💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
💥1 概述
本文了多种估计两个信号之间的延迟以达到子采样精度的方法。
包括许多确定两个周期信号之间延迟的方法。延迟可以计算为子采样精度。方法包括:使用抛物线、高斯或余弦函数的三点插值;相位法;和迭代方法。
摘要:雷达、超声波、声学等领域中常见的问题是确定两个信号之间的延迟。在许多情况下,可以将采样信号的延迟确定到比采样周期更高的精度。本文比较了多种基于相关的方法来估计亚采样延迟,特别关注周期信号的情况。作者还提出了两种新方法,在某些情况下表现比以前的方法更好。
雷达[1]、医学成像[2-5]、地震学[6]和声学信号处理(等等)中常见的问题是确定两个信号之间的时间延迟。例如,这可能是信号广播和其回波接收之间的延迟(雷达),或者是声学信号在测量区域中的飞行时间(声学断层扫描)[7]。
在最简单的情况下,可以通过找到两个信号之间的互相关峰值来估计延迟。在离散时间(采样)信号中,使用这种方法可以实现的最佳延迟分辨率等于采样周期。然而,通常可以通过在采样点之间插值互相关函数来改善延迟估计的分辨率,使用各种方法[5,8]。本文比较了文献中的多种亚采样方法的准确性和计算时间,以及两种改进的方法。特别关注周期信号的情况。
典型延迟估计系统的模块图如图1所示。一个带限信号u(t)通过两个路径传递到两个传感器。在每个路径上都有一个滤波器G0(s)和G1(s)(尽管它们通常相同),包括传感器和系统(例如声学问题中的大气)的动态特性。一个路径包括一个纯时间延迟td,被假定为恒定的。在每个信号上添加噪声(这里假设是在滤波器之后添加)。采样过程返回采样离散测量值x0(k)和x1(k)。假设采样率fs大于任何信号成分的最大频率的两倍,以避免混叠。
📚2 运行结果
figure(1)
clf
gray_colour=[0.7 0.7 0.7];
%cdepth=64;%colour depth
subplot(1,1,1)
for i=1:N_methods
subplot(3,3,i)
c_lim=[1-1e-2 max(max(RMSE(:,:,i)./E_zzb))];
%colormap(flipud(hot(cdepth)))
h=pcolor(f_c_matrix,SNR_matrix,20*log10(RMSE(:,:,i)./E_zzb));
caxis(20*log10(c_lim));
shading interp
set(get(h,'Parent'),'XScale','log');
set(get(h,'Parent'),'TickDir','Out');
hold on
contour(f_c_matrix,SNR_matrix,possible_best(:,:,i),[0 0],'color',gray_colour);
contour(f_c_matrix,SNR_matrix,probable_best(:,:,i),[0 0],'k');
hold off
ylabel('SNR (db)')
xlabel('f_c/f_n')
title(method_names{i})
h=colorbar;
set(h,'TickDir','Out');
ylabel(h,'E/E_{zzb} (dB)')
axis([f_c_matrix(1) f_c_matrix(end) SNR_matrix(1) SNR_matrix(end)])
set(gca, 'Layer', 'top')
end
可视化:
figure(1)
clf
gray_colour=[0.7 0.7 0.7];
%cdepth=64;%colour depth
subplot(1,1,1)
for i=1:N_methods
subplot(3,3,i)
c_lim=[1-1e-2 max(max(RMSE(:,:,i)./E_zzb))];
%colormap(flipud(hot(cdepth)))
h=pcolor(f_c_matrix,SNR_matrix,20*log10(RMSE(:,:,i)./E_zzb));
caxis(20*log10(c_lim));
shading interp
set(get(h,'Parent'),'XScale','log');
set(get(h,'Parent'),'TickDir','Out');
hold on
contour(f_c_matrix,SNR_matrix,possible_best(:,:,i),[0 0],'color',gray_colour);
contour(f_c_matrix,SNR_matrix,probable_best(:,:,i),[0 0],'k');
hold off
ylabel('SNR (db)')
xlabel('f_c/f_n')
title(method_names{i})
h=colorbar;
set(h,'TickDir','Out');
ylabel(h,'E/E_{zzb} (dB)')
axis([f_c_matrix(1) f_c_matrix(end) SNR_matrix(1) SNR_matrix(end)])
set(gca, 'Layer', 'top')
end
🎉3 参考文献
文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。