改进的Prony算法在频谱估计中的应用.pdfVIP

第 2期 张宇波等．改进 的Prony算法在频谱估计 中的应用 l87 改进的 Prony算法在频谱估计 中的应用 张宇波 ，陈继瑞，任 慧 (郑州大学 电气工程学院 ，郑州 450001) 摘要 ： 在对 Prony算法分析与研 究的基础上 ，将基于奇异值分解 的总体最小二乘法 引入 Prony算法 ，并将该 改进 的Prony算法应用于频谱估计。改进 的算法弥补 了信号序列在伴 随噪声干扰和数据序列较短的情况下，快 速傅立叶变换 的方法无法对信号频率进行有效提取 的缺 点，最后通过实验仿真证 明了该改进 的 Prony算法在频 谱估计 中应用的有效性。 关键词 ： Prony算法 ；总体最小二乘法 ；奇异值分解 ；快速傅立叶变换 ；短数据序列 中图分类号：TP301 文献标识码 ：A 文章编号：1000—3932(2011)02-0187—03 目前 ，信号谱估计方法主要 以快速傅立叶变 估计模型可 以描述为 ： 换 (FastFourierTransform，FFT)为代表。通过对 M 多(n)=∑am： (2) m = I 信号进行 FFT运算 ，可以较好地对信号进行频谱 式 中：am—— 阻 尼 系 数 ，a = A e ； 观测和 分析 。但是在 数据 长度 较 短 的情 况 下 ， ‘ 一 +amAt) FFT存在分辨率较低 、精度不高的缺点 ，不能满足 e ；△t—— 采样间隔。 频率提取的要求。近年来 ，大量实验证明了 Prony 为避免在以上求未知数时涉及复杂的非线性 最sJ~Z．乘最优化 问题 ，通过下面 的方法来简化其 方法不仅适用于广义的平稳随机序列 ，还是一种 信号分析和提取信号模型的强有力工具 “。文 计算过程。 献 [2]将 Prony算法应用于模态分析以提取建模 对式(2)两边乘 b并求和得 ： 下的信号频率 ，文献 [3]、文献 [4]将其应用于 电 邑=U (n一)m=l1aniZ 邑u=M“ (3) 流的谐波分析 ，且在提取建模下 的信号频率时对 式中：0≤n—m≤N一1，b0；1。 于 自回归模型的参数求解仅用了传统的最小二乘 定义式 (3)的特征多项式为 ： 法 ，而实际情况下模型会处于各种 噪声的干扰下 ， ()=∑aiz Ⅱ(z一 ) (4) 特别当数据较短、信噪比较低时 ，传统 的方法估计 出的频率偏差就会更大 ，精度也会更低 。因此 ，笔 当 =z，时 ，将式 (4)代人式 (3)，则式 (3)恒 者将基于奇异值分解 的总体最小二乘法引入 Pro— 为零。因此，再令Y(n)一 (n)= ()有多(n一 ny算法 ，提高了在数据较短情况下 的频谱分析的 ，孔)=Y(n一，n)一 (11,一m)，贝0：