高斯噪声下组合信号相位误差轻量化高效校正方法

《Engineering Science and Technology, an International Journal》：Efficient phase error correction for combined signals under Gaussian noise: a lightweight approach

　　

针对离散谱随机噪声环境下传统相位差时移校正方法因时移量过大导致频率估计精度受限的问题，研究人员提出了一种名为"组合信号相位差校正"的频率估计方法。该方法通过综合迭代频率估计与组合信号相位差方法，实现了高精度的频率估计。文中理论上推导了不同信噪比（SNR）和时移条件下频率估计误差的计算公式，并通过实验验证了理论分析在随机噪声条件下的正确性。新方法能够有效提高频率估计的准确性与稳定性。通过引入组合信号优化与自适应时移系数S，所提方法在精度与计算复杂度方面均展现出显著优势。

## 研究背景与问题提出

正弦信号的快速精确频率估计在机械故障诊断、电气测试、电力系统监控及无线通信等诸多领域具有关键作用。尤其在高速移动无人机构成的空地通信场景中，载波频率偏移（CFO）与多普勒频移的存在对频率估计技术提出了严峻挑战。从离散时间信号观测中估计信号的分布特性——即频率、幅值与相位，是信号处理中的典型问题。传统基于窗函数离散傅里叶变换（DFT）的方法虽为基础性工具，但受限于谱泄漏与噪声敏感性；插值DFT、迭代窗函数DFT等改进方法相继被提出以应对这些挑战。

现有频谱校正方法通常采用"粗估计-细估计"的两阶段策略：先确定DFT峰值索引m，再求解归一化频率偏差δ∈[-0.5,0.5]。相位差方法因不受窗函数约束且具有最高校正精度而备受关注，但传统时移相位差校正方法存在根本性缺陷：增大时移系数虽可提升算法精度，却需要进行相位解缠绕；当时移系数过大时会发生相位缠绕，且缠绕次数无法根据时移系数确定，导致归一化频率校正无法唯一确定。这使得该方法在低信噪比条件下对噪声高度敏感，产生显著误差。为克服上述局限，研究人员提出了组合信号相位差校正（PDCC）方法。

## 关键技术方法

研究人员采用的核心技术路线包括：组合信号构建（第2次组合，即y?(n)=x?(n)+x?(n)e^{-jΔΦ?}）；频率预校正机制（通过迭代频率估计压缩残差，确保|?f?|S<0.5）；自适应时移系数优化（基于几何均值的综合目标函数G(S)选取最优时移系数S_opt）。仿真实验中，蒙特卡洛试验次数T=50000，信号长度分别取N=32,64,128，采样频率设为F_s=N Hz，在最优时移系数S=1条件下进行性能评估，并与Candan插值器、A&M迭代方法、HAQSE方法、Tsui方法、双分段方法及传统时移方法进行对比。

## 研究结果

**组合信号构建与迭代频率估计精度分析**：通过对组合信号y?(n)进行理论推导，研究人员得出加性高斯白噪声下幅度分布的统计特性。引入相位信息S(k±1)=Re[Y?(k±1)Y?*(k)]后，次高谱线误选概率P_d2显著降低。推导证明预校正阶段噪声诱导误差服从零均值高斯分布，确保迭代过程的统计收敛性。实验表明，组合信号上的归一化频率精度得到提升，其方差不受?f?影响，可认为精度与归一化频率校正无关。与原信号x?(n)相比，组合信号将预校正方差降低为D?=D_x?/2。

**相位差估计的高斯白噪声影响分析**：根据理论推导，相位差校正方法在|2π?f?S-ΔΦ|<π条件下的方差为D_n=(1/2π2S2N·SNR)，其中相位缠绕概率P_ue由正态分布函数Φ决定。综合方差表达式DS,SNR=(1-P_ue)D_n+P_ueD_a表明，新方法精度是信噪比与时移系数的函数，且不受频率偏差影响。图8显示，在大时移系数条件下新方法具有更优的校正性能；图9表明精度随时移系数增长呈先升后降趋势，存在最优系数范围。

**最优时移系数S的选择**：针对实际系统中SNR在[SNR_min,SNR_max]区间波动的情况，研究人员提出采用几何均值构建综合目标函数G(S)=∏_i=1^k R_S,SNRi^1/k，其中性能比R_S,SNR=D_S,SNR/CRLB_SNR衡量算法精度与理论最优界的偏离程度。以雷达信号为例，基于单天线通信系统接收SNR的概率密度函数，比较了几何均值法、极小极大法与算术平均法。结果表明：在标称区间内三种方法均可获得期望时移系数；但在扰动区间内，几何均值法与期望时移系数的最大偏差仅为0.5，而极小极大法为1.5，算术平均法为1.0，几何均值法对区间选择敏感性最低。

## 讨论与结论

研究人员对所提出的组合信号相位差校正方法进行了全面总结。该方法通过组合信号构建与频率预校正机制，有效克服了传统相位差技术对噪声敏感及大时移系数下相位缠绕的局限，即使在强噪声环境中仍能保持高精度与高稳定性，且对频率偏差不敏感，显著提升了高噪声条件下的信号处理能力。估计误差主要受信噪比与时移系数S影响，误差随S增长呈先降后升趋势，表明存在可通过方差表达式理论推导得出的最优时移系数S_opt，为不同噪声环境下的自适应选择提供了理论基础。理论分析与实验结果表明，该方法在有效控制计算复杂度的同时实现了高估计精度，通过预校正残差压缩与减少计算点数，以较低计算复杂度保持了接近克拉美-罗下界的估计性能，特别适用于高实时性要求的工程场景。