ch11_1经典功率谱估计选读.ppt

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
离散随机序列的特征描述 平稳随机序列通过LTI系统 经典功率谱估计 现代功率谱估计 经典功率谱估计 谱估计的质量 相关法(间接法) 周期图法(直接法) 周期图法的改进 谱估计的质量 1.估计量的偏差 相关法(间接法)进行功率谱估计 相关法(间接法)进行功率谱估计 [例]已知平稳各态遍历的实随机序列X[k]的单一样本的N个观测值为x[k]={1, 0,-1},试计算该随机序列的自相关函数估计。 利用MATLAB计算自相关函数的估计 利用DFT计算自相关函数的估计 例:自相关函数估计的计算 相关法(间接法)进行功率谱估计 例:相关法计算功率谱估计 相关法(间接法)进行功率谱估计 周期图法功率谱估计的步骤 例: 周期图法计算功率谱估计 例:利用周期图法估计零均值方差为1平稳高斯白噪声的功率谱。取序列的长度分别为N=64,128,256,512。并分析谱估计质量。 平稳高斯白噪声功率谱估计结果(周期图法) 周期图法的改进 问题的提出 平滑周期图(Blackman-Tukey法) 平均周期图法(Bartlett法) 重叠平均周期图法(Welch法) 1. 问题的提出 Welch-Bartlett平均周期图法的MATLAB实现 * 功率谱估计 2.估计量的方差 1. 相关法的理论基础 维纳—辛钦定理 估计的方法: (1) 由随机序列一个样本的N个观测值计算自相关函数的估计 (2) 对 进行DTFT即得该随机序列的功率谱估计 2. 自相关函数的估计 X[k]是宽平稳各态遍历随机信号,x[k]是其一个样本   已知x[k]的N个观测值x[0],x[1],?,x[N-1], 则自相关函数的估计为 的计算过程 解: [R,n]=xcorr(x,biased) [例]已知平稳各态遍历的实随机序列X[k]的单一样本的N个观测值为x[k]={1, 0,-1},试计算该随机序列的自相关函数估计。 解: format rat x=[1 0 -1]; [Rx,n]=xcorr(x,biased) Rx = -1/3 0 2/3 0 -1/3 n = -2 -1 0 1 2 1) 对x[k]补零形成L点序列 2) 3) 已知平稳各态遍历的实随机序列X[k]的单一样本的N个观测值为x[k]={1, 0,-1},试计算该随机序列的自相关函数估计。 x=[1 0 -1]; X=fft(x,8); Rx1=ifft(abs(X).^2)/3; Rx=fftshift(Rx1); Rx1 = 0.6667 0 -0.3333 0 0 0 -0.3333 0 Rx = 0.0000 0 -0.3333 0 0.6667 0 -0.3333 0 3. 相关法进行功率谱估计 已知实平稳随机序列X[k]单一样本的N个观测值为x[k]={1, 0,-1},试利用相关法估计其功率谱。 解:X[k]的自相关函数估计值为 对 进行傅里叶变换得X[k]的功率谱估计 4. 相关法功率谱估计的质量 功率谱估计的质量与自相关函数估计的质量密切相关 N??,偏差、方差趋于零,是一致估计。 N 固定时,n? N,偏差较大 周期图法(直接法)进行功率谱估计 1. 周期图法功率谱估计的计算 方法基础: 由维纳—辛钦定理 已知 称周期图 用IN(W)表示 其中 已知实平稳随机序列X[k]单一样本的N个观测值为x[k]={1, 0,-1},试利用周期图法估计其功率谱。 解: 对x[k]进行离散时间傅里叶变换(DTFT) 功率谱估计为: 周期图法(直接法)进行功率谱估计 2. 周期图法功率谱估计的质量 均值 N??,E{IN(W)}= Px(W),渐进无偏估计 方差 N增加, 方差不减小,不是一致估计 利用MATLAB计算周期图 x:进行功率谱估计的输入有限长序列; NFFT:DFT的点数; Fs :绘制功率谱曲线的抽样频率,默认值为1; Pxx:功率谱估计值; F:Pxx值所对应的频率点 [Pxx,F] = periodogram(x,[],NFFT,Fs) N=512;Nfft=2048; randn(state,0); x=randn(1,N); [P,F]=periodogram(x,[],Nfft,2) ; plot(F

文档评论(0)

502992 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档