基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为提高低信噪比条件下短时正弦信号的频率估计精度,针对任意长度的正弦信号,提出一种同频信号加权融合算法.首先,给出同频信号的定义和频谱模型;其次,构造具有相位连续化特性和噪声对消特性的相位修正矩阵对同频信号频谱进行加权融合,使加权融合后的频谱近似于相位连续信号频谱.最后,谱峰搜索加权融合后的频谱,获得高精度的频率估计值,仿真实验表明,与现有方法相比,算法抗噪性强,普适性好,频率估计精度高.
推荐文章
一种改进的加权融合算法
估计算法
加权融合
多传感器数据融合
短时同频等长信号频率估计的加权融合算法
频率估计
加权融合
短时同频等长信号
低信噪比
噪声对消
一种基于图论的加权聚类融合算法
聚类融合
融合函数
混合属性
图论
加权
一种新的线性调频信号的瞬时频率估计方法
希尔伯特-黄变换
线性调频信号
瞬时参数估计
最小二乘法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 频率估计的一种同频信号加权融合算法
来源期刊 系统仿真学报 学科 工学
关键词 频率估计 加权融合 同频信号 噪声对消 低信噪比 算法仿真
年,卷(期) 2013,(4) 所属期刊栏目 信息、控制、决策与仿真
研究方向 页码范围 742-747,752
页数 分类号 TN957.51
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 闾琳 5 57 3.0 5.0
2 涂亚庆 后勤工程学院后勤信息工程系 161 1548 20.0 32.0
3 刘良兵 后勤工程学院后勤信息工程系 24 91 4.0 8.0
4 肖玮 后勤工程学院后勤信息工程系 30 168 8.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (54)
共引文献  (72)
参考文献  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1969(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(6)
  • 参考文献(0)
  • 二级参考文献(6)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(9)
  • 参考文献(1)
  • 二级参考文献(8)
2006(6)
  • 参考文献(1)
  • 二级参考文献(5)
2007(7)
  • 参考文献(2)
  • 二级参考文献(5)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(7)
  • 参考文献(4)
  • 二级参考文献(3)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
频率估计
加权融合
同频信号
噪声对消
低信噪比
算法仿真
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
系统仿真学报
月刊
1004-731X
11-3092/V
大16开
北京市海淀区永定路50号院
82-9
1989
chi
出版文献量(篇)
14694
总下载数(次)
35
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
重庆市自然科学基金
英文译名:
官方网址:http://law.ddvip.com/law/2006-09/11584979384040.html
项目类型:重点项目
学科类型:
论文1v1指导