现代数字信号处理-第三章-1-2-2016.ppt

* 第三章 功率谱估计 * 引言 作用：功率谱起着类似于频谱的作用 应用：遍及通信、噪声监测、信号检测与估计、模式识别、振动分析等领域 出发点：观测数据 理论基础：平稳随机过程的自相关函数与功率谱密度之间存在傅立叶变换关系 注意：随机信号不能直接进行傅立叶变换 3.1 经典谱估计 3.2 AR模型功率谱估计的方法和性质 3.3 最大熵谱估计方法 3.4 最大似然谱估计 3.5 特征谱估计？ * * 3.1 经典谱估计 经典谱估计认为截取数据窗外的数据为周期重复 (周期图法)或是为 0 (相关法) 现代谱估计 以参数模型为基础，把随机序列看成是一个具有特定参数和结果的信源模型发出的。 * 经典谱估计概述 基本思想：以傅立叶变换为基础，附以平均、加窗、平滑等预处理或后处理 优缺点 优点：简单易行、计算效率高 缺点：分辨率低、旁瓣效应，数据短时缺点更突出 适用范围：长数据 主要方法：B－T法、周期图法 相互关系 － 二者存在联系，均采用加窗来改善特性 － FFT的出现使二者获得新生，并引入细化FFT － 都存在致命缺点：分辨率低 * B-T法（间接法） 具体步骤： （1）从无限长随机序列x(n)中截取长度N的有限长序列xN(n)。 （2）由N长序列xN(n)求(2M-1)点的自相关函数序列 。即 是双边序列。 （3）由相关函数的傅氏变换求功率谱。即 B-T法 * * 周期图法（直接法） 周期图法又称直接法，它是从随机信号x(n)中截取N长的一段，把它视为能量有限信号，直接取xN(n)的傅氏变换，得到频谱XN(k)，然后再取其幅值的平方，并除以N，作为对x(n)真实功率谱Sx(ejw)的估计 的抽样 。 周期图法包含了二条假设： 1. 认为随机序列是广义平稳且各态遍历的，可以用其一个样本x(n)中的一段xN(n)来估计该随机序列的功率谱。这必然带来误差。 2. 由于对xN(n)采用DFT，就默认xN(n)在时域是周期的，以及XN(k)在频域是周期的。这种方法把随机序列样本x(n)看成是截得一段xN(n)的周期延拓，这也就是周期图法这个名字的来历。 有偏估计,需要用窗函数对周期图平滑 * B-T法与周期图法的比较 B-T法： 当 对固定的延迟 ， 是 的一致估计。 矩形窗时， 是 的有偏估计。但对于满足一定条件的窗比如三角窗且 时， 趋于无偏。 MN 时， 的方差较小，当M=N时，方差相对较大。 不是 的一致估计。 周期图法： 当N有限长时 是有偏的，当 时， 是无偏的，这种情况叫渐进无偏。 当 时， 的方差趋于 ，总大于等于 估值均值的平方。 不是 的一致估计。 * 经典谱估计 B-T法和周期图法都不是Sx(ejw)的一致估计，主要问题是频率分辨率和谱估计稳定性之间矛盾。改进方法：主要的途径有改善窗口形状、平均和平滑。 相关法的两次截断就是两次加矩形窗，这将造成泄漏效应。影响到分辨率和方差。为了减少泄漏和提高谱估计的分辨率，改善窗的形状是必要的。对窗函数谱的总的要求是希望它的主瓣尽可能窄以改善分辨力，旁瓣尽可能小以减少能量外泄、改善方差。但实现时两者往往是矛盾的，任何减小旁瓣的努力都要以牺牲主瓣宽度为代价，两者只能兼顾，不可兼得。常用的窗有汉宁窗、海明窗、三角窗等。 改进方法 * 经典谱估计 周期图法得出的估计谱方差特性不好：当数据长度N太大时，谱线的起伏加剧；N太小时谱的分辨率又不好。 对其改进的主要方法有两种，即平均和平滑，平均就是将截取的数据段xN(n)再分成L个小段，分别计算功率谱后取功率谱的平均，这种方法使估计的方差减小，但偏差加大，分辨率下降。(Bartlett 法， 不重叠！) 平滑是用一个适当的窗函数W(ejw)与算出的功率谱 进行卷积，使谱线平滑。这种方法得出的谱估计是无偏的，方差也小，但分辨率下降。现比较常用的是Welch法，又叫加权交叠平均法（WOSA)，它以加窗（加权）求取平滑，以分段重叠求得平均，集平均与平滑于一体，是一种折衷。 改进方法 * 参数模型法 算法基础 以随机过程或信号的的参数模型为基础,故称为参数模型法或参数法 历史沿革 － 从非工程领域(