第七章 功率谱估计(2009I).ppt

相关函数估计的应用 噪声中正弦信号的检测 lxcorr.m 7.4 经典谱估计的基本方法 其中： Periodogram 记： 用FFT实现： 中国石油大学（北京）电子信息工程系 N=512;n=0:N-1;Fs=1000; %periodogram.m x1=sin(2*pi*40/Fs*n) +sin(2*pi*100/Fs*n)+randn(1,N); Pxx1=abs(fft(x1,N)).^2/N; log_Pxx1=10*log10(Pxx1); n1=0:N/4-1;f=n1*Fs/N; subplot(211),plot(n,x1); subplot(212),plot(f,log_Pxx1(1:N/4)); 中国石油大学（北京）电子信息工程系 例 2 中国石油大学（北京）电子信息工程系 起伏波动较大，并不随N增大而衰减 中国石油大学（北京）电子信息工程系 起伏波动不随N的增大而减小 7.4.3 经典谱估计的质量 1. 偏差 关键是求出 估计值的均值 中国石油大学（北京）电子信息工程系 主瓣宽度 渐近无偏 中国石油大学（北京）电子信息工程系 能分辨出两个分立的 线间的最小频率间隔 （估计谱＝理想谱* 三角窗谱） 石油大学（北京）电子信息工程系 分辨率： 产生两个问题： （1）主瓣宽度 ，功率在主瓣内扩散，分辨率降低 （2）存在旁瓣，功率“泄漏”，产生假峰，淹没弱信号。 如何改善？选择好的窗 （1）主瓣窄； （2）旁瓣小 中国石油大学（北京）电子信息工程系 改进 2. 方差 假定是高斯零均值过程 经典功率谱估计不是一致估计 中国石油大学（北京）电子信息工程系 7.4.4 经典谱估计的改进 任务：改进周期图的估计的性能 目标：主要是改进方差的性能 方法：平滑与平均 1.平滑（Smoothing) 中国石油大学（北京）电子信息工程系 用 对 的加窗来实现 窗函数 中国石油大学（北京）电子信息工程系 中国石油大学（北京）电子信息工程系 * 中国石油大学（北京）电子信息工程系 第七章 平稳随机信号的 自相关和功率谱估计 7.1 概述 7.2 估计准则 7.3 均值与自相关的估计 7.4 经典谱估计 7.1 为什么要估计自相关和功率谱？ 随机信号 的自相关函数 较完整地表征随机信号的统计特征，而随机信号的功率谱正是其傅里叶变换， 因此，功率谱也是随机信号的一种最重要的特征量。 通过观测到的随机信号的有限个样本，来估计出它的自相关和功率谱。 石油大学（北京）电子信息工程系 自相关检测噪声中的正弦信号 互相关检测两个信号的时延信号 功率谱估计的应用 宽带噪声中检测窄带信号 正弦信号 白噪声 石油大学（北京）电子信息工程系 求未知系统的频率响应或系统函数 石油大学（北京）电子信息工程系 石油大学（北京）电子信息工程系 7.2 估计准则 几个概念： 1. 估值的偏移(bias) 设 为真值， 为估计值，则偏移B为 当 ，即 ，称为无偏估计 ，称为渐近无偏估计 当 石油大学（北京）电子信息工程系 2. 估值的方差 （Variance of an estimator) 3. 估值的均方误差 （mean square error) 一致估计（正确估计的必要条件） 方差小 比 石油大学（北京）电子信息工程系 7.3 均值和自相关的估计 设样本数据： 均值的估计值： 估计的评价： 1．偏移 对于各态遍历过程，可以用时间平均 7.3.1 均值的估计 石油大学（北京）电子信息工程系 2．方差与均方误差 （1）设数据内部不相关 个 个 石油大学（北京）电子信息工程系 ，一致估计 石油大学（北京）电子信息工程系 （2）设数据内部相关 石油大学（北京）电子信息工程系 因此， 令 在N点数据中相距 对 点的样本有 一致估计 石油大学（北京）电子信息工程系 7.3.2 自相关的估计 自相关函数的定义： 对于各态遍历过程，可以用时间相关来代替 在实际中，只能观测到有限个样本数据： 用N个数据求自相关函数的估值 石油大学（北京）电子信息工程系 对于 和 , 的值未测得， 对于 ，当 时的值也未知，因此，上式变为， 式中， 是因为 石油大学（北京）电子信息工程系 评价： 1.bias ，unbiased 石油大学（北京）电子信息工程系 2. Variance 改进： 不满足一致估计。 (1) 当 ， 时, (2) 当 一定， 时, 石油大学（北京）电子信息工程系 评价： 1.bias 石油大学（北京）电子信息工程系 渐近无偏 2. V