23_特征分解和正弦频率估计.pptVIP

§4.6 白噪声中的正弦波频率估计; （2）子空间法(多信号分类法——MUSIC方法) 主要思路是: 把数据自相关阵中的信息空间分解成信号子空间和噪声子 空间, 这两个子空间中的矢量函数(并不是功率谱)在正弦波频率上呈现尖 峰(最大值), 据此即可估计正弦波的频率. 这种带白噪声的正弦波频率估计, 也是评价谱分析的性能的基础.;4.6.1用退化的AR模型表示纯正弦波过程;取上式的Z变换, 得 式中 称为特征多项式 (4.6.3) 当 时, 可解得两个根: 其特点是: 与 共轭成对; , 均在单位园上. 由以上两个根可确定正弦波的频率为 , (只取正频率) 式(4.6.2)可看作为一个特殊的二阶AR过程, 称为“退化的”二阶AR模型, 其特征如下: ; 模型的激励白噪声方差趋于0; 退化的AR(2)模型 极点趋于单位园 ; 两个系数分别为 和1. 现将以上处理扩展到由 个实正弦波组成的随机过程: (4.6.4) 式中, 和 ——第 个正弦波的振幅和角频率; ——初相位, 是在区间 内均匀分布的独立随机变量, 它在 一次实现中为常量. 与单个正弦信号类似, 存在下列特征多项式: (4.6.5) 显见, 应是 的 阶多项式 , (4.6.6); 考虑到根的共轭成对性, 式(4.6.5)与(4.6.6)的等价性可用下式表示: (4.6.7) 这样, 由式(4.6.6), 可用下列 阶差分方程描述 个实正弦波组合的模型: (4.6.8) 注意: 个实正弦波组合是退化的 过程, 独立参量为 个. 2. 复正弦波过程 若 是由 个复正弦波组成的正弦波过程, 即 (4.6.9) 用一个退化的AR(p)模型表示该过程的差分方程为 (4.6.10);其特征多项式为 , (4.6.11) 其根为 , (4.6.12) 注意: 这里的根不是共轭成对的. 因此, 个复正弦波组合是退化的 过程, 独立参量也是 个.;4.6.2用特殊的ARMA模型表示白噪声中的正弦波过程; 与一般的 模型 比较, 主要有下列不同: （1）式(4.6.15)的AR部分与MA部分具有相同的阶数和相同的参数, 它们存在共同的因子(这正是该模型的特殊之处); （2）由于特征多项式(4.6.7)式的根的模为1, 故AR部分特征多项式不 满足平稳性条件, MA部分特征多项式也不满足可逆性条件. （3）AR部分的 , 可见 是含白噪声的观测值, 而 作为信号的 却不含白噪声.;4.6.3 特征分解法谱估计;式中 将以上关系式代入式(4.6.16), 得到下列特征方程 (4.6.18) 其中, 是数据 的自相关函数; 是 的特征值; 是对应的 特征矢量. 可以证明: （1） 是 的最小特征值; （2）当 的维数是 时, 是 的单量特征值, 因此与 对应的特征矢量是唯一的.; 正弦波的频率: 当