现代信号处理第四章 高阶谱估计的常规方法.pdfVIP

研究生课程：现代信号处理－高阶统计量分析 课程编号：0211007 （博）0221023 （硕）西安电子科技大学 第四章 高阶谱估计的常规方法 4.1 引言 功率谱估计回顾 谱估计的现代史是从 Tuckey 于 1949 年的突破开始的。Blackman-Tuckey 给出了用 Wiener 相关法从采样数据序列得到功率谱估计的实现方法——BT 法。 1965 年 FFT 的出现产生了周期图法； BT 法与周期图法的致命弱点是频率分辨率的限制。为了克服这一缺点，1967 年 Burg 受到他本人在地震应用研究中线性预测方法的启发，导出了最大熵谱估计法；E. Parzen 于 1968 年正式提出了 AR 谱估计方法；此后十几年来发展了许多高分辨的谱估 计方法，称为现代谱估计方法，而 BT 法与周期图法称为传统谱估计法。 无论哪种方法，每一种谱估计技术都可以认为是一种模型法。具体地说，就是根 据对过程的先验知识建立一个近似实际过程的模型，其次，利用观察数据或自相关函 数来估计假设的模型参数，最后作谱估计。常用的模型有：周期图与 BT （正弦谐波总 和模型）、AR 、MA 、ARMA 、Prony 、最大似然等。各种估计之间的性能变化，就是 由于假设的模型与实际过程拟合的好坏不同引起的。虽然不同模型可以产生类似的结 果，但是有些模型所需要的参量可能相对少一些。因此，从表征过程的角度来看，这 些方法就更为合适。 ˆ 无偏估计： E r r ， 即估计的数学期望等于其真值； lim[ [ ] ] 0 N  ˆ 2 一致估计：lim E[(r r ) ] 0 ，即估计的方差随数据增长而趋于零的估计； N  实际中，遇到的情况是利用有限长度数据估计一过程的高阶累积量谱。一般有两 种主要方法： (1) 常规（Fourier 型）方法 (2) 参数方法：AR 、MA 、ARMA 或 Volterra 模型 本章讨论常规方法以及他们的统计特性和计算复杂性： 常规方法可分成下列三类： (1) 间接法（Indirect ）：是定义（2.24 ）式或(3.45)式的近似； (2) 直接法(Direct) ：是定义（2.27 ）式或(3.47)式的近似 (3) 复解调制法。（Complex demodulation ） 虽然常规法直接且其实现可利用 FFT ，但估计的统计方差和频率分辨率的限制对 其应用能力有严格的限制。 授课教师：姬红兵教授 hbji@xidian.edu.cn 59 更新日期 2010 年 4 月 1 日 研究生课程：现代信号处理－高阶统计量分析 课程编号：0211007 （博）0221023 （硕）西安电子科技大学 4.2 间接法 该方法是先用有限长数据估计高阶统计量，然后用多维窗函数产生高阶谱。因此， 类似于用 Blackman-Tuckey 法估计功率谱。 4.2.1 高阶统计量估计   x(1), x(2), 设x( N)  是给定的数据集，它可表示一个严格平稳随机过程或确定性 序列的实现，则有以下估计方法： 步骤 1. 将数据分 K 段，每段 M 个样点，即 N=K·M 然而，如果数据样本对应一个确定性能量信号，则数据分段是不合适的。同样， 如果过程是确定性周期的，则 M 应等于信号的周期或周期的整数倍； 步骤 2. 每段数据去均值； ( )i   ( 步骤), 3.0x,1假设, k, k 1 M  是每段数据( i1,