使用质心对互相关的峰值进行插值

信息处理 离散信号 互相关 插值
2022-02-19 01:41:45

如果这个问题措辞不好,请原谅我,我不确定质心是否是在这里使用的词。

假设我想插入互相关函数的峰值以获得子样本延迟。我可以用三点拟合抛物线,或者简单地通过零填充/正弦插值对我的信号进行上采样。但是,我没有看到任何关于在主峰上使用某种加权平均值的评论(或找到任何文献)。

如果不清楚,我的意思是执行以下操作:

  1. 找到互相关的最大值以获得粗略估计。
    D^=argmax(R12)
  2. 取 P 个最近邻(其中 [-P,P] 对应于中心峰面积)并进行以下精细估计

d^=k=PPkR12(k)k=PPR12(k)

我已经测试了它的高斯分布,无限信噪比信号,严格采样(所以峰值只有三个样本。质心,(黄色)与一些 sinc 插值(紫色)和抛物线拟合(橙色),它似乎提供了良好的性能.

在此处输入图像描述

尽管存在不连续性,但它的最大偏差似乎较小。我还用噪音对其进行了测试,结果也还可以。我知道这需要事先了解信号 ACF,而拟合抛物线则不需要,但是还有其他原因导致文献中没有这种方法吗?

无论哪种方式,我发现它在我的应用程序中有些优势(也不确定wh),所以我想阅读一些更正式的研究或对该技术的描述。我的背景不是信号处理,所以恐怕我忽略了一些严重的缺点。

注意:我还测试了均方误差。它在那里的表现似乎要差得多,但正如我所说,对于我的用例来说,它似乎表现良好。在此处输入图像描述. (黑线是 cramer-rao 下限。不知道为什么抛物线会低于它,可能是因为它是一个有偏见的估计量......)

编辑:应用程序的信号示例(这张图片有很多延迟信号的失真,但这是我目前手头的)。

在此处输入图像描述

2个回答

有很多关于 bin 插值的论文,其中一些与插值抛物线有明显的联系,而另一些则不那么明显。鉴于您介绍的内容,我相信您可以在互相关和光谱分析之间建立联系。我建议你看看:

MD Macleod,“快速接近 ML 估计实数或复数单音或已解析多音的参数”,IEEE Transactions on Signal Processing,vol。46,没有。1, pp. 141-148, Jan 1998.doi: 10.1109/78.651200 摘要:本文提出了一种新的计算效率高的算法,用于估计一个或多个实音(正弦曲线)或复音( cisoids) 来自 N 个均匀间隔样本块的噪声。第一种算法是一种插值器,它使用数据及其两个邻居的离散傅里叶谱 (DFS) 中的峰值样本。我们推导出此类插值器的 Cramer-Rao 界 (CRB),并表明它们非常接近最大似然 (ML) 估计器的 CRB。新算法几乎达到了这些界限。第二种算法使用以峰值为中心的五个 DFS 样本来产生更接近 ML 的估计。提出的增强功能可以在 N 的小值下保持接近 ML 的性能。对于频率间隔至少为 4π/N rad/样本的多个复杂音调,通过将新的单音调估计器合并到迭代“循环下降”中来获得无偏估计算法,这是一种计算成本低的非线性优化。单个或多个实音以相同的方式处理。新算法不受非零平均信号的影响,并且(假设 N 很大)在有色和非高斯噪声关键字中保持接近最优:{傅立叶分析;高斯噪声;幅度估计;频率估计;谐波分析;插值;迭代方法;最大似然估计;优化;相位估计;http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=651200&isnumber=14197

如果您可以进入 IEEE Explore,请查看引用它的论文。这些是最先进的 bin 插值方案,您应该对其进行比较。

我对您的质心技术的唯一评论是,准确性似乎取决于您的数据中只有一个延迟。我的经验是,有一个延误,往往有很多。窗口太宽似乎更容易受到额外延迟的影响。

我没有找到太多关于互相关质心的有趣文献。本文:

Bradley M. Peterson、Ignaz Wanders、Keith Horne、Stefan Collier、Tal Alexander、Shai Kaspi、Dan Maoz(1998 年 2 月 9 日提交)关于互相关滞后的不确定性和活动星系核中波长相关连续体滞后的现实。https://arxiv.org/abs/astro-ph/9802103

被引用:

WF Welsh (1999) 关于活动星系核中互相关函数滞后确定的可靠性。太平洋天文学会出版物,第 111 卷,第 765 期。http: //iopscience.iop.org/article/10.1086/316457/meta