殊，一般将其作为随机信号并使用统计的规律来进行分析，此时噪声的功率谱和自相关是互为傅里叶变换的，并且对于白噪声而言，其功率谱是常数，此时的自相关函数会在0时延处产生一个冲激。而将其作为确定信号进行分析的时候，可以发现白噪声的频谱的成分十分混杂，反变换到时域也是十分混杂的噪声形式。

事实上，对于一个确定的信号的频谱，对幅度进行归一化确实是白化的一个步骤，但是不能等价于“白化”。此时该信号在时域能否产生冲激，是由信号相位谱之间的关系决定的。事实上，只有确定的线性相位才会在时域产生对应的冲激，这一点是由傅里叶变换决定的。即

变换为

，当时延

为常数的时候，频域上的复指数信号

是典型的

“幅度归一化+线性相位”的形式。

而对于几乎没有确定的线性相位的频谱形式，可以认为由很多个线性相位叠加而成，因此时域上也就会出现十分混杂的冲激，具体的理论推导见第二部分。

以下是直接从频域生成白噪声并观察其时域波形：

testSignal 

Fig 1. 白噪声频谱的时域波形

2. GCC-PHAT的理论推导

首先，应当明确“使用GCC-PHAT来计算时延”的出发点如下：

1. 传统的时域互相关法，计算量较大且运算时间慢。
2. 使用频域法来计算互相关（CC）十分经典，但是不能满足更高的要求。
3. 在频域法CC的基础上，对互功率进行“系数加权”，由此产生了一系列的广义互相关法（GCC）。
4. 在GCC中，控制加权函数以进行相位加权可以对输出结果进行锐化，这便是GCC-PHAT。
5. GCC-PHAT常与SRP-PHAT结合并应用到目标定位中去。

2.1 频域法CC

先分析经典的频域法求解CC，首先对信号进行建模，这里直接考虑的是含噪模型，目标发射信号

，两路接收信号分别为：

为了表达方便，其实可以将第一路信号​

作为参考信号，直接将第二路信号表示为：