liu.seSearch for publications in DiVA
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Frequency Tracking for Speed Estimation
Linköping University, Department of Electrical Engineering, Automatic Control. Linköping University, Faculty of Science & Engineering.ORCID iD: 0000-0001-8298-3933
2018 (English)Licentiate thesis, monograph (Other academic)
Abstract [en]

Estimating the frequency of a periodic signal, or tracking the time-varying frequency of an almost periodic signal, is an important problem that is well studied in literature. This thesis focuses on two subproblems where contributions can be made to the existing theory: frequency tracking methods and measurements containing outliers.

Maximum-likelihood-based frequency estimation methods are studied, focusing on methods which can handle outliers in the measurements. Katkovnik’s frequency estimation method is generalized to real and harmonic signals, and a new method based on expectation-maximization is proposed. The methods are compared in a simulation study in which the measurements contain outliers. The proposed methods are compared with the standard periodogram method.

Recursive Bayesian methods for frequency tracking are studied, focusing on the Rao-Blackwellized point mass filter (RBPMF). Two reformulations of the RBPMF aiming to reduce computational costs are proposed. Furthermore, the technique of variational approximate Rao-Blackwellization is proposed, which allows usage of a Student’s t distributed measurement noise model. This enables recursive frequency tracking methods to handle outliers using heavy-tailed noise models in Rao-Blackwellized filters such as the RBPMF. A simulation study illustrates the performance of the methods when outliers occur in the measurement noise.

The framework above is applied to and studied in detail in two applications. The first application is on frequency tracking of engine sound. Microphone measurements are used to track the frequency of Doppler-shifted variants of the engine sound of a vehicle moving through an area. These estimates can be used to compute the speed of the vehicle. Periodogram-based methods and the RBPMF are evaluated on simulated and experimental data. The results indicate that the RBPMF has lower rmse than periodogram-based methods when tracking fast changes in the frequency.

The second application relates to frequency tracking of wheel vibrations, where a car has been equipped with an accelerometer. The accelerometer measurements are used to track the frequency of the wheel axle vibrations, which relates to the wheel rotational speed. The velocity of the vehicle can then be estimated without any other sensors and without requiring integration of the accelerometer measurements. In situations with high signal-to-noise ratio (SNR), the methods perform well. To remedy situations when the methods perform poorly, an accelerometer input is introduced to the formulation. This input is used to predict changes in the frequency for short time intervals.  

Abstract [sv]

Periodiska signaler förekommer ofta i praktiken. I många tillämpningar är det intressant att försöka skatta frekvensen av dessa periodiska signaler, eller vibrationer, genom mätningar av dem. Detta kallas för frekvensskattning eller frekvensföljning beroende på om frekvensen är konstant eller varierar över tid. Två tillämpningar studeras i denna licentiatavhandling. Målet i båda tillämpningarna är att skatta hastigheten på fordon.

Den första tillämpningen handlar om att följa frekvensen av ett fordons motorljud, när fordonet kör genom ett område där mikrofoner har blivit utplacerade. Man kan skatta ett fordons hastighet från motorljudet, vars frekvens beror på Dopplereffekten. Denna avhandling undersöker förbättrad följning av denna frekvens, vilket förbättrar skattningen av hastigheten. Två olika sätt för frekvensföljning används. Ett sätt är att anta att frekvensen är konstant inom korta tidsintervall och räkna ut en skattning av frekvensen. Ett annat sätt är att använda en matematisk modell som tar hänsyn till att frekvensen varierar över tid, och försöka följa den. För detta syfte föreslås det Rao-Blackwelliserade punktmassefiltret. Det är en metod som utnyttjar strukturen i den matematiska modellen av problemet för att erhålla bra prestanda och lägre krav på beräkningskraft. Resultaten visar att den föreslagna metoden förbättrar träffsäkerheten på frekvensföljningen i vissa fall, vilket kan förbättra prestanda för hastighetsskattningen.

Den andra tillämpningen handlar om att skatta ett fordons hastighet med enbart en accelerometer (mätare av acceleration) fastsatt i chassit. Hjulvibrationer kan mätas av denna accelerometer. Frekvenserna av dessa vibrationer ges av hjulaxelns rotationshastighet. Om hjulradien är känd eller skattad så kan man räkna ut fordonets hastighet, så att man inte behöver använda externa mätningar som gps eller hjulhastighetsmätningar. Accelerationsmätningarna är brusiga och innehåller outliers, vilka är mätvärden som ibland slumpmässigt kraftigt skiljer sig från det förväntade. Därför studeras metoder som är konstruerade för att hantera dessa. Det föreslås en approximation till Rao-Blackwellisering för att kunna hantera dessa outliers. Det föreslås också en ny frekvensskattningsmetod baserad på expectation-maximization, vilket är ytterligare en metod som utnyttjar strukturer i matematiska modeller. En simuleringsstudie visar att metoderna har lägre genomsnittligt skattningsfel än standardmetoder. På insamlad experimentell data visas att metoderna ofta fungerar, men att de behöver kompletteras med en ytterligare komponent för död räkning (prognosvärden) med accelerometer för att öka antalet testfall där de erhåller godtagbar prestanda.

Place, publisher, year, edition, pages
Linköping: Linköping University Electronic Press, 2018. , p. 101
Series
Linköping Studies in Science and Technology. Licentiate Thesis, ISSN 0280-7971 ; 1815
National Category
Signal Processing
Identifiers
URN: urn:nbn:se:liu:diva-149804DOI: 10.3384/lic.diva-149804ISBN: 9789176852415 (print)OAI: oai:DiVA.org:liu-149804DiVA, id: diva2:1235446
Presentation
2018-08-31, Ada Lovelace, B-huset, Campus Valla, Linköping, 13:15 (English)
Opponent
Supervisors
Funder
Knut and Alice Wallenberg FoundationAvailable from: 2018-07-25 Created: 2018-07-25 Last updated: 2018-08-10Bibliographically approved

Open Access in DiVA

Frequency Tracking for Speed Estimation(1546 kB)34 downloads
File information
File name FULLTEXT01.pdfFile size 1546 kBChecksum SHA-512
c114a72f0db59ab06e5e02f1a0d439118344f26d6bb64489d9297d0fcc5075c47c9a6d3da5dcdcee41ea21761aa4d9b4adcf8312d902eb45b6ac796d93a44bea
Type fulltextMimetype application/pdf
omslag(21 kB)4 downloads
File information
File name COVER01.pdfFile size 21 kBChecksum SHA-512
039ee65fb5961cf11c7e23a0f1c30f4365acfe42a1fe89e5d1b9cdf859f6dab4f5b8062ee8497af0e0c70a98e5e1b7e538daa51f6ea6e763435d46635b31314d
Type coverMimetype application/pdf

Other links

Publisher's full text

Authority records BETA

Lindfors, Martin

Search in DiVA

By author/editor
Lindfors, Martin
By organisation
Automatic ControlFaculty of Science & Engineering
Signal Processing

Search outside of DiVA

GoogleGoogle Scholar
Total: 34 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

doi
isbn
urn-nbn

Altmetric score

doi
isbn
urn-nbn
Total: 171 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf