平稳随机信号功率谱估计.docVIP

第九讲 （平稳）随机信号功率谱估计 9.1 功率谱估计概述 9.1.1 功率谱定义 定义1： 定义2： 9.1.2 功率谱估计的应用 前面讲过的发动机爆振检测、语音建模。 9.1.3 功率谱估计的研究历史 1）测定潮汐、太阳黑子等的发生周期。 周期图：计算傅里叶系数的平方 2）用线性回归方程模拟一个时间序列，发现隐含在时间序列中的周期。 3）Wiener精确定义了一个随机过程的自相关函数及功率谱密度。 4）经典谱估计的自相关法称为BT法（Blackman-Turkey法）。 5）线性预测的理论框架。 9.1.4 功率谱估计方法的大致分类 9.2 自相关函数的估计 9.2.1 自相关函数的直接估计 （1） 对于广义平稳且各态遍历的随机信号： 定义： 估计： （2）估计性能分析 估计偏差 当对信号作矩形窗口，有此数据窗口就产生了加在自相关函数上的三角窗口。 9.2.2 自相关函数的FFT快速计算 因为 所以 9.3 功率谱估计经典基本方法 9.3.1 直接法 周期图法：基于随机信号的N点观察数据，作的傅里叶变换，以，作为功率谱。 9.3.2 间接法 先由估计出自相关函数，然后对求傅里叶变换。 作为对的估计。 9.3.3直接法与间接法估计质量的理论分析 9.4 参数模型功率谱估计 9.4.1 平稳随机信号的参数模型 参数模型法。 由白噪声经过一个线性系统产生具有某种统计规律的平稳随机信号。 差分方程表示法 或者 冲激响应 是一个方差为的白噪声序列，由随机信号通过线性系统的理论，输出序列的功率谱。 9.4.2 自回归模型 AR模型： 9.4.3 AR模型的正则方程 AR模型的参数和的自相关函数的关系，即AR模型的正则方程。 AR模型的正则方程（Yule-Walker），系数矩阵是Toeplitz方程。 9.5线性预测 9.5.1线性预测的基本方法 根据已知的n时刻之前的p个数据，预测n时刻的值。 线性预测： 预测误差： 预测算法是令总的预测误差功率为最小： 求解算法： 且有： 为什么AR模型和线性预测器是等价的？ AR模型，白化滤波器，线性预测器。 9.6线性预则编码（LPC，Linear Predictive Coding） 信号建模是用较少量的参数来表征较长的信号采样序列。 LPC是一种建模方法，通过求p个采样值的加权累加和，预测信号的下一个采样值。 语音信号线性预测的物理基础，是由产生语音的全极点模型来提供的，该模型把声道模型作为一个带极点的声管。 LPC计算一段短时语音信号频谱的全极点模型，例如采用8个极点的模型，每段区域为45ms，对于段间隔内的声道状态，用短时频谱作为其模型，目的是得到一组预测系数，使得实际语音样本和估计的话音样本之差的平方和最小。 9.6.1 格形法 格形法直接由语音信号的样本求出系数，它与处理信号流的方法类似，即一个一个的对样本进行处理。 全零点格形滤波器 一个M阶的FIR滤波器的系统函数可表示为： 由M个格形网络单元串联而成。 基本格形单元的输入、输出关系： 且 设表示由输入端至第m个基本单元上、下输出端的系统函数。即有： 递推关系： 导出与滤波器系数之递推关系。 1