实验二典型时间序列重的功率谱估计.docVIP

实验二. 典型时间序列的功率谱估计 一、实验内容与目标： 了解有限长数据对谱估计的影响，重点研究周期图法和改进型周期图法的谱估计方法，并分析噪声对随机信号谱估计结果的影响。使学生了解随机信号的功率谱分析与主要估计方法。 实验任务 对AR(2)模型产生的序列进行分析，并估计其数字特征。 理论知识 在《随机信号分析》课程的第五章时间序列模型中，我们对AR、MA及ARMA模型进行了分析。对于AR(2)模型： 其解为： 其中和是由初始条件确定的待定系数，； 而根据其自相关函数，有：； 功率谱为：。 已知条件 设有AR(2)模型为： 即 是高斯白噪声，均值为0，方差为4； 任务一 产生指定AR(P)模型的典型时间序列X(n)；分别画出X(n)的500、2000点和10000个观测点的波形，并估计他们的均值与方差；试根据上述理论知识推导并计算出该模型理论的均值和方差。 程序及结果 程序： b=1; a=[1 0.9 0.1]; noise=normrnd(0,2,1,500); x=filter(b,a,noise); subplot(211); plot(x); title(AR(2)随机序列500点); m=mean(x); sigma2=var(x); m sigma2 noise=normrnd(0,2,1,2000); x=filter(b,a,noise); subplot(211); plot(x); title(AR(2)随机序列2000点); m=mean(x); sigma2=var(x); m sigma2 noise=normrnd(0,2,1,10000); x=filter(b,a,noise); subplot(211); plot(x); title(AR(2)随机序列10000点); m=mean(x); sigma2=var(x); m sigma2 m=0.0404 sigma2=14.3090 m=-0.0486 sigma2=14.5322 m=0.0058 sigma2=15.0434 理论的均值和方差 均值为0，因为是一个线性系统，w(n)为白噪声，将其看成输入，输出x(n)也为0，所以方差就等于R(0) m(x)=0 δ2=r(0)=15.77 分析 随着点数的增加（500,2000,10000），波形越来越密集，随着点数的增加波形越能体现出时间序列模型的特点。 任务二 求出该AR(2)模型理论功率谱，在上等距选取K=500个点，画出其理论功率谱曲线； 程序及结果 程序： fs=1000;%采样频率 w=0:pi/2000:pi; G=4*(abs(1./(1+0.9*exp(-j*w)+0.1*exp(-2*j*w))).^2);%AR模型系统函数 G=G/max(G);%归一化 f=w*fs/(2*pi); plot(f,G,r) title(理论功率谱密度曲线) xlabel(f) ylabel(幅值) 任务三 估计500、2000点和10000个观测点的典型时间序列X(n)的自相关函数与功率谱，并与理论的功率谱曲线比较； 程序、结果及分析 程序：(功率谱) b=1; a=[1 0.9 0.1]; noise=normrnd(0,4,1,500); x=filter(b,a,noise); window=hamming(20); % 采用hanmming 窗，长度为20 noverlap=10; Nfft=512; fs=1000; [Px,f]=pwelch(x,window,noverlap,Nfft,fs, onesided); % 估计功率谱密度 f=[-fliplr(f) f(1:end)]; %对称频率(反转) Px=[fliplr(Px) Px(1:end)]; % 对称谱 Px/max(Px) subplot(221); plot(f,Px,b); hold on; fs=1000; w=-pi:1/fs:pi; G=4*(abs(1./(1+0.9*exp(-j*w)+0.1*exp(-2*j*w))).^2); G=G/max(G); f=w*fs/(2*pi); subplot(221); plot(f,G,--r) legend(实际功率谱曲线,理论功率谱曲线) title(实际功率谱与理论功率谱曲线比较图（500点）) b=1; a=[1 0.9 0.1]; noise=normrnd(0,4,1,2000); x=filter(b,a,noise); window=hamming(20); % 采用hanmming 窗，长度为20 noverlap=10; Nfft=512; fs=1000; [Px,f]=pwelch(x,win