作业谱分析.docVIP

随机信号的两种功率谱估计对比 姓 名：董兴蒙 学 号： 班 级：地研11-6 2011年12月1日 随机信号的两种功率谱估计对比 摘要：功率谱估计是信号处理领域的重要问题之一。功率谱估计利用以观测到的一定数量样本数据估计一个平稳随机信号的功率谱密度，因其能够分析信号的功率谱密度，因其能够分析信号的能量随频率变化的分布特性，在许多实际应用中功率谱的分析与估计已变得越来越重要。 功率谱估计可以分为经典谱估计方法与现代谱估计方法。本文首先阐述了两种谱估计方法的原理，然后用一随机信号采用matlab进行了编程实现，通过各种谱估计方法的结果，进一步阐述了不同谱估计方法的优点和实用性。 关键词：经典谱估计、现代谱估计、周期图法、Welch法AR模型经典谱估计1、2经典谱估计中最简单的就是周期图法，又分为直接法与间接法。直接法它是把随机序列x(n)的N个观测数据视为一能量有限的序列，直接计算x(n)的离散傅立叶变换（即频谱），然后取频谱与其共轭的乘积得X(k)，然后再取其幅值的平方，并除以N，作为序列x(n)真实功率谱的估计；间接法先由序列x(n)估计出自相关函数R(n)，然后对R(n)进行傅立叶变换，便得到x(n)的功率谱估计 对于周期图法的功率谱估计，当数据长度N太大时，谱曲线起伏加剧，若N太小，谱的分辨率又不好，因此需要改进。Welch法将信号序列x(n)分为n个不相重叠的小段，分别用周期图法进行谱估计，然后将这n段数据估计的结果的平均值作为整段数据功率谱估计的结果。Welch法对Bartlett法进行了两方面的修正，一是选择适当的窗函数w(n)，并周期图计算前直接加进去，加窗的优点是无论什么样的窗函数均可使谱估计非负。二是在分段时，可使各段之间有重叠，这样会使方差减小。welch法改善估计谱曲线的光滑性，大大提高谱估计的分辨率。现代谱估计主要是针对经典谱估计的分辨率差和方差性能不好的问题而提出的。现代谱估计从方法上大致可分为参数模型谱估计和非参数模型谱估计两种，前者有AR模型、MA模型、ARMA模型、PRONY指数模型等；后者有最小方差方法、多分量的MUSIC方法等。是把信息熵的概念收入信号处理中，有时又称为时序谱分析方法。这是一种自相关函数外推的方法，在分析过程中，没有固定的窗函数。在每一步外推过程中，使估计的相关函数包含过程的信息最多，即要求在过程的熵达到最大的条件，确定未知的自相关函数值，借以达到谱估计的逼真和稳定程度最好的目的。也就是采用谱熵为最大的准则来估计功率谱。最大熵谱（MEM谱）不仅没有传统谱受到数据加窗这一致命弱点带来的一系列缺陷，而且由于它是连续谱，从理论上讲，谱光滑，谱峰陡峭，频率分辨力无限高，不存在传统谱是离散谱带来频率分辨误差这一问题，对传统谱而言，样本数越短，一方面是窗影响越加严重，另一方面是频率分辨误差成比例增大，以致在短样本时传统谱无法应用，传统谱对许多瞬变过程的研究无能为力，而MEM谱不存在这些问题，所以MEM谱适用于短数据缓慢变化过程的谱估计，MEM谱的峰值可靠性差。 2-1 原始随机信号 2-2 原始随机信号（连续函数形式） Matlab代码示例：clear; Fs=1000; %采样频率 n=0:1/Fs:1; %产生含有噪声的序列 xn=cos(2*pi*50*n)+3*cos(2*pi*125*n)+randn(size(n)); %plot(n,xn); stem(n,xn); title(原始信号); ylabel(xn); xlabel(n) grid; 2.2经典谱估计方法 2.2.1直接法 又称周期图法，它是把随机序列x(n)的N个观测数据视为一能量有限的序列，直接计算x(n)的离散傅立叶变换，得X(k)，然后再取其幅值的平方，并除以N，作为序列x(n)真实功率谱的估计。 其中， 由于的DFT有周期性，所以也有周期性，是有偏估计。 （1）先计算N个数据的Fourier变换（即频谱）： （2）然后取频谱和其共轭的乘积，得到功率谱； 2-3 周期图法谱估计 Matlab代码示例：clear; Fs=1000; %采样频率n=0:1/Fs:1; %产生含有噪声的序列xn=cos(2*pi*50*n)+3*cos(2*pi*125*n)+randn(size(n)); window=bo