功率谱估计模型法.ppt

特征分解法谱估计 在得到角频率之后，需要计算各个频率分量的功率值Pi，设信号子空间归一化的特征矢量为vi 同乘以特征矢量的转置： 而自相关矩阵Rxx： 特征分解法谱估计 简化得到： ; 特征分解法谱估计 这样谱估计算法过程为： 给定p阶谐波过程， 求其 p+1 ? p+1 自相关阵的最小特征值和特征矢量。 最小特征值对应的特征向量的方程组求根， ，根的幅角为估计的频率 根据线性方程组获得复指数功率 特征分解法谱估计 则估计的功率谱为： 总结 * 应用 —AR模型，—周期图法 应用 数据长度为64，采用分段的周期图法和AR模型 应用 —AR模型，—周期图法 应用 数据长度为64点，取不同阶数 4、20 的AR模型对谱估计的影响。 应用 MA模型估计功率谱密度 与AR模型一样，首先推导MA参数bi与样本数据x n 的正则方程。 首先，MA模型参数为： MA模型估计功率谱密度 输入白噪声信号u n 、MA模型以及输出x n 之间为线性卷积的关系： 与AR模型进行相同的分析，得到： MA模型估计功率谱密度 MA模型只有q个零点，并且注意MA的正则方程，MA模型计算的自相关函数的取值范围为[-q q]，并且类似于MA模型参数bi的自相关函数 这样估计的功率谱密度为： MA模型估计功率谱密度 注意到，根据计算的自相关函数rxx m 得到的功率谱为： 因此从谱估