我熟悉的方法已经在广播场景中使用了相当长的一段时间。您提到了您对语音信号“使”感兴趣的频率“达到峰值”的担忧。根据该声明，我假设您可以在语音活动期间传输信号。

这是方法：

在世代方面：

1. 安排信号播放时间是分析的两倍。

在分析方面：

1. 设置长度为刺激的 1/2 的非重叠 FFT。这可确保您的一个 FFT 最终将包含整个信号。
2. 在每个 FFT 上，计算色调箱（包括作为加窗结果的相邻箱）的功率和、非色调箱的功率和，并对结果进行比值以提供 SNR。
3. 如果该比率高于某个阈值，那么您已经检测到您的信号。您可以使用您对本底噪声和传输音级的先验知识来确定您的阈值。

您可以做几件事来改进：

1. 调整生成信号的相位以降低波峰因数。
2. 选择 3 个信号频率和/或 FFT 长度，使频率落在 FFT 箱的中心。如果您的发生器和分析仪是同步的，这将允许您完全避免 FFT 加窗。

如果您确切知道要寻​​找什么（已知持续时间、频率、相对相位/幅度的 3 个正弦波），也许您可​​以简单地将其用作匹配滤波器中的模板，将其他任何东西视为噪声和临时找到合适的阈值?

运行数千个抽头的全速率卷积可能看起来很昂贵。认识到您的信号带宽只有 200Hz，也许您可​​以先下采样到 400Hz，然后使用 FFT 进行实际的 MF 卷积？

Goertzel 算法是 DTFM 中常用的 DFT 的轻量级替代方案。也许在您的情况下值得考虑。

• 如果发射器遵循标准，或者您可以通过某种方式确定音调将存在固定的时间，那么您可以将其用作检测标准之一。

• 另一个标准可能是在一段时间内具有相同（或非常接近）能量的三个音调。声音很有活力；这三个特定的音调不太可能具有相同的能量。

• 您还可以查看其他一些频率（例如 400 和 800 Hz）并验证信号在那里没有能量。

如果需要改进检测，您可以同时计算所有这些信号特征，对它们进行加权，并根据权重做出最终决定。