第五章谱估计.pdf

第五章 谱估计 14:56 1 由单个采样函数给出的平稳随机信号的功率谱密度 估计称为谱分析或者谱估计 它研究二阶平稳随机过程特征－功率谱密度－揭示 随机过程中所隐含的周期及相邻的谱峰等有用信息。 用有限长的N个样本数据去估计该平稳随机过程的 功率谱密度－谱估计的方法。 此种估计是建立在时间平均的方法之上，并假定具 有遍历性。在雷达信号处理中，回波信号的功率谱 密度提供运动目标的位置、强度和速度，即功率谱 的峰值的宽度、高度和位置。在电子战中，功率谱 用来为目标分类。 14:56 2 遍历性：随机平稳过程满足： T 1 •1） E [x (t)] lim x (t)dt T  T 0 T 1 •2) E [x (t)x (t )] lim x (t)x (t )dt T  T 0 •和自相关函数 (m)是正定的，即 x • a  (i j )a 0 对所有{a } i x j j i j 14:56 3 经典谱估计－线性、非参数化方法： 周期图法，相关图法等。采用经典的傅里叶变换及窗口截断。 对长序列有良好估计。 现代谱估计－非线性、参数化方法： 最大似然估计，最大熵法，AR模型法（Auto Regressive method），预测滤波器法，ARMA模型（Auto Regressive Move Average）等。对短序列的估计精度高，与经典法相 互补充。是融合经典变换理论、统计估计理论、系统辨识、 信息论、时间序列分析及计算方法等理论与技术－新学科。 应用广泛，发展迅速。 14:56 4 1807--Fourier Transform 1890’s—Schuster   --Periodogram周期图 xN , n 1,2,..N 1 2 () x ej  x ej 2 x ejN  1 2 N N 若 0 处有正弦信号与噪声叠加，在 0 处周期图出现峰值 1930-Wiener-Kinchine定理，广义谐波分析。定义自相关函数与 功率谱，并证明两者互为傅氏变换。 1958-Blackman-Tukey-BT法- 由通信工程观点测量功率谱 观测数据－自相关估计－乘窗函数－傅氏变换--功率谱 1965-Cooley-Tukey—FFT—重提周期图法，广泛使用的经典法