经典谱估计2.pptVIP

经典功率谱估计;11.4 直接法估计的改进 直接法估计出的谱PPER(ω)性能不好，当数据长度N太大时，谱曲线起伏加剧，N太小时，谱的分辨率又不好。因此需要加以改进。 此处所说的改进，主要是改进其方差特性。 间接法是对直接法的一种改进，又称之为周期图的平滑。 对其改进的另外一种办法是所谓平均法，它的指导思想是把一长度为N的数据xN(n)分成L段，分别求每一段的功率谱，然后加以平均，以达到所希望的目的。 在实际应用时，有时还把平滑与平均结合起来使用。 ;11.4.1 Bartlett法; 式中D1(ω)是矩形窗d1(n)的频谱，W1(ω)是由d1(n)做自相关所得到的三角窗w1(m)的频谱，w1(m)的长度是2M-1。 可见，不取平均的周期图PPER(ω)和取平均后的PPER(ω)都是有偏估计，且当N→∞时，二者都是渐近无偏的。但因为W1(ω)主瓣的宽度远大于W(ω)所以取平均后，偏差加大，分辨率下降。; 因此，分的段数越多，方差越小。如若L能趋于∞，则PPER(ω)是P(ω)的一致估计。由上面的分析我们再一次看到，方差性能的改善是以牺牲偏差和分辨率为代价的。 ; (11.4.4)式是在假定PiPER(ω)，i=1，2，…，L，完全独立的情况下得出的。但实际上各段数据xiN(n)是互相有关的，因而PiPER(ω)也不会相互独立。因此，方差的减小一般要比(11.4.4)式给出的小。 11.4.2 Welch法 Welch法是对Bartlett 法的改进。; 改进之二是每一段的数据窗口可以不是矩形窗口，例如使用汉宁窗或哈明窗，记之为d2(n)。 ;;对上述结论的证明; 若N增大，则W2(ω)主瓣变窄，如果P(ω)是一慢变的谱，那么可以认为P(ω)在W2(ω)主瓣内为常数，这样;对慢变谱; 估计的方差仍近似地由(11.4.4)式给出。但是由于各段允许交叠，因而段数L增大，这样方差可得到更大的改善。但是，数据的交叠又减小了每一段的不相关性，使方差的减小不会到达理论计算的程度。Welch法又称加权交叠平均法，是应用较广的一种方法。 ;11.4.3 Nuttall法 由于Welch法允许分段时交叠，这样就增加了段数L，当然也就增加了做FFT的次数。如果用的数据窗是非矩形窗，这又大大增加了做乘法的次数。因此，Welch法的计算量比较大。; 显然，此方法是把直接法和间接法结合起来，同时也把平滑和平均结合了起来。前述各种方法甚至都可看作是此方法的特例。这一方面保持了平滑和平均减小方差的优点，而且计算量也小于Welch法。 ;;11.5经典谱估计算法性能的比较 实验数据为128点复序列，由复数噪声加上四个复正弦组成。 ;; 图(b)是对该数据直接求出的周期图。由于主瓣的宽度B=2/128=O.015625O．01，所以f’1,f’2不能完全分开，只是在波形的顶部能看出是两个频率分量。 ; 图(e)是用自相关法(BT法)求出的功率谱，M=32，没有加窗；图(f)也是用自相关法求出的功率谱，M=16，使用了Hamming窗。显然，自相关函数的延迟M越小，谱变的越平滑。;综合上述讨论，我们可以对经典谱估的算法作一大致的总结： ①经典谱估计，不论是直接法还是间接法，都可用FFT快速计算，且物理概念明确，因而仍是目前较常用的谱估计方法。 ②谱的分辨率较低，它正比于2π/N，N是所使用的数据长度； ⑧由于不可避免的窗函数的影响，使得真正谱P(ω)在窗口主瓣内的功率向边瓣部分“泄漏”，降低了分辨率。较大的边瓣有可能掩盖P(ω)中较弱的成分，或是产生假的峰值。当分析的数据较短时，这些影响更为突出；; ④方差性能不好，不是P(ω)的一致估计，且N增大时谱??线起伏加剧； ⑤周期图的平滑和平均是和窗函数的使用紧紧相关联的。平滑和平均主要是用来改善周期图的方差性能，但往往又减小了分辨率和增大了偏差。没有一个窗函数能使估计的谱在方差、偏差和分辨率各个方面都得到改善。因此，使用窗函数只是改进估计质量的一个技巧问题，而不是根本的解决办法。;;谱估计时的一些实际问题;11.6 功率谱估计的应用 11.6.1 基于功率谱估计的脉搏信号分析仪;诊断举例：把观测病人的每重谱信号在1~50Hz范围内每10Hz分成一段，共分成五段，计算每段谱密度的均值E1、E2、E3、E4、E5并定义：;脑电图谱分析（检查儿童痴呆症并进行治疗） 血流信号的动态谱分析（用超声多谱勒技术探测血管中的血流速度并作谱分析是目前临床广泛应用的技术） 肌电谱分析（康复中心或运动员训练中心，检测运动员训练强度、运动恢复情况、指导调整训练量和竞技状态）