低信噪比下短时信号参数检测：DFT与MUSIC算法的改进

"低信噪比条件下短时信号频率与幅度的检测-孙婷婷" 本文主要探讨了在低信噪比环境下，如何有效地检测和估计短时信号的频率和幅度参数。信号参数估计是一个关键的技术，它在军事、通信、电力系统以及语音处理等多个领域都发挥着至关重要的作用。然而，在实际应用中，由于信号获取、采集和传输过程中的噪声干扰，以及信号本身的有限长度，使得在低信噪比条件下的参数检测成为一项挑战。 文章深入研究了多种常用的信号参数估计方法，包括最大似然估计法、自相关法、参数模型法、离散傅里叶变换法(DFT)以及音乐(MUSIC)算法。通过对这些算法的理论分析和仿真实验，作者对比了它们在低信噪比环境下的性能表现。 针对低信噪比下正弦信号频率和幅度估计的不准确性问题，论文提出了两种创新的改进算法。首先，提出了一种基于DFT算法的双门限综合插值方法，用于校正频率估计。该算法通过插值技术提高频率估计的精度，使其更接近Cramér-Rao下界(CRB)，从而能更准确地估计出幅度值。仿真结果显示，这种方法显著提升了频率估计的精度。 其次，论文还提出了一种融合拟牛顿迭代的多频正弦信号参数估计算法。该算法利用拟牛顿迭代优化谱峰搜索，同时结合最小二乘法来估计信号幅度。通过仿真，证实了该算法在运算效率上的优势，能够有效处理多频正弦信号的参数估计问题。 这篇硕士论文由信息与通信工程领域的孙婷婷撰写，指导教师为梁华庆教授，于2019年5月完成。论文的独创性声明和版权使用授权书确保了研究工作的原创性和版权归属。这些研究成果不仅对理论研究有所贡献，也为实际工程应用提供了有价值的参考，尤其是在面对噪声干扰的信号处理场景中。