MUSIC 谱估计课件.pptVIP

基于特征值的谱估计—MUSIC方法 谱估计的应用 1从噪声中检测出信号 2波达方向估计（DOA） 3语音压缩 线性代数基础 信号模型：由p个复正弦信号组成 它们构成了一个平稳随机过程，其一次实现N个采样数据 将 代入上式，得 其中 为信号向量 令X是由X(n)的N个取样数据构成的向量，即 于是 其中，w是由白噪声w(n)的N个取样值组成的向量 将其展开得 假设信号之间信号与噪声之间及噪声与噪声之间都是不想关的，于是得到自相关函数 其中 为噪声向量的自相关函数 其中，特征向量 成为主特征向量，对应的特征值 ，其余N-P个零特征值对应的特征向量为 通过比较发现Rs即可以用 这组基表示，也可以由 这组基表示。即两者是在同一个线性空间中的。因此将主特征值向量张成的空间成为信号子空间，对应的特征值为 特征向量 张成噪声子空间，特征值均为 由于特征向量之间是相互正交的，那么可以肯定以上定义的噪声子空间与信号子空间是相互正交的，即 对以上式子进行整理得 要通过特征值分解把信号从噪声中分离出来，而噪声空间与信号空间是相互正交的。那么理论上讲信号向量在噪声空间的投影应该为0。虽然这不太现实，但能够意识到，这个投影值是很小的，于是得到以下估计： 当w=wi,那么分子取值将接近0（投影为0），于是估计值将出现尖峰，那么就完成了信号的检测。 1.MUSIC方法是对Pisarenko方法的改进，不再要求观测数目=信号数目+1； ，而是充分的利用了噪声空间的信息。