第五章功率谱估-第3节.pptVIP

第三节　谱估计的参数化模型方法 一、周期图法的优缺点 为了克服以上缺点，人们提出了平均、加窗平滑等方法，在一定程度上改善了经典谱估计的性能。 经典方法始终无法解决频率分辨率和谱估计稳定性之间的矛盾，特别是在数据记录很短的情况下，这一矛盾显得尤为突出。 二、现代谱估计的引入 由于具有有理功率谱密度的随机信号都可看成由一白噪声w(n)激励一物理网络所形成。 根据已观察到的数据估计出这一物理的模型参数。 可克服经典谱估计的缺点。由这个模型来求功率谱估计，可望得比较好的结果。 三、功率谱估计的步骤 四、信道模型种类 （1）AR模型 （2）MA模型 （3）ARMA模型 例子 解： 例2 解： 五、模型选择 六、应用 七、功率谱估计的方法 已知信号的观测数据，估计功率谱估计的方法有各种各样，本课主要介绍： 1、AR模型的谱估计法 2、特征分解法谱估计法 结论： 如果选择了一个不合适的模型， 但只要模型的阶数足够高， 它仍能够较好地逼近被建模的随机过程。 AR模型用得最普遍 原因是:(1)AR模型的参数计算是线性方程，比较简便。 (2)适合窄带信号的频估计。 (3)谱估计时由于具有递推特性所需的数据较短。 而MA模型对窄带信号进行谱估计时，一般需要数量很多的参数。 ARMA模型所需的参数数量最少，但参数估计的算法是非线性方程组，其运算远比AR模型复杂。 例子： * * 利用FFT计算 计算效率高的优点 谱分辨率要求不高的地方常用此方法 估计方差大，频率分辨率低(1/N) 一般情况下我们没有随机信号模型的先验知识， 若模型选择不当是否会对谱估计性能产生较大影响　？ 如果功率谱是连续的， 则任何ARMA过程或AR过程 可用一个无限阶的MA过程表示。 Word分解定理告之： 任何ARMA过程或MA过程 也可以用一个无限阶的AR过程表示。 Kolmogorov也提出： *