4.1FFT算法在谱估计中的应用 20

4.2基于LabVIEW的FFT频谱估计 21

4.3算法流程图及谱估计的比较与分析 21

第五章总结与展望 25

5.1总结 25

5.2展望 25

5.3结束语 26

致谢 27

参考文献 28

第一章绪论

1.1引言

本文研究的主要内容是信号处理领域的经典课题，即对含有噪声的信号进行频率估计。在通常情况下，运用FFT等常见的经典谱估计分析方法就可以达到要求，但是这些方法都有各自相对明显的优缺点。比如，FFT算法、小波算法、Prony算法、支持向量机算法等，在具体应用中，有的会出现频率分辨率有限的情况，有的则是计算量大，因此，源自阵列信号处理领域中的现代谱估计方法中具有代表性的多重信号分类方法（MUSIC）被提及，在过去的很长一段时间里，许多人在波束到达方向（DOA）估计中大量应用MUSIC算法，获得了显著的成绩，但是根据目前为止MUSIC算法的研究成果，我们发现，MUSIC算法在现代谱估计方面也具有相当的优势[1]。

1.2选题的目的和意义

现如今，信号处理的应用范围越来越广泛，随着技术的发展和研究的深入，它在通信导航、信号识别等领域都发挥了极其重要的作用[1]。频率估计是实际信号处理过程中一种非常重要的方法，它同样也是信息科学在信号处理领域中的一个非常重要的组成部分。

随着人们对信号内容的研究学习，在相关领域的认知不断完善，使得需要研究的信号复杂度也随之提高，因此对信号进行分析处理的方法也在不断提高。在实际信号处理中，有时候能够直接从信号中得到一些有用的信息，也有时候需要将信号转换到对反应信号有利的一个特征域中，从而获得我们需要的内容。因此，信号的分析方法通常有三种：时域分析、频域分析和时频分析[2]。

在信号处理领域，国内外学者对于频率估计的研究成果很多，频率估计的方法也多种多样。在本文中，使用多信号分类（MUSIC）的频率估计就是其中之一。

1979年R.O.Schmidt提出了多信号分类（MUSIC）算法，这一算法的出现，为许多信号处理过程中遇到的困难提供了新的思路和解决方案。在此之前，MUSIC算法多应用于空间谱的估计，但是其实它在现代谱估计中也能得到很好的应用。所以，不得不提信号处理领域中一个让研究学者们非常感兴趣且非常重要的方向，功率谱估计。在信号处理的研究领域里，功率谱估计是不可忽视的极其重要的一部分内容，所以在许多学者的共同努力下，对它的研究学习发展极其迅猛。本文在此对于谱估计的发展历史作简要回顾，以此引出谱估计算法中的一种，也就是本文的主要研究对象多重信号分类（MUSIC）算法。

英国科学家牛顿最早提出了“谱”这一概念，之后在1822年，法国工程师傅里叶提出了著名的傅里叶谐波分析理论。此理论至今仍然是我们进行信号分析和处理的理论基础。傅里叶级数首先被应用于观测诸如天气、声音、太阳黑子活动等自然界中的周期现象，获取其周期结果。由于傅里叶级数的计算是一个困难的工作，经过研究创造，第一个用来计算傅里叶系数的谐波分析仪问世，这是人们最早对于谱分析的研究。