第5章频域统计参数的估计-谱估计.ppt

第5章 谱估计(功率谱密度的估计) 功率谱估计：经典谱估计与现代谱估计 经典谱估计：直接法与间接法。 直接法（周期图法）：把随机序列x(n)的N个观测数据视为一能量有限的序列，直接计算x(n)的离散傅立叶变换，得X(k)，然后再取其幅值的平方，并除以N，作为序列x(n)真实功率谱的估计 ； 间接法（相关法）：计算N点样本数据的自相关函数，然后取自相关函数的傅里叶变换，即得到功率谱的估计。 经典谱估计的优点：计算简单 经典谱估计的缺点：谱分辨率低，方差大 功率谱估计：经典谱估计与现代谱估计 现代谱估计：参数模型谱估计和非参数模型谱估计 。 参数模型谱估计： ARMA模型 (特例：AR模型、MA模型)； 非参数模型谱估计： burg最大熵谱估计法、pisarenko谐波分解法、 MUSIC法、ESPRIT法 现代谱估计的优点：谱分辨率高，平滑性好 现代谱估计的缺点：计算复杂 功率谱估计：经典谱估计与现代谱估计 谱估计就是从无限长随机序列中截取一段数据（加窗）来分析。而问题的真正要害：如何看待截取数据以外的那无限长数据序列，因为统计特性是以足够大的数据窗为前提的。 经典法：侧重于如何处理已经截得的那段数据上，很多技巧表现在如何选择合适的窗，周期图法（直接法）默认为窗外数据是窗内数据的周期重复；相关法（间接法）默认为数据窗外的数据一概为零，延迟窗外的数据也一概为零，这显然都是不符合实际的，这就导致经典谱估计的分辨率低，质量差。 现代法（参数模型谱估计）：把随机序列看成是由一个具有特定参数和结构的信源模型发出的。如果模型结构选择正确，就可从截取的一段样本中，推算出模型的参数，从而可预测或外推窗外的数据是什么。显然，模型的选择越正确，参数的测算越准确，窗外数据的预测就越准确，所得的谱估计也就越精确 。现代法（非参数模型谱估计）则依据另一套原则来推测窗外的数据是什么？如最大熵原则。 5.1 经典谱估计 5.1.2 相关法（间接法） 5.2 现代谱估计 ARMA谱估计法：以信号的差分模型为基础，其特例是AR谱估计、MA谱估计。 Burg最大熵谱估计法：以信息论为基础；在相关匹配的约束下，等价于AR谱估计；在相关匹配和倒谱匹配的双重约束下，等价于ARMA谱估计。 Pisarenko谐波分解法：分析谐波信号； 扩展的prony法：分析基于复谐波信号模型的复信号。 MUSIC法：信号空间参数的估计。功率谱?空间谱 ESPRIT法：信号空间参数的估计。用于估计信号的谐波频率。谐波频率估计?矩阵束的广义特征值分解。 5.2.1 ARMA模型的谱估计 1) ARMA模型的AR参数ai估计 2)ARMA模型的AR阶数p之确定 2)ARMA模型的AR阶数p之确定 3)ARMA模型的AR参数ai估计 3）ARMA模型的MA阶数q确定 4）ARMA模型的MA参数bi估计 5.2.2 最大熵谱估计 5.2.2 最大熵谱估计 前向预测滤波器的最优阶数m之确定---burg算法 5.2.3 Pisarenko谐波分解法 总结 5.2.4 扩展prony方法 Prony估计方法的评价指标 总结 5.2.5 MUSIC法（MUSIC:multiple signal classification） 2）信号子空间与噪声子空间 3）基本MUSIC法 4）改进方法1—求根的MUSIC法 5）改进方法2 6）MUSIC谱估计法的评价 5.2.6 ESPRIT法 1）基本的ESPRIT法 2）总体最小二乘的ESPRIT法 证明： p ai 滤波器系数a的推测：levinson递推法 前向预测滤波器系数a的确定---levinson算法 1）波束形成器 证明： * 5.1.1 周期图法（直接法） 周期图谱估计法的性能评价即偏移性、有效性、一致性 偏移性的评价 一致性的评价 改进的周期图法： Blackman－Tukey（BT）方法的特点 Z变换的收敛域包含∞。 证明 证明 *