第四章 功率譜估计.pptVIP

第四章 功率谱估计 谱估计的基本任务是根据有限个观测数据，估计平稳随机过程的功率谱密度。 谱：频谱，功率谱 对于我们所研究的信号，随机平稳信号，功率谱 4.1 引言 时钟, 日历: 经验谱 棱镜分解一束光:光谱 每一种谱估计的技术都可以认为是一种模型法，具体地说，就是根据过程的先验知识，建立一个近似实际过程的模型；其次利用观测数据或自相关函数来估计函数的模型参数，最后做谱估计。 维纳——辛钦定理 功率谱的另一种定义 当信号具有遍历性时 辞海—谱 (1)按照事务的类别或系统编成的表册，年谱 (2)供示范或寻检用的图书、样本，如棋谱、画谱、脸谱 (3)曲线：乐谱 (4)按歌词作曲，曲谱 (5)大致的依据、打算：心里有谱,做事没谱 (6)左右、大约：三十元之谱 复杂振动用谱线表示时，代表各振动的频率和振幅的一系列直线，谱线数反映了该复杂振动所包含的谐振动的个数，各谱线的长短。 谱线 考虑到 是观测数据， 是随机变量，取统计平均 二、谱估计方法的概述 频率分辩率低，这是由于有限个观测数据加窗截断的影响。 主瓣：功率谱向附近频域扩展，谱模糊，频率分辩率低。 旁瓣：谱间干扰，强信号的旁瓣影响弱信号的检测，淹没弱信号；或者把旁瓣误以为信号。 经典谱估计的缺点 估计质量比经典谱估计质量有很大提高，需要针对不同的信号，选择合适的模型，但目前尚未有任何理论来指导模型的选择。一般来说，AR模型适合有谱峰的信号，MA模型适合有波谷的信号。 现代谱估计 4.2 经典谱估计 一、BT法 1958年，Blackman和Tukey提出，在1965年FFT算法出现之前，BT法一直是最常用的方法。 理论基础：维纳——辛钦定理 自相关函数的估计 功率谱的估计 根据前面的分析已经知道，有偏自相关函数的估计优于无偏自相关函数的估 计 实际上，根据有限个观测数据来估计自相关函数的，假设信号为 ，进入自相关函数估计的为 ， 估计得到得自相关函数 ，则 是由于截断数据而产生的，为了减少截断的影响，通常要增加一个窗函数进行平滑处理。 设平滑窗为 . 功率谱 设 的持续时间为 ，需要注意的是，考虑到功率的非负性，在选择窗函数的时候，一定要保证功率谱是一个非负值。 误差分析 可以看出，方差小 M小 偏移小 M大主瓣窄，频率分辩率高 通常Ｍ取数据长度的 ．i.e. 二．周期图法 忽略求统计平均运算 1.原理： 用DFT计算功率谱 2.与BT法的关系 周期图的谱估计与有偏自相关函数的估计等价 序列后面加零，FFT谱线变密，频率分辨率并没有提高。 3. 周期图谱估计的性能分析 (1) 均值 其中， BT法谱估计 由(1)式可知 因此，周期图是有偏估计 当 时， ，其频谱趋近于 函数，周期图的估计属于渐近无偏估计 （2）方差 假设x(n)是实的、零均值、正态白噪声信号，方差为 ，则功率谱为常数 。 令 N为数据长度 这里假设信号是实的白噪声信号，周期图估计是无偏估计。 要计算周期图的均方值，先计算 当N→∞时 周期图是非一致估计 上面的推导是以 为依据进行推导的，其定性结果在一个相当宽的范围内立。 若 ， k，l均为整数，则 当 且k+l不是N的整数倍时, 以 的整数倍为频率间距的周期图是不相关的 协方差为零的功率谱样本之间的间距↓，周期图的起伏增快。 BT法和周期图法的主要优点 计算量小 功率谱估计值正比于正弦波的功率 是一种良好的实用模型 主要缺点: 弱信号被强信号的旁瓣淹没 频率分辩率约为数据长度的倒数，且与数据的特征或信噪比无关 出现旁瓣，使谱失真 需采用某种平滑或平均措施以改善谱估计的统计特性 某些加窗的相关函数会使功率谱估计值出现负值 经典谱估计不可能获得良好的谱估计 m↑，参与求和项数↓，平均效果↓，m=N-1，只有一项。→滞后量以较大的是不可靠的，估计方差大。 经典谱估计不可能获得良好的谱估计 周期图法用到了m=0~N-1的全部相关函数的估计值