实现两个带噪异相正弦信号的相位同步

已知两个带噪、相位不同的正弦信号，且已知它们的振幅和频率，目标是实现相位同步。之前通过上升沿过零点的方法因噪声干扰失效，相关法可能因噪声导致最大相关值出现在多周期后，偏移时丢失大量数据点。下面给出先识别相位差再偏移单信号的解决方案：

核心思路：正交解调法估计相位差 #

利用已知的信号频率，生成同相（cos）和正交（sin）的参考信号，通过与带噪信号做相关运算提取相位信息，这种方法抗噪声能力强，且无需依赖过零点检测。

具体步骤 #

• 根据已知频率生成正交参考信号
• 计算带噪信号与参考信号的相关积分，得到同相分量和正交分量
• 通过反正切函数计算两个信号的相位，进而得到相位差
• 对其中一个信号进行相位偏移，实现同步

代码实现（基于你的示例修改） #

import numpy as np
import matplotlib.pyplot as plt

# 生成原始信号（和你的示例一致）
time = np.arange(0, 60, 0.005)
amp = 2
F = 0.25
signal1 = amp*np.sin(2*np.pi*F*time + np.pi)
signal2 = amp*np.sin(2*np.pi*F*time + np.pi/3)

# 添加噪声
mu, sigma = 0.2, 0.1
noise1 = np.random.normal(mu, sigma, len(signal1))
noise2 = np.random.normal(mu, sigma, len(signal2))
noisy_signal1 = signal1 + noise1
noisy_signal2 = signal2 + noise2

# ---------------------- 相位估计部分 ----------------------
def estimate_phase(noisy_signal, time, amp, freq):
    # 生成正交参考信号
    ref_cos = np.cos(2*np.pi*freq*time)
    ref_sin = np.sin(2*np.pi*freq*time)
    
    # 去除直流分量后计算相关积分
    signal_dc = noisy_signal - np.mean(noisy_signal)
    I = np.sum(signal_dc * ref_cos) * (time[1]-time[0])
    Q = np.sum(signal_dc * ref_sin) * (time[1]-time[0])
    
    # 根据积分结果计算相位
    scale = amp * (time[-1] - time[0]) / 2
    sin_phi = I / scale
    cos_phi = Q / scale
    phi = np.arctan2(sin_phi, cos_phi)
    return phi

# 估计两个信号的相位
phi1 = estimate_phase(noisy_signal1, time, amp, F)
phi2 = estimate_phase(noisy_signal2, time, amp, F)

# 计算相位差：让signal2与signal1同步所需的偏移量
phase_diff = phi1 - phi2

# 生成同步后的signal2（保留原噪声）
synced_signal2 = amp * np.sin(2*np.pi*F*time + phi2 + phase_diff) + noise2

# ---------------------- 可视化结果 ----------------------
plt.figure(figsize=(12,6))
plt.plot(time, noisy_signal1, label='带噪信号1', alpha=0.7)
plt.plot(time, noisy_signal2, label='带噪信号2（原始）', alpha=0.7)
plt.plot(time, synced_signal2, label='带噪信号2（同步后）', linestyle='--')
plt.legend()
plt.xlabel('时间')
plt.ylabel('幅值')
plt.title('带噪正弦信号相位同步结果')
plt.show()

# 打印估计的相位和相位差
print(f"估计的signal1相位：{phi1:.2f} rad")
print(f"估计的signal2相位：{phi2:.2f} rad")
print(f"相位差：{phase_diff:.2f} rad")

方法说明 #

• 正交解调法通过积分运算平均掉噪声影响，抗干扰能力远优于零点检测
• 已知振幅和频率的前提下，能精准计算相位缩放比例，降低估计误差
• 同步时仅需对单个信号做相位偏移，不会丢失任何数据点

内容的提问来源于stack exchange，提问作者Marc Schwambach