谱估计实验报告解析.docVIP

第四章上机作业实验报告 实验题目 1、假设一平稳随机信号为，其中是均值为0，方差为1的白噪声，数据长度为1024。 （1）、产生符合要求的和； （2）、给出信号x(n)的理想功率谱； （3）、编写周期图谱估计函数，估计数据长度N=1024及256时信号功率谱，分析估计效果。 （4）、编写Bartlett平均周期图函数，估计当数据长度N=1024及256时，分段数L分别为2和8时信号的功率谱，分析估计效果。 2、假设均值为0，方差为1的白噪声中混有两个正弦信号，该正弦信号的频率分别为100Hz和110Hz，信噪比分别为10dB和30dB，初始相位都为0，采样频率为1000Hz。 （1）、采用自相关法、Burg法、协方差法、修正协方差法估计功率谱，分析数据长度和模型阶次对估计结果的影响（可采用MATLAB自带的功率谱分析函数）。 （2）、调整正弦信号信噪比，分析信噪比的降低对估计效果的影响。 报告内容 一、实验题目一 1、问题分析 （1）、w(n)与x(n)的产生 w(n)产生： 均值为0，方差为1白噪声利用matlab中randn函数即可。表达如下：w=sqrt(1)*randn(1,N); sqrt(1)表示方差为1。 x(n)产生： 第一种思路：利用迭代的方法 由，其中，然后利用上述公式依次向后递推即可得。matlab代码实现如下，注意到matlab中元素下标都是从1开始的： x=[w(1) zeros(1,N-1)]; for i=2:N x(i)=0.8*x(i-1)+w(i); end 此方法简单，可以很容易地产生所需数目的数据。 第二种思路：利用卷积的方法 对线性时不变系统，输入输出满足卷积关系：。 由，可得，从而可得系统的冲击响应： 。然后进行卷积运算即可。Matlab代码实现如下： n=1:N; h(n)=(0.8).^(n-1); %要注意n-1不是n，因为冲击响应是从0开始的 y=conv(w(n),h(n))； %共2*N-1项，取前N项即可 需注意： 实际h(n)是从0开始的，matlab处理元素从下标1开始，因此，公式中应是n-1不是n。而且，计算完成后卷积结果是为2*N-1项，取前N项即可。 两种方法结果 为方便观察，令N=5时，实验结果如下： x = 0.6232 1.2976 1.9790 0.5911 0.6849 y = 0.6232 1.2976 1.9790 0.5911 0.6849 0.3437 0.0131 -0.2978 0.0868 取卷积的前N项，可以看出两种方式结果是相同的。 （2）、信号x(n)的理想功率谱 系统为AR模型，理想功率谱为： 因此，对h(n)进行傅里叶变换后，取模的平方即可。 （3）、周期图法谱估计 根据周期图法谱估计原理： 先对观测数据x(n)进行傅里叶变换，后平方，最后除以N即可。 （4）、Bartlett平均周期图谱估计 为了减小估计的方差，将数据分为L段，则每段有M=N/L个数据，分别用周期图法进行估计后求平均。具体公式如下： 将得到的L个周期图进行平均，作为信号x(n)的功率谱估计，公式如下： 经过平均处理，可使估计方差减小。 2、实验结果与分析 （1）、w(n)与x(n)的产生 图1 白噪声w(n) 图2 平稳随机信号x(n) （2）、信号x(n)的理想功率谱 信号理想功率谱如下图3所示： 图3 信号的理想功率谱 从图中可以看出，理想功率谱是平滑的。 下图4是功率谱的分贝形式： 图4 信号的理想功率谱（dB） （3）、周期图法谱估计 当数据长度N为1024时，实验结果如下图5所示： 图5 N=1024周期图谱估计结果 当数据长度N为256时，实验结果如下图6所示： 图6 N=256周期图谱估计结果 对比图如下图7： 图7 N=1024/256周期图谱估计对比 从以上结果可以看出N=1024时频谱分辨率明显要高于N=256时的频谱分辨率。 （4）、Bartlett平均周期图谱估计 当数据长度N=1024及256时，分段数L分别为2和8时信号的功率谱为便于对比，将结果表示如下图8一幅图中： 图8 Bartlett平均周期图谱估计 结果分析： 1、首先数据的长度对分辨率有影响，数据长度N=1024时的频谱分辨率比N=256时的频谱分辨率高； 2、分段数L对频谱的分辨率和平滑性（方差）也有很大影响。当数据数目N一定时，L加大，每一段的数据量M就会减小，因此估计方差减小，曲线越平滑，但此时偏移加大，分辨率降低，即估计量的方差和分辨率是一对矛盾，二者的效果可以通过合理选取L互换。 3、收获体会 1、通过实验，对经典谱估计法有