谱估计.pptVIP

谱估计 组成员：任乐，周学志，陈雷，许正昌， 侯飞飞，叶跃庆，李俊生 内容摘要 基础知识 经典谱分析 周期图 相关图 现代谱分析 ARMA谱分析 最大熵谱分析 目的 谱分析 用有限的N个样本数据来估计平稳 随机过程的功率谱密度 功率谱密度 确定信号的功率谱密度 实际中信号自相关函数的估计 相关图法进行谱估计 周期图法进行谱估计 对信号进行加窗处理，得x(n),再进行离散傅立叶变换，X(w),再求模的平方得功率谱密度。 周期图和相关图的关系 经典谱估计的缺点 频率分辨率低 频谱能量的泄漏 相关图法主观认为未观测数据都等于0，造成频谱能量的泄漏 周期图法假设数据是以N为周期的周期性延拓，把不真实的信息加于随机过程之上，限制了频率分辨率和谱估计的质量指标，对短时间序列误差太大。 一些改进方法 现代谱分析 1967 Burg 最大熵 1968 Parzen 自回归AR ARMA过程 Wold分解定理 任何一个有限方差的平稳ARMA过程可以分为完全随机的部分和确定的部分，对应的功率谱为连续的和离散的冲激信号。 任何ARMA过程可以用无限阶的MA和AR模型来表示 AR模型 AR模型的功率谱密度 AR模型谱估计 Yule-Walker方程 Yule-Walker方程的推导 对 进行求逆z变换 把模型的差分方程代入x(n)的自相关函数 Yule-Walker方程 Yule-Walker方程的求解 采用高斯消元法，解方程组，运算的量级为p的三次方。 用Levinson-Durbin算法，运算量的量级为p的二次方。 Levinson-Durbin算法 Levinson-Durbin算法 最小二乘估计算法 单独的前向或后向线性预测算法 前向与后向线性预测结合起来的算法 预测误差滤波器 确定AR模型的阶 阶太低，功率谱平滑的太厉害，分辨不出真实谱中的两个峰 阶太高，出现许多虚假谱峰 确定AR模型的阶的方法 不断增加阶数，观察预测误差功率，下降到一定的程度 不断增加阶数，观察各阶模型预测误差序列的周期图，最接近平坦时 发现后面的很多AR模型的参数接近于0 FPE(最终预测误差） AIC准则 AIC(i)= 最小 BIC准则 AR模型谱估计 AR模型参数提取方法 YW法（自相关法） 协方差法 Burg法 准则 预测误差滤波器 YW法（自相关法） YW法（自相关函数） YW法（特点） 估计所得自相关矩阵正定 所得预测误差滤波器具有最小相位 由于加窗，参数估计精度下降，尤其对于短数据 协方差法 协方差法（特点） 参数估计精度高 对短序列估计误差大 Burg法 希望利用已知数据外的未知数据但又不随便主观臆测。 设法保证使预测误差滤波器具有最小相位 先估计出反射系数，再利用反射系数估计出AR模型参数（Levinson-Durbin) Burg法准则 Burg法 先确定低阶的AR模型参数，再迭代得到高阶AR模型参数 预测误差滤波器具有最小相位 会出现谱线分裂的情况 谱峰的位置受相位的影响较大 AR模型的稳定性 H(z)全部的极点在单位圆内 自相关矩阵正定 激励信号方差随阶次增加递减 AR谱估计分辨率高的原因 最大熵谱估计 熵 熵 最大熵谱估计 最大熵谱估计的解法 熵谱估计的特点 现代谱估计存在的问题 虚假谱峰 谱线分裂 谱峰频率偏移 附加观测噪声时分辨率下降 虚假谱峰 谱线分裂与频率偏移 噪声对AR模型估计的影响 对于噪声的解决方案 采用ARMA模型 对数据进行滤波 采用高阶AR模型 对噪声进行补偿(PHD谐波分解） 总结 参考书目 现代信号处理讲义 周正 现代信号处理 张贤达 现代数字信号处理 姚天任，孙洪 现代信号处理电子版 Dimitris G.Manolakis Vinay K.Ingle Stephen M.Kogon N为观测数据长度， 为拟合残差方差 使FPE最小 BIC准则 N个样值 x(0),x(1)…x(N) 自相关函数 R(0),R(1)..R(N) AR模型参数和 激励源方差 a(1),a(2)…a(p) 功率谱密度 YW方程 使预测误差功率最小 R为x(n)的p＋1阶自相关矩阵 预测滤波器 Z-1 Xn n Xn 对数据进行加窗处理，假设已知数据外 的数据都等于0 0 0 0 0 x1 x2 ………..xn 0 0 0 0 -(N-1) 0 1 ………..N-1