功率谱估计一的周期图法.docxVIP

PAGE \* MERGEFORMAT7 周期图法功率谱估计的分析探讨 摘要：功率谱估计是用有限长的数据来揭示随机过程中所隐含的周期及相邻的谱峰等有用信息，它对于认识随机信号及其他应用方面来说都十分重要。在经典的谱估计中，Welch提出的修正周期图法能改善方差性能和分辨率，并凭借其简单，易于理解，便于计算等优点，被广泛应用。本文利用MATLAB中相应的工具函数，分析不同窗函数对功率谱估计结果的影响，并对窗函数参数的选取进行分析探讨。 关键词：功率谱估计，周期图法，窗函数，MATLAB 周期图法的方法原理 功率谱在随机信号分析中的作用与频谱在确定性信号分析中的作用类似。目前，谱估计可分为两类：经典谱估计和现代谱估计。两种方法有其各自的优缺点及适用性。在经典谱估计中获得有效应用的是Welch提出的修正周期图法。Welch方法对数据进行分段加窗并分别求取每一段的谱估计，再取总平均。 由维纳-辛钦定理可知，随机信号的功率谱和自相关函数是一对傅氏变换对： Pxxω 自相关函数为： Rxx 对于平稳随机过程，并考虑功率谱的偶对称特性，则有： Pxx 其中XNω是对数据序列 XN 窗函数对谱估计的影响 由于实际得到的随机信号只能是它的一个样本片段，因此只能用有限长的样本序列来估计功率谱。这就相当于对样本序列加了一个有限宽度的窗函数。但是加窗后会使得功率谱估计平滑性、分辨率等不能满足实际要求，因此Welch提出的分段平均法，可以适当的减小谱的失真。同时不同的窗函数对谱估计结果影响也不同。 以下面余弦信号为例，即xn=5cos2π?40?t+3cos?2π?(40+?F)?t+0.1randn(size(t))，?F分别取20、30、40、50，数据长度为1000，噪声为高斯白噪声，采用 图1 不同的窗函数的功率谱估计，频率间隔为50Hz 图2 不同的窗函数的功率谱估计，频率间隔为40Hz 图3 不同的窗函数的功率谱估计，频率间隔为30Hz 图4 不同的窗函数的功率谱估计，频率间隔为20Hz 由上图可知，在其他条件等同的情况下，矩形窗分辨率较好，而Hamming窗，Hanning窗和Blackman窗的噪声水平较低；其中Hamming窗和Blackman窗都能较好地突出有用信号的频率；Blackman窗与Hamming窗相比更为平滑。 由此可知，进行功率谱分析时选取何种窗函数，应由具体要求来决定。 窗函数参数的分析 3.1窗长度的影响 由概率统计理论可知，若将原长度为N的数据分成无重叠的K段，则估计的方差只有原来的1/K。数据总量不变时，K越大，方差就越小，而频率分辨率越低，均值的偏差越大，一般曲线会越平坦；K越小则情况相反。 以Blackman为例，对信号xn=5cos2π?40?t+3cos?2π?(40+?F)?t+0.1randn(size(t))分别选取不同的窗口长度分析频谱估计结果，?F取值为 图5 Blackman窗不同窗口长度的功率谱估计，频率间隔为30Hz 图6 Blackman窗不同窗口长度的功率谱估计，频率间隔为20Hz 上图中，图(a)到图(d)窗口长度分别为100、200、300、400，结果显示，窗口长度为100时效果最好。由窗口长度L与段数K之间的关系为K=N-L/2L/2，图(a)L较小，从而K较大，方差 3.2 FFT点数确定 一般情况下，窗口长度与FFT点数相同，但有些时候也需要采用不同的窗口长度和FFT点数。对于短数据，经典谱估计，若FFT长度与窗口长度相同，则分辨率差，曲线较粗糙。 以Blackman和Hamming窗为例，对以上信号频率间隔取30Hz采用不同的FFT点数进行谱估计，结果如图7和图8所示。 图7 Blackman窗不同的FFT长度的功率谱估计，频率间隔为30Hz 图8 Hamming窗不同的FFT长度的功率谱估计，频率间隔30Hz 上图中，图(a)到(d)的FFT点数分别为50,100,200,500，窗口长度为100。由此可知，但FFT点数小于窗口长度时，分辨率较差；FFT点数大于等于窗口长度时分辨率较好，但FFT点数大于窗口长度后再增加并不能明显地提高分辨率。因此，实际计算时只需取FFT点数与窗口长度相同即可。 结论 由以上分析探讨可知，Welch方法作为经典谱估计中简单易于实现的方法，但也有其需要注意的地方。Welch方法不能同时兼顾到分辨率，均值偏差和方差，这些指标之间存在着矛盾，需要根据实际需求来做决断。Welch方法得到的功率谱是窗口类型，窗口长度，FFT点数共同决定的综合结果，实际应用中可以调整各参数，从而得当满意的结果。 参考文献 黄志宇,刘保华等.随机信号的功率谱估计及MATLAB的实现.现代电子技术.2001:21-22. 杨蔚原.Welch功率谱估计方法的