第4章—功率谱估计现代方法.pptVIP

4.7格型滤波器 4.8AR模型参数提取方法 4.9AR谱估计的异常现象及其补救措施 4.10MA和ARMA模型谱估计 4.11白噪声中正弦波频率估计 再求得频率的最大似然估计，最后求得正弦波其余参数的最大似然估计。 如果各正弦波的频率用周期图能进行分辨，则： 复白噪声中多个复正弦信号的频率最大似然估计 =对应于周期图中最大值所在的频率 3.特征分解频率估计 在低信噪比情况下，即使采用修正协方差法，AR谱估计的频率分辨率也是不高的，因而它不能用于频率估计，这时常采用特征分解技术。 特征分解技术的主要思想：把自相关矩阵中的信息空间分成两个子空间，即信号子空间和噪声子空间；这两个子空间中的矢量的函数在正弦波频率上有尖锐的峰，据此即可估计正弦波的频率。 5.噪声子空间频率估计 信号矢量 与噪声子空间中的所有矢量（包括任何线性组合）是正交的。即： 这一性质奠定噪声子空间频率估计的基础。 噪声子空间频率估计的两种主要方法： Pisarenko法 MUSIC法 (1)Pisarenko谐波分解 Pisarenko谐波分解(PHD)方法是一种以谐波信号为特定对象的谱估计方法，它将谐波频率的估计转化为信号相关矩阵的特征值分解。是应用特征分析进行功率谱估计与谐波恢复的最早方法之一。 另一方面，谱与自相关序