高阶谱与在信号处理中应用.docVIP

高阶谱与在信号处理中应用 第15卷第 1993年 1期 3月 铁道学报 J()IJR写入IJ()FTI万F(‘壬雀INARAll_WAYS(X一IFTYVol.15N0.1Mareh1993 高阶谱及其在信号处理中的应用‘ 黄绣坤 f北方交通大学北京 近年来,高阶谱估计技术取得了新的进展,受到从事数字信号处理、系统辨识以及自动控 制等领域的科技工作者的极大重视,并在一些领域中得到应用。文中对高阶谱研究的发展历史 做简单的回顾,并对高阶谱特性及其在信号处理中的若干应用进行了叙述。 引言 功率谱分析和功率谱估计是数字信号处理中描述随机过程,或离散的确定性过程特征的 一种很有用的方法。谱分析的历史可追溯到占代由于电子计算机的迅速发展,从60年代中 期以后,现代谱沽汁〔功率谱估计)技术发展迅速,新的谱估计方法不断出现:如Burg最大嫡谱 估计、最小交又墒谱估计、自回归滑动平均模型法,即ARMA谱估计、CaPon的最小方差法、 Pisarenk(〕谱分解法、Prony复极点模型法以及洲年代发展起来的多信号分类(MUSIC)法、奇 异值分解(SVD)等方法以后又扩展到多维、多道和阵列信号处理,为先进的数字通信、雷达、 声纳、生物医学工程、地球物理、语言和图像系统的发展奠定了基础。但功率谱基本包含了二阶 统计量(自相关函数)的信息,不能检测相位信息。现代谱估计技术主要描述高斯过程。对于高 斯过程只要用均值和_l阶相关矩就可描述它的概率结构,所以用功率谱密度足以分析其频域 特性,但是很多实际过程,如海洋波、地震信一号、有些生物电信号、语音信号的非摩擦音以及社 会经济等领域中的一些时间序列.均呈现非高斯分布,或不是严格的高斯过程,在功率谱估计 中将这类信号都近似为高斯过程处理,其结果和真实情况有较大差别,也不能得到所有信息, 巨功率谱估计一般处理的是线性和最小相位过程·而实际中的过程并不总是线性和最小相位 的。_上述问题可用高阶统计量及其付里叶变换高阶谱来解决 高阶谱是高阶(指大于二阶)累积里的讨里叶变换。对于高阶谱的研究已有三十年历史。60 年代和70年代初主要是统汁学家在高阶谱方面做了不少理论研究,而在海洋学,地球物理,生 物医学等方面也有所应用.尤其是利用双谱(丁一阶潜)检测和描述过程的特征。由于高阶谱计算 量较大,结构较复杂.且物理意义不很明显,所以当时发展不很迅速口随着高速器件和高速计算 机及信号处理技术的不断发展,近五年来,高阶谱估计的理论和算法以及其应用的研究得到许 多从事信号处理的学者和科技人员的重视,有了很大发展。又由于高阶谱能检测功率谱所不能 检测到的一些信息·J巨高阶谱沾汁不需已知过程的分布性质,因此,高阶谱估计技术有着广阔 的发展和应用前景 本文主要介绍高阶累积量和高阶谱的定义及高阶谱的4些特性.讨论双谱的一些性质以 仁文Jll”l年5月加「J收到价绣坤教代花交边气学信密科‘赞讲究所邮码1·助锐 ,国家自然科份基金资助项「{铁道学报第15卷 及高阶谱在信号处理中的几种应用。对于高阶谱估计方法可参阅参考文献「1]、「8]。 2高阶累积t和高阶谱 2.1高阶矩和累积量 由概率论关于随机变量的数字特征的定义,随机变量x的k阶原点矩为 沉,一“〔X走〕一{一_X走,(了)d艾(1) 随机变量的特征函数为 ,(田)一:〔砂一:一{一_,(工)e,一d工(2) 式(1)和式(2)中P(二)是随机变量x的概率密度函数。 由式(1)和式(2)可得到随机变量x的k阶原点矩和特征函数的关系为 m*一(一、)左 镖{ 、一 e,一、一,)走丝二餐杀丝{。一。 (3) (4) C。称为随机变量x的k阶累积量。 由式(1)和式(4)可导出随机变量 Cl~m, CZ一mZ一ml“ x的累积量和原点矩的关系为 C3~m3一3m,mZ+Zm,3 C4~m;一4mlm3一3从22+12ml“mZ一6m,‘ CS一ms一7从;m,一IOm3mZ+20跳3哪1“ +3omZ“ml一6omZ从13+24m,5 (5) 、||.||t之l卫.|es|! 当工为零均值的随机变量,即ml一:{二}一丁二_X,(￡)d二一。日寸,由式(5)可知,其一、二、 三阶累积量和其一、二、三阶原点矩相等,但高于三阶的累积量和相应阶的原点矩不等。 对于n个随机变量x,,x:,…,x,,其k阶联合累积量为 C*,,*:,·…*。一(一j)‘护In抓。1,。:,…,叭)彻l香一彻2汤2,…,如。庵·(6)气~气,”‘一气一。 式中k一k,十kZ+…+k。,尹(。,,。2,一。,)一E仁e,“,‘、+“:‘:+’~+“一,]是n个随机变量的联合特征 函数。 n个随机变量的联合k阶矩为 m*,.*2.…,*。一E[x,“,xZ‘2,…,x,‘·〕~(一,)‘护抓。,,。:,…,叭)知1‘