高阶统计量教程解析.ppt

* 高阶谱估计 研究的必要性 高阶统计量 高阶谱 高阶累积量和多谱的性质 三阶相关和双谱及其性质 基于高阶谱的相位谱估计 基于高阶谱的模型参数估计 多谱的应用 参考:《现代数字信号处理》(184-199；204-205) * 研究高阶谱的必要性 二阶统计量方法的基本限制 前面讨论的方法中，一般都假设： 信号模型中的系统H(z)是最小相位的。 激励信号u(n)是均值为零，方差为 的高斯白噪声。 测量信号v(n)是均值为零，方差为 的高斯白噪声； 且v(n)与信号x(n)统计无关，即v(n)不影响信号的谱形状 故有 * 研究高阶谱的必要性 二阶统计量方法存在的问题 在许多实际应用(如地震勘探、水声信号处理、远程通 信)中，往往不能满足上述假设；甚至系统是非线性的。 对于非高斯信号的模型参数，如仅仅考虑与自相关函数 匹配，就不可能充分获取隐含在数据中的信息。 若信号不仅是非高斯的，而且是非最小相位的，采用基 于自相关函数的估计方法所得到的模型参数，就不能反 映原信号的非最小相位特点。 当测量噪声较大，尤其当测量噪声有色时，基于自相关 函数的估计方法所得到的模型参数有较大的估计误差。 * 研究高阶谱的必要性 解决问题的方法 从观测数据中提取相位信息