5谱估计(概述和经典法)汇编.ppt

谱 估 计 主要内容 引言 经典谱估计 现代谱估计 1 引 言 概述 估计质量的评价 功率谱估计的应用 研究现状 1 引 言 随机信号的功率谱密度(函数)，是其自相关函数的傅氏变换。 X(n)的自相关函数 前提：均值为零 令 则上式可写成 实际上只有将上式求平均，成为 才有意义 功率谱的真实值 1 引 言 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。 其中 或 功率谱的估计值 周期图 1 引 言 估计质量的评价 的偏差(Bias)为零 。所谓偏差(用B表示)定义为 无偏估计 θ：某个随机变量的真值 ：它的估计值 估计1和估计2都属于无偏估计； 估计2较之估计1方差小； 1 引 言 估计质量的评价 最小方差估计 方差 θ：某个随机变量的真值 ：它的估计值 为最小的估计。 1 引 言 估计质量的评价 均方误差 θ：某个随机变量的真值 ：它的估计值 不难证明： 当N趋向于无穷大时，谱估计趋向于真实的谱密度。 1 引 言 估计质量的评价 一致估计： 正确的估计应该满足一致估计的条件，此为正确估计的必要条件 反之，若估计方法不满足一致估计的条件，则它一定是不正确的 1 引 言 功率谱估计的应用 在信号处理的许多场所，要求预先知道信号的功率谱密度(或自相关函数)。 常常利用功率谱估计来得到线性系统的参数估计。 从宽带噪声中检测窄带信号。 功率谱估计的应用 谱估计的分辨率可以粗略地定义为能够分辨出的二个分立的谱分量间的最小频率间隙(距)。 例如：有一个随机信号，它包括二个频率相差1Hz振幅相等的正弦波以及加性白噪声(白色噪声的方差是正弦波功率的10％)。 用三种不同的谱估计方法检测这二个正弦分量的效果。 (a) 经典BT PSD法 (b) 最大熵谱估计法 (c) Pisavcnko 谐波分解法 1 引 言 研究现状 功率谱估计的方法：教材P489 图10.7.1 1 引 言 研究现状 经典谱估计： 间接法(BT PSD估计法 ) 先通过式 对自相关函数进行估计，然后再通过式 作傅氏变换得功率谱估计值。 以傅立叶变换为基础 已知数据?取样自相关函数?功率谱 1 引 言 研究现状 经典谱估计： 直接法(周期图法 ) 将观察到的有限个样本数据利用FFT算法作傅氏变换，直接按式 进行功率谱估计(不通过自相关函数的估计) 将已知数据序列的傅立叶变换的模的平方除以序列长度作为功率谱的估计 1 引 言 研究现状 经典谱估计： 固有缺陷：原因：“加窗效应” 频率分辨率低 原因：加窗截取，认为窗以外的数据为零。 频谱能量向旁瓣泄漏 原因：加窗截取，频域产生旁瓣和主瓣宽度不是无限窄的现象。 周期图的缺陷：非一致估计 当数据量增至无限多时，周期图的方差并不趋近于零，而是趋近于常数。 “加窗效应” 矩形序列 其傅立叶变换为 幅度谱 “加窗效应” 各种窗函数的频谱 现代谱估计： 1 引 言 研究现状 1967 Burg 最大熵 1968 Parzen 自回归AR 用参数模型来模拟信号 实际遇到的随机过程x(n)可以用ARMA模型来逼近 目前常用的求自回归模型系数的算法有三种： ①Levinson递推算法； ②Burg递推算法； ③正反向线性预测最小二乘算法。 以随机过程的参数模型为基础 2 经典谱估计 自相关函数的估计 周期图作为功率谱的估计 平滑后的周期图作为PSD的估计 2.1 自相关函数的估计 设观察到N个样本序列的值 {x(n)} : x(0),x(1)…x(N-1) ，现要由此N个数据来估计自相关函数： 当 时，属于无偏估计。 估计质量 2.1 自相关函数的估计 偏倚 自相关函数的真值 2.1 自相关函数的估计 估计质量 可推出： 方差 2.1 自相关函数的估计 估计质量 当 时 满足一致估计的条件 方差 2.1 自相关函数的估计 当 时不能得到有用的估计。此时按下式估计 同时 均值等于真值用三角窗函数加权 2.1 自相关函数的估计 的偏差和方差为 但 时 为一致估计 有偏 非零 同时可以证明 2.1 自相关函数的估计 今后我们还是用 作为自相关函数的估计，并仍用 表示 通过将自相关函