谱估计1.docxVIP

谱估计1 毕敬腾 29720139110地方研究生一队 问题背景 有两个ARMA过程，其中信号1是宽带信号，信号2是窄带信号，分别用AR谱估计算法、ARMA谱估计算法和周期图算法估计其功率谱。 产生信号1的系统函数为 激励白噪声的方差为1。 产生信号2的系统函数为 激励白噪声的方差为1。每次实验使用的数据长度为256。 实验任务 对信号1，分别使用AR(4)，AR(8)，ARMA(4,4)和ARMA(8,8)模型进行谱估计，对AR方法采用自协方差算法，对ARMA算法采用改进的Yule-Walker方程算法，也用周期图法作谱估计。做20次独立实验，将20次实验结果画在一张图上，观察谱估计的随机分布性质，另将20次的平均值和真实谱画在一张图上进行比较。 对信号2，分别使用AR(4)，AR(8)，AR(12)，AR(16)，ARMA(4,2)，ARMA(8,4)和ARMA(12,6)模型进行谱估计，对AR方法采用自协方差算法，对ARMA算法采用改进的Yule-Walker方程算法，也用周期图法作谱估计。做20次独立实验，将20次实验结果画在一张图上，观察谱估计的随机分布性质，另将20次的平均值和真实谱画在一张图上进行比较。 对各种算法的性能进行比较分析。 实验原理 周期图法 设x(n)为零均值平稳随机序列。定义N点序列 及其付氏变换 x(n)的功率谱密度 2. 基于AR模型谱估计法 已知随机序列x(n)符合AR(p)模型，即： 其中p为未知整数。现有x(0) x(1)… x(N-1)共N个样本，要估计x(n)的功率谱密度。 当阶数p已知时，利用x(n)的自相关函数与AR模型参数的关系，可建立Y-W方程 得到AR模型的Yule-Walker方程组如下： 令： 得： 根据Levinson-Durbin递推法解Yule-Walker方程。 矩阵R的秩为p，因此Y-W方程有唯一解。即AR模型的参数可由p个Yule-Walker方程唯一确定。 则功率谱估计： 实验结果 分别对信号1与信号2利用matlab进行谱分析，其中，激励白噪声的方差为1，均值为0，每次实验使用的数据长度为256。 对信号1，分别使用AR(4)，AR(8)，ARMA(4,4)和ARMA(8,8)模型进行谱估计。 （1）用周期图法进行20次谱估计，实验中数据长度为256. 图（1）信号1 20次期图法谱估计 对信号1的20次周期图法谱估计，取平均值并与真实谱进行比较。 图（2）信号1 周期图法平均谱估计与实际谱 对信号1用AR模型法进行谱估计，实验中将数据长度为256。下图为阶数P=4时，进行20次AR（4）谱估计所得结果。 图（3）信号1 20次AR（4）模型谱估计 对信号1的20次AR（4）模型谱估计，取平均值并与真实谱进行比较。 图（4）信号1 AR（4）模型平均谱估计与实际谱 （3）下图为P=8时，进行20次AR（8）模型谱估计，并取平均值并与真实谱进行比较。 图（5）信号1 20次AR（8）模型谱估计 图（6）信号1 AR（8）模型平均谱估计与实际谱 （4）下图为P=4，Q=4时，进行20次ARMA（4,4）模型谱估计，并取平均值并与真实谱进行比较。 图（7）信号1 20次ARMA（4,4）模型谱估计 图（8）信号1 20次 ARMA（4,4）模型平均谱估计与实际谱 （5）下图为P=8，Q=8时，进行20次ARMA（8,8）模型谱估计，并取平均值并与真实谱进行比较。 图（9）信号1 20次ARMA（8,8）模型谱估计 图（10）信号1 20次 ARMA（8,8）模型平均谱估计与实际谱 信号1分别使用AR(4)，AR(8)，ARMA(4,4)和ARMA(8,8)模型进行谱估计的方差。 图（11）信号1 分别使用AR(4)、AR(8)、ARMA(4,4)、ARMA(8,8)谱估计方差 对信号2，分别使用AR(4)，AR(8)，AR(12)，AR(16)，ARMA(4,2)，ARMA(8,4)和ARMA(12,6)模型进行谱估计。 用周期图法进行20次谱估计，实验中数据长度为256。 图（12）信号2 20次期图法谱估计 对信号2的20次周期图法谱估计，取平均值并与真实谱进行比较。 图（13）信号2 周期图法平均谱估计与实际谱 （2）对信号2用AR模型法进行谱估计，实验中将数据长度为256。下图为阶数P=4时，进行20次AR（4）谱估计所得结果。 图（14）信号2 20次AR（4）模型谱估计 对信号2的20次AR（4）模型谱估计，取平均值并与真实谱进行比较。 图（15）信号2 AR（4）模型平均谱估计与实际谱 （3）下图为P=8时，进行20次AR（8）模型谱估计，并取平均值并与真实谱进行比较。 图（16）信号2 20次AR