基于广义柯西分布最大后验准则频谱估计方法.docVIP

基于广义柯西分布最大后验准则频谱估计方法 　　摘 要:经典的频谱估计方法和现代的频谱估计方法在低信噪比及小数据量的情况下,谱估计的分辨率和方差性能不能满足实际应用需要。因此,提出一种高分辨率、高精度DFT变换的新方法,此方法特别适用于线性频谱的估计。该方法基于最大后验概率准则,建立广义柯西-高斯分布模型,克服了短数据情况下的DFT变换分辨率低的缺点,具有收敛快、频率分辨率高、频率精度高的优点。计算机仿真结果证实了新方法的有效性。 　　关键词:最大后验概率; 离散傅里叶变换; 频谱估计; 广义柯西分布 　　中图分类号:TN911.6 文献标识码:A 　　文章编号:1004-373X(2010)07-0017-04 　　 　　New Method for Spectrum Estimation Based on Generalized Cauchy Distribution and MAP 　　SONG Jun-cai, ZHANG Shu 　　(College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China) 　　Abstract: In the low SNR and small amount of data, the resolution and variance performance of spectral estimation can not meet the actual requirement by using classical or modern spectrum estimation methods. Therefore, a new high-resolution and high-precision method of DFT transform is proposed. It is suitable for estimation of linear spectra. Based on maximum a posteriori probability criterion, a generalized Cauchy-Gaussian distribution model to overcome the low resolution of DFT in the case of short data is established. The proposed method has advantages of fast convergence, high efficiency and high accuracy.The results of computer simulation show that the novel method is effective. 　　Key words: maximum a posterior probability; discrete Fourier transform; spectrum estimation; generalized Cauchy distribution 　　 　　0 引 言 　　 　　信号的频谱分析是研究信号特征的重要手段之一,该技术在雷达、通信、震动、地震信号处理及电子监测领域有着广泛的应用。理论上的傅里叶变换是对整个时域信号的变换,但现实中却只能对有限长度的信号进行变换。经典的谱估计方法主要是周期图法及改进的周期图估计方法,但这些方法都存在着频率分辨率低、频谱泄露和方差性能不好等缺点。原因是周期图频谱估计是对数据加窗截断,用有限数据样本或自相关函数来估计无限个数据的频谱。现代的频谱估计技术有基于ARMA模型的估计技术,基于预测外推的最大熵法(MEM),最大似然Capon估计等,这些技术较经典频谱估计有更高的频谱分辨率。但带来的问题是对模型的参数的估计,或者要求较高的信号噪声比(SNR)等[1,2]。同时这些方法除了计算量大之外,也可能出现数值不稳定现象。Sacchi和Ulrych等人提出的基于最大后验概率柯西-高斯模型的频谱估计方法[3]已解决经典频率估计和现代频率估计技术中存在的缺点,该估计方法在小数据量的前提下有效地提高了频谱估计的精度。 　　本文推广了柯西-高斯模型,提出基于广义柯西分布的频谱估计方法,仿真结果显示本方法较基于柯西分布的算法性能更好。 　　 　　1 基于最大后验准则的DFT 　　 　　考虑一个包含??N?У愕牟裳?时间序列,则该离散序列??x0,x1,x2,…,xN-1?У?DFT变换可表示为: 　　Xk=∑N-1n=0xne-i2πnk/N,k