第四章 功率谱估计.pptVIP

第四章　功率谱估计 4.1 引言 1. 协方差法 4.5.2协方差法与修正协方差法 与自相关法一样，仍然利用使预测误差功率最小的方法求模型参数。但由观测数据求预测误差功率的公式不同，为 与自相关法相比，求预测误差功率的求和限不同。该公式中使用的观测数据均已知，不需要在数据两端补充零点，因此比较自相关法去掉了加窗处理的不合理假设。 为求模型参数仍然应用复梯度法使上式达到最小，公式如下 式中 白噪声的方差为 称为协方差函数 ，但不具有Topelitz性质( ) 上式由 组成的 维矩阵是对称的，即 所以协方差方程的解不能借助于自相关法，可用乔里斯基(Choleskey)分解法求解上述方程组。用协方差法估计出的极点不能保证在单位圆内。 和前向预测误差 用下式表示： 修正协方差方法使用前向和后向观测误差平均值最小的方法，估计AR模型参数，进而估计信号的功率谱。 该方法最初由Nuttall在1976年提出，称为前向—后向法；同年，Ulrych和Ctayton也独立提出，称之为最小二乘法，因此该法也称为前后向线性预测误差功率最小的最小二乘法。 2. 修正协方差法 下面对前向和后向线性预测误差滤波器进行分析。 前向线性预测误差滤波器 为分析简单，假设信号是实平稳随机信号。前向线性预测误差滤波器由 预测 。其估计值 由于假设信号是实的，式中预测误差和系数均是实的。 对上式进行Z变换，得到 令 则 称为前向预测误差滤波器的系统函数 将 代入，得 用均方误差最小准则求前向预测误差滤波器的最佳系数 图 前向预测误差滤波器 前向预测误差与用于预测的数据正交，正交原理。 式中 。已知自相关函数，可解出 和 。 前向预测误差滤波器的最佳系数 和信号的自相关函数之间的关系为Yule-Walker方程，如下 用矩阵表示为 进行预测，为此，将上式改为 后向线性预测误差滤波器 利用 数据预测 ，则称为后向线性预测。其估计值为 一般前向、后向预测用同一数据进行，即利用 这样，前向预测是由 预测 ，后向预测是由 预测 预测 ，这两种预测数据之间的关系如图。 后向预测误差 表示的是信号在 时刻的预测误差， 图 前后向预测数据之间的关系 同样，利用最小均方准则，可得关于后向预测时的正交原理及Yule-Walker方程 式中， 是后向预测误差的最小误差功率。利用Toeplitz性质，可得以下重要关系： 上式表明，前、后向预测的最小误差功率相等，系数也相等(如果是复数，则是共轭关系)。 式中，当 时， ，上式可写成 由 ， ，得 图 后向预测误差滤波器 后向预测误差滤波器的系数排序是前向预测误差滤波器系数排序的逆转排列。 对 进行Z变换，得 后向预测误差滤波器的系统函数为 前、后向预测误差滤波器的系统函数之间关系为 前面已推导出信号的前向和后向预测，分别为 式中 是AR模型的参数。在这两种情况下，最小预测误差功率都是白噪声方差 。 修正协方差使用估计的前向和后向预测误差功率的平均值为最小的方法来估计AR参数。即 式中前向和后向预测误差功率 、 分别用下式表示 和协方差法一样，仅对那些用到观测数据样本的预测误