DSP 第五章.ppt

第五章 离散随机信号的处理 * 林剑辉 主要内容 随机信号与随机过程 随机信号的频谱 线性系统对随机信号的响应 FIR最佳滤波与线性预测 离散随机信号的功率谱估计  其预测误差为 根据最小均方差准则，应使预测误差满足 尤拉-沃克方程 由此(尤拉-沃克)方程可得最小p阶预测均方误差为 根据上两式，可以求取最佳预测系数apk。 将尤拉-沃克方程写成矩阵形式 如果将预测结果看成是系统的输出，则该系统可称为预测滤波器：其输出为前若干次输入的线性组合。 x(n) e(n) + - 预测滤波器 预测偏差滤波器 例 试综合p=2，即2阶最佳线性预测器，被观测信号x(n)是一平稳随机过程，其自相关序列为 。 解：求自相关序列 代入尤拉-沃克方程 解得 5.5 离散随机信号的功率谱估计 为什么要做功率谱估计？ 对一个随机信号而言，从信号自身很难看出它的规律性。但如果能将其转换到频域，则可以非常清楚地看到信号的频率分布特性。由于随机信号属于非能量信号，人们不得不从另外的角度去寻找答案——平均能量(功率)。 由功率谱密度定义 可以看出： 功率谱是一个频率函数——是随机信号频域特性的数学期望的极限，反应了随机信号能量的分布。这一特点在实践中具有重大意义。 但是，要求取数学期望的极限是一件非常困难的事情。能否通过简单的方法，得到尽可能准确的功率谱就是功率谱估计问题。 功率谱密度的定义： 取决于所有样本的平均。 各个样本的持续时间是无穷大的。 各个样本的傅立叶变换应存在。 谱估计问题的条件： 只有一个采样样本。 该采样样本的持续时间又是很有限的。 谱估计问题是非常困难的 可利用的随机时间序列的信息非常少。 由于谱估计问题的条件过于简单，因此不存在最好的谱估计方法，同时估计方法的好坏也与具体的问题有关。 功率谱估计的应用 谱估计方法 经典谱估计方法 现代谱估计方法 相关图方法 估计自相关函数后求出功率谱密度 周期图方法 根据功率谱密度的定义 AR模型法 MA模型法 ARMA模型法 特殊问题 白噪声中正弦波频率的估计 不同的物质对相同信号的吸收与反射是不同的。利用这一特点可以实现地震法探矿或探测地质构造、雷达及声纳对目标(飞机、潜艇、鱼群……)的探测； 物质内部的结构不同，其自振频率也不同。利用这一特点可以对大型机械设备(大型机组)进行不拆卸检查、快速确定故障位置、设备的安全性设计(避免共振造成的破坏)、舒适性(汽车的避震器)设计； 不同的物质在发生破损时，会发出不同频率的声波。利用这一特点可以进行检测设备的损坏情况(用声发射技术对大型容器腐蚀的监视)。…… 能量有限信号 0 |f(t)|2 t ω 0 |F(ω)|2 两块阴影 的面积相等 能量密度谱 能量谱——帕斯瓦尔定理 功率有限信号f(t) 平均功率P 定义为功率谱 pxx(ω) Paseval 定理 f(t) t 0 fT(t) T -T t 0 平均功率 平均总功率 面积 功率密度函数 包络线 功率谱 0 谱密度 功率谱密度 功率谱 在各种书中指的是一回事。 功率谱密度与信号的频谱之间的不同 通过信号的功率谱密度描述信号的频率结构，表示的是信号在各个频率上的能量的分布即大小(单位频率的能量)； 通过信号的频谱描述信号的频率结构，表示的是信号在各个频率上的频率成分的多少。 根据维纳－辛欣定理：功率谱密度和相关函数是一对傅立叶变换 对平稳各态历经离散系统而言，功率谱的估计值应为 数字特征 一、估计质量的评定 由于序列长度N的有限性，随机序列数字特征的估计值和实际的真值不完全一样，存在着一定的偏差，且这个偏差也是一个随机变量，通过对偏差随机变量数字特征的分析来评估信号序列数字特征的估计值的质量。 1、估计的偏差 定义 若估计偏差(上式)等于0，则称 是 的无偏估计。 若估计偏差(上式)不等于0，则称 是 的有偏估计。 若当取样长度 时，估计偏差(上式) 等于0，则称 是 的渐进无偏估计。 ＝0 估计方差表示估计值 相对于估计值均值的分散程度。方差越小，分散程度就越小。 2、估计的方差 定义 3、一致估计 仅仅使用偏差和方差来评价估计质量，存在着不全面的缺点。为此定义一新的估计量——均方误差。 只有当偏差和方差都比较小时，均方误差才比较小。 当式 成立，称 是 的一致估计。 二、经典功率谱估计方法 1、相关图法 基本思路 由于x(n)只有N个观察值，因此对每一个固定的延迟m而言，只有N-1-|m|个数据可用。所以