随机信号的功率谱估计方法.docxVIP

数字信号处理 = 2 \* ROMAN II ——随机信号的功率谱估计方法 一、实验目的 1．利用自相关函数法和周期图法实现对随机信号的功率谱估计。 2．观察数据长度、自相关序列长度、信噪比、窗函数、平均次数等对谱估计的分辨率、稳 定性、主瓣宽度和旁瓣效应的影响。 3．学习使用FFT提高谱估计的运算速度。 4．体会非参数化功率谱估计方法的优缺点。 二、实验原理与方法 假设信号为平稳随机过程，其自相关序列定义为: MACROBUTTON MTPlaceRef \* MERGEFORMAT SEQ MTEqn \h \* MERGEFORMAT ( SEQ MTSec \c \* Arabic \* MERGEFORMAT 0. SEQ MTEqn \c \* Arabic \* MERGEFORMAT 1) 其中表示取数学期望，表示取共轭。根据定义，的功率谱密度与自相关序列存在如下关系： MACROBUTTON MTPlaceRef \* MERGEFORMAT SEQ MTEqn \h \* MERGEFORMAT ( SEQ MTSec \c \* Arabic \* MERGEFORMAT 0. SEQ MTEqn \c \* Arabic \* MERGEFORMAT 2) MACROBUTTON MTPlaceRef \* MERGEFORMAT SEQ MTEqn \h \* MERGEFORMAT ( SEQ MTSec \c \* Arabic \* MERGEFORMAT 0. SEQ MTEqn \c \* Arabic \* MERGEFORMAT 3) 然而，实际中我们很难得到准确的自相关序列，只能通过随机信号的一段样本序列来估计信号的自相关序列，进而得到信号的功率谱估计。目前常用的线性谱估计方法有两种：自相关函数法和周期图方法，本实验将对这两种方法分别予以讨论。 1．自相关函数法 假设已知随机信号的N个观测样本，则其自相关序列可以用下式进行估计: MACROBUTTON MTPlaceRef \* MERGEFORMAT SEQ MTEqn \h \* MERGEFORMAT ( SEQ MTSec \c \* Arabic \* MERGEFORMAT 0. SEQ MTEqn \c \* Arabic \* MERGEFORMAT 4) 当仅使用长度为2M-1的自相关序列时，对其进行傅立叶变换即可得到功率谱估计如下: MACROBUTTON MTPlaceRef \* MERGEFORMAT SEQ MTEqn \h \* MERGEFORMAT ( SEQ MTSec \c \* Arabic \* MERGEFORMAT 0. SEQ MTEqn \c \* Arabic \* MERGEFORMAT 5) 其中M 为加窗长度，为矩形窗函数，定义如下: MACROBUTTON MTPlaceRef \* MERGEFORMAT SEQ MTEqn \h \* MERGEFORMAT ( SEQ MTSec \c \* Arabic \* MERGEFORMAT 0. SEQ MTEqn \c \* Arabic \* MERGEFORMAT 6) 因此， 在一定程度上可以看作是“真正的功率谱”与窗函数傅立叶变换的卷积。 矩形窗函数不仅降低了谱估计的分辨率，而且使谱估计产生了旁瓣，旁瓣效应使那些处于旁瓣附近功率较小的频率分量被淹没掉。为了降低旁瓣影响，可以采用具有较小旁瓣的窗函数，如Hamming窗，它定义为： MACROBUTTON MTPlaceRef \* MERGEFORMAT SEQ MTEqn \h \* MERGEFORMAT ( SEQ MTSec \c \* Arabic \* MERGEFORMAT 0. SEQ MTEqn \c \* Arabic \* MERGEFORMAT 7) 这种窗函数可以有效的抑制旁瓣，但此时主瓣宽度增大，从而降低了谱估计的分辨率。这种主瓣和旁瓣之间的矛盾在非参数化功率谱估计方法中是无法解决的。 2．周期图方法 假设已知随机信号的N个样本，利用周期图方法，信号的功率谱估计为: MACROBUTTON MTPlaceRef \* MERGEFORMAT SEQ MTEqn \h \* MERGEFORMAT ( SEQ MTSec \c \* Arabic \* MERGEFORMAT 0. SEQ MTEqn \c \* Arabic \* MERGEFORMAT 8) 利用上述方法得到的谱估计方差与信号的功率谱平方成正比，为了减小它的方差，可以将信号序列进行分段处理