6 谱估计(现代).pptVIP

谱 估 计 3 现代谱估计 自回归模型法 最大熵谱估计法 预测误差格型滤波器及伯格(Burg)递推算法 3 现代谱估计 步 骤： 选择一个模型。 用已观察到的样本数据或自相关函数 的数据(如果已知或可以估计出)来确定模型参数。 由此模型求PSD。 3.1 自回归模型法 随机系统的模型 用线性差分方程作为产生随机序列x(n)的系统的模型： 3.1 自回归模型法 自回归(AR)模型 3.1 自回归模型法 MA(Moving Average)模型 3.1 自回归模型法 估计方法——要解决模型的参数估计问题 Wold分解定理 : 任何有限方差的ARMA或MA平移过程可以用无限 阶的AR模型表达；任何ARMA或AR模型可以用无 限阶的MA模型表达。 AR模型的优势：对AR模型参数的估计，得到的是线性方程。且实际的物理系统往往是全极点系统。 AR模型谱估计方法 Yule-Walker方程 Yule-Walker方程的求解 采用高斯消元法，解方程组，运算的量级为p的三次方。 用Levinson-Durbin算法，运算量的量级为p的二次方。 3.2 最大熵谱估计法 MESE(Maximun Entropy Spectral Estimation) 最大熵谱估计法的基本思想 线性预测AR模型与MESE法的等价性 Levinson-Durbin算法 3.2 最大熵谱估计法 基本思想 J.P.Burg于1967年提出：将已知的有限长度的自相关序列以外的数据用外推法求得，而不是把它们当作是零。 3.2 最大熵谱估计法 基本思想——熵 代表一种不定度； 最大熵为最大不定度，即它的时间序列最随机， 它的PSD应是最平伏(最白色)。 Shannon对熵的定义： 3.2 最大熵谱估计法 基本思想——高斯分布的信号的熵 3.2 最大熵谱估计法 线性预测AR模型与MESE法的等价性 Levinson-Durbin算法 3.3 预测误差格型滤波器及 Burg递推算法 预测误差格型滤波器 Burg递推算法 正反向线性预测最小二乘法 预测误差格形滤波器 Burg法小结 希望利用已知数据外的未知数据，但又不随便主观臆测。 设法保证使预测误差滤波器具有最小相位 先估计出反射系数，再利用反射系数估计出AR模型参数（Levinson-Durbin) 先确定低阶的AR模型参数，再迭代得到高阶AR模型参数 Burg法准则 Burg法缺点 会出现谱线分裂的情况 谱峰的位置受相位的影响较大 总结 3.2 最大熵谱估计法 基本思想 依此类推，每步都按最大熵的原则外推后一个自相关序列的值，可以外推到任意多个，而不必认为它们是零。 可以证明按最大熵外推自相关函数的结果与AR模型是等价的。 有关证明可见陈炳和《随机信号处理》p.415 即：最大熵外推的本质 最大熵外推 自回归分析法 以AR(0),AR(1)模型参数为初始条件，求出AR(2)的模型参数，再以这个为基础，求出AR(3)的模型参数，…最后求出AR(p)的模型参数。 3.2 最大熵谱估计法 ——对Yule-Walker方程的高效率解法 Levinson-Durbin算法 Yule-Walker方程 把阶数p写成N，可得 Levinson-Durbin算法 Yule-Walker方程 由于 是偶函数，故 Levinson-Durbin算法 一阶AR模型(求一阶参数a11及σ12） 二阶AR模型(求二阶参数a21，a22及σ22 ) 递推公式： 一般来讲阶数预先是不知道的，当递推到第k阶， 满足所允许的值，就可选阶数p=k。 Levinson-Durbin算法 i=1,2,…,k-1 ：误差功率 如果信号的正确模型是p阶的AR模型，则应有 这说明 已达最小均方误差值。 Levinson-Durbin算法 Levinson-Durbin算法的不足 需要知道自相关序列 只能从时间序列x(n)的有限个数据得到其估计值 当时间序列短时，估计误差很大 3.3 预测误差格型滤波器及 Burg递推算法 导致： 谱线分裂 谱峰频率偏移 等现象 3.3 预测误差格型滤波器及 Burg递推算法 Burg算法 直接由时间序列计算AR模型参数 在Levinson关系式的约束下，用使前向与后向 预测误差能量之和为最小的方法来求得各ak(k =1,2,…,p)的值 J. P. Burg, “A New Analysis Techniqu