Frekvensdetektering

Frekvensdetektering avser processen att avgöra vilka frekvenser som finns i en signal och hur starkt varje frekvens bidrar till signalens energiinnehåll. I praktiken handlar det ofta om att uppskatta en eller flera dominanta frekvenser och att följa deras variation över tid. Metoderna kan delas in i tidsdomäns- och frekvensdomänsbaserade samt i parametriska och icke-parametriska tillvägagångssätt.

Vanliga tillvägagångssätt innefattar frekvensanalys med Fouriertransformen och dess praktiska implementeringar som FFT, samt icke-parametriska tekniker som periodogrammet och Welch-metoden. För tidsvarierande frekvenser används tidsfönstring som STFT (short-time Fourier transform) eller waveletbaserade metoder. Parametriska metoder som autoregressive modeller, liksom högre ordningens tekniker som MUSIC och ESPRIT, används när man vill uppnå högre frekvensupplösning och bättre skevsborttagning i brus. Andra tillvägagångssätt inkluderar Lomb–Scargle för oregelbundet sampelade data och enkel peakdetektering för grundfrekvens i musik eller tonhastigheter.

Användningsområden är breda och innefattar ljud- och musikbearbetning, telekommunikation, radar och sonarsystem, vibrationsovervakning i mekaniska system, samt medicinska signaler som elektrofysiologi. En vanlig arbetsflöde omfattar förbehandling, fönstring (t.ex. Hann, Hamming), frekvensuppskattning, och frekvensspårning med beslutlogik. Viktiga utmaningar är brus, leakage, upplösning och icke-stationära signaler, vilket kräver val av lämpliga fönster, modellering och möjliga förenklande antaganden. Bedömning av prestanda sker ofta med mått som frekvensupplösning, bias, varians och närhet till Cramér–Rao-gränser. Frekvensdetektering är därmed en central komponent inom signalbehandling och mätning.