- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
现代信号处理_06
第三章 随机信号的功率谱估计 郑宝玉 内 容 随机信号的特征 经典谱估计与现代谱估计 参数模型法概述 基于AR模型的谱估计法 最大熵谱估计算法 最小方差谱估计 基于矩阵特征分解的谱估计 高阶谱估计 最大熵谱估计算法 Levinson算法 Levinson算法 Levinson算法 Levinson算法 Levinson算法 Levinson算法 Levinson算法 Levinson算法 Berg算法 Berg算法 Berg算法 Berg算法 Berg算法 内 容 随机信号的特征 经典谱估计与现代谱估计 参数模型法概述 基于AR模型的谱估计法 最大熵谱估计算法 最小方差谱估计 基于矩阵特征分解的谱估计 高阶谱估计 最小方差谱估计 最小方差谱估计 最小方差谱估计 最小方差谱估计 最小方差谱估计 最小方差谱估计 最小方差谱估计 内 容 随机信号的特征 经典谱估计与现代谱估计 参数模型法概述 基于AR模型的谱估计法 最大熵谱估计算法 最小方差谱估计 基于矩阵特征分解的谱估计 高阶谱估计 基于矩阵特征分解的谱估计 自相关矩阵的特征分解 自相关矩阵的特征分解 自相关矩阵的特征分解 基于矩阵特征分解的谱估计 MUSIC方法 理论基础 若噪声子空间的向量不止一个,用类似的方法可以证明有 MUSIC方法 MUSIC算法 Pisarenko谐波分解(PHD) PHD算法的步骤 1)求x(n)的自相关函数并构成自相关矩阵Rp,且设 p=M 2)对Rp进行特征分解,得特征值 及特征向量 将其排序并找出最小的特征值 及相应的 3)将 代入(7),形成 M 阶多项式并求该多项式的根, 得到x(n)的M 个频率 4)由(1)有 5)再由(1)得: 故可求得 定理2 信号向量ei与噪声子空间的向量Vk都正交,即 由于自相关矩阵Rp的特征向量 构成一组正交基,因此有 注意: (11)对应于Mp的情况,在这种情况下,若再使用(8), 则求出的V(z)将有p-M个多余零点。故不宜再使用(8)计算。 基本思路 由于信号向量与噪声子空间的各个向量都正交, 因此 信号向量与噪声空间各向量的线性组合也 正交,故有 且上式在 处应为零。从而有 该峰值对应的就是正弦信号的频率,分辨率优于AR模型法。 * Levinson算法 Berg算法 MEM的核心是求解如下方程: 这个方程实际上是联合AR模型法和预测滤波法得出的。 我们发现,方程(1)有如下特点: 系数矩阵是一个Toplitz矩阵,利用Toplitz矩阵的性质 可简化方程求解。 实际问题中,一般只知道信号的某些观测值,而不知道 其AR模型阶数,该阶数也需要在方程求解过程中找到。 下面介绍两种算法。 引言 原理 假设已得到k阶线性预测系数(预测滤波参数),我们来考虑求k+1阶滤波参数。k阶滤波参数的矩阵方程为 由于系数矩阵的Toplitz性质,上式又有如下形式 现考虑模型阶数增加1, 即从k变为k+1的情况。 对于k+1模型, 有 由于系数矩阵的Toplitz性质,k+1阶系数矩阵 可有两种分块形式。 利用这个性质,可设 式中 比较(3)和(4),可知,当 (3)与(4)等效;且有下列两个递推关系式: 即当下式成立时 和 由(8)末式还可得: (5)-(10)构成Levinson算法基础。 现用i表示递推过程的阶数,令i=k+1, 并设信号模型的最大阶数为N,则有如下Levinson算法: 1) 由(3)式,令i=k+1=0,得 2) 置i=k+1=1; 3) 由(8)、(10)式计算 4) 由(7)、(10)式计算 5)由(6)、(7)和(10)式计算 6) 置i =i+1; 7) 判别:若 转3);否则,结束程序。 算法 讨论 Levinson算法第4步利用了一个重要递推关系(12), 通常称为Levinson关系式 递推过程产生一个滤波参数序列 通常称为偏相关系数 递推过程产生的 可用来监视i阶信号模型的均方 误差估值。 递推结果的最终解为 和 递推过程及结果 讨论 优点:计算简单 缺点:需根据有限观测数据估计自相关序列r(n) ? 短数据序列时,自相关估计值误差很
您可能关注的文档
最近下载
- 《心理健康讲座》ppt课件(图文).pptx
- 初中英语话剧7-8个人物的剧本.doc VIP
- 鲁教版五四制八年级上册生物 第七单元 第一章 动物的主要类群 练习题(无答案).doc VIP
- [人教版小学五年级上册美术教案.doc VIP
- 《中华人民共和国放射性污染防治法》知识培训.pptx VIP
- 二年级上册劳动技术教案(详).docx VIP
- 第2课 使用数字设备 教案 义务教育人教版信息科技三年级全一册.docx VIP
- DLT5161表格大全(电气装置安装工程质量检验和评定规程).pdf VIP
- 初中数学综合实践活动课教学策略研究.pptx VIP
- 六年级语文上册第二单元教材分析+说课.pptx VIP
文档评论(0)