AR功率谱估计昆明理工大学.docxVIP

昆明理工大学信息工程与自动化学院学生实验报告（ 2017 —2018 学年 第 2 学期 ）课程名称：生物医学信号处理 开课实验室： 设备编号： 实验日期： 年级、专业、班学号姓名成绩实验项目名称谱估计的参数模型方法指导教师相艳教师评语1、 遵守课堂纪律，操作规范、认真：2、对AR模型阶次P的选择进行了比较：3、 对谱估计的经典法和AR参数模型法的结果进行了比较：教师签名：年 月 日一、实验目的 1、掌握估计随机信号的功率谱的参数模型方法，并能用matlab实现。2、通过实验认识功率谱在信号分析中的作用，以便在工程中加以应用。 二、实验原理 常用的功率谱估计模型有AR模型、MA型ARMA模型。AR模型参数的估计得到的是线性方程，计算比较简便，而且实际的物理系统往往是全极点系统，所以基于AR模型的功率谱估计是现代谱估计中最常用的一种方法。嗯，在利用AR模型进行功率谱估计时，必须计算出AR模型的参数。目前这些参数的提取算法主要有Levinson-Durbin算法、Burg算法和Marple算法三种。三、实验内容自行设计程序求取信号X(t)=sin(2π*f1*t)+a*sin(2π*f2*t)+b*w(t)的功率谱，其中f1和f2可自行设定，w(t)为白噪声，采样频率fs=1000Hz，信号长度分别设为256、1024。基于AR模型的功率谱估计模型法包括AR模型法、MA模型法、ARMA模型法，由于三者之间可以相互表示，而对AR模型参数的估计得到的是线性方程，故AR模型法比MA、ARMA模型法具有在计算上简便的优点，且实际物理系统往往是全极点系统，所以研究有理分式传递函数的模型主要是讨论AR模型。AR模型法做功率谱估计的原理是：假设所分析的信号X(t)是一个均方误差为σ^2的白噪声激励ω--线性时不变系统Hz（即AR模型）所得到，则分析信号的功率谱估计为：主要程序：clear all;Fs=1000;n=0:1/Fs:1;xn=sin(2*pi*100*n)+sin(2*pi*105*n)+0.1*randn(size(n));%信号f1、f2分别取100和105，a、b本别取1和0.1window=boxcar(length(xn));nfft=1024;[Pxx,f]=periodogram(xn,window,nfft,Fs);figure(1);plot(f,10*log10(Pxx)),gridxlabel(Frequency(Hz));ylabel(Power Spectral Desity(dB/Hz));title(Periodogram PSD Estimate);p1=30;p2=100;figure(2);pburg(xn,p1,nfft,Fs);%burg法，取p1为30阶figure(3);pburg(xn,p2,nfft,Fs);%burg法，取100阶figure(4);pmcov(xn,p1,nfft);%修正协方差法，取30阶figure(5);pmcov(xn,p2,nfft);%修正协方差法，取100阶谱估计结果分析：在两个频率f1=100Hz,f2=105Hz，系数a=1，b=0.1的条件下周期图法功率谱估计：（1）信号长度取1024（周期图法）在P分别取30阶和100阶的情况下burg法所运行结果分别如下：（p=30）（p=100）在P分别取30和100时修正协方差法的运行结果如下：（P=30）（P=100）（2）信号长度取256：（周期图法）在P分别取30阶和100阶的情况下burg法所运行结果分别如下：（p=30）（p=100）在P分别取30和100时修正协方差法的运行结果如下：（P=30）（P=100）四、总结通过此次试验，我学习到了对谱估计的几种现代参数模型法性能特点，，经典法分辨能力降低，分辨率高且随机性较大，了解到了更多的现代参数模型法的知识。