硕士生现代信号处理-经典分析 已读.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 6.2 周期图法 3. 周期图谱估计的特点 频谱泄漏 现象：当真实频谱为谱线时，周期图估计出的频谱不再是谱线。 原因： 是 与窗函数频谱的卷积。 本质原因是观察数据为有限长。观察数据越短，频谱泄漏越严重。 6.2 周期图法 频率分辨率 频率分辨率：区分两个相邻频率分量的能力。频率分辨率与观察长度成反比。 周期图的频率分辨率为1/N。 三角窗函数的频谱： 6.2 周期图法 示例： 信号的真实频谱 周期图估计频谱 6.3 平滑的周期图法 1.巴特利特平均周期图法 i) 引出：设序列 是不相关的随机变量，每一个具有期望值 ，方差 。 定义　　　　，则 多次测量平均可以减小测量方差。 6.3 平滑的周期图法 ii) 方法描述： 数据分段；计算各段的周期图；平均各段的周期图。 将序列 分成L段，每段M(N=LM) 个样本，则第 i 段样本序列为： 的周期图为 6.3 平滑的周期图法 若 很小，则可假定各段周期图 是不相关的。 将各段周期图的平均作为对功率谱的估计，即： 6.3 平滑的周期图法 iii) 估计性能 偏差： Bartlett估计是有偏估计，但 。 6.3 平滑的周期图法 估计方差 iv) 结论：Bartlett估计从减少方差的角度对周期图法进行了改进，得到了频谱的一致估计。 6.3 平滑的周期图法 2. 窗化法 i) 思路: 用合适的窗函数谱对周期图平滑，即： ii) 窗函数的选择 6.3 平滑的周期图法 iii) 估计性能 其中 　为Bartlett窗。 6.3 平滑的周期图法 若 ，于是： iv) 结论：窗化法使频谱估计结果起伏变小，但分辨率变差。 6.3 平滑的周期图法 3. Welch法 思想:综合分段平均法和窗化法 修正1：选择窗函数直接对信号窗化 U为归一化因子： 修正2：分段时各段之间有重叠。 6.3 平滑的周期图法 4. 谱估计示例 信号真实频谱 6.3 平滑的周期图法 周期图估计的频谱(N=64) 6.3 平滑的周期图法 周期图平均估计的频谱(M=64，L=50) 6.3 平滑的周期图法 周期图估计的频谱(N=128) 6.3 平滑的周期图法 周期图平均估计的频谱(M=128，L=50) 6.3 平滑的周期图法(续15) 平滑的周期图法总结 估计的期望值:真值与窗函数频谱卷积。 分辨率变差：窗函数频谱的主瓣宽度增加。 方差减小； 在实际应用中，当数据总长度一定时，需要权衡分辨率指标与方差指标，选取恰当的参数。 6.4 小结 1. 经典谱估计的缺陷 根源：认为N个观测数据以外的数据为0。 2. 改进思想 认为观测信号是由ARMA模型产生的。 步骤1：选择模型； 步骤2：根据观察样本确定模型参数； 步骤3：由该模型求功率谱。 * * * * * * * * * * * * * PART IV 　谱分析 Power Spectrum Estimation 第六章 经典谱分析 第六章 经典谱分析 6.2 周期图法 6.3 平滑的周期图法 6.1 预备知识 6.4 小结 6.1 预备知识 1. 确定信号的能量谱密度 设x(n) 为能量有限确定离散信号，即 则对x(n)可做付氏变换： 由Parseval定理，有： 6.1 预备知识 表示信号分布在频率区间 上的能量，称 为x(n)的能量谱密度 (Energy Density Spectrum)。 2. 随机信号的功率谱 i) 随机过程的功率谱密度(Power Density Spectrum) 定义 6.1 预备知识 则 由Parseval定理，有： 6.1 预备知识 信号的平均功率： 定义功率谱密度： 对广义平稳随机过程，有 6.1 预备知识 可以证明，对于零均值平稳随机过程，其自相关函数 与功率谱密度 为一对付氏变换，即 6.1 预备知识 ii) 离散时间随机过程的功率谱密度 设x(n)为零均值广义平稳离散时间过程