高等数字信号处理第3章_高阶谱估计.pptVIP

3、无相位耦合过程的累量 奇阶次累量恒为零； 为非零整数 不为零的四阶累量可定义为： 4、二次相位耦合过程的累量： ， 谐波过程中各分量由于相位耦合而相关。 频率分辨率：在非参数法高阶谱估计中，其富里叶变换都是用DFT实现的。因此，最后得到的高阶谱谱线间的距离(频率分辨率)必然与所用的样本序列的长度成反比。即用于计算DFT的时间序列长度越长，则频率分辨率越高。 估计方差：可以证明,非参数法高阶谱估计是渐近 无偏的，但一般存在较大的估计方差。为减少估计 方差，可采用时域平滑或频域平滑的方法，但平滑 的结果必然使频率分辨率下降。 因此，估计方差与频率分辨率之间的矛盾是非参数法谱估计的固有矛盾。 3、确定性信号的高阶谱 4、主要方法： 平滑周期图法(直接法) MATLAB实现： [bspec,waxis]=bispecd(x,nfft,wind,samp_seg,overlap) x：时域信号； nfft：FFT的长度； wind：Rao最优窗函数的长度； samp_seg：每个分段的长度；overlap：每段重迭长度； bspec：等高线显示的直接法双谱；waxis：频率点矩阵； 间接法：先估计高阶累量，再进行DFT。 MATLAB实现： [bspec,waxis]=bispeci(x,nlag, samp_seg, overlap , flag,nfft,wind,) x：时域信号； nfft：FFT的长度；wind：窗函数类型； samp_seg：每个分段的长度；overlap：每段重迭长度； nlag：计算累积量的最大延迟；flag：是否有偏； bspec：等高线显示的间接法双谱；waxis：频率点矩阵； 3.2.2、参数法谱估计的基本思路 1、BBR公式:与功率谱估计类似,参数法高阶谱估计仍是依据高阶谱的信号模型。但与功率谱估计不同之处在于：它不限定信号模型为最小相位系统,并且广义白噪声过程{e(n)}应为非高斯分布。 H(ω) e(n) x(n) 对于上述信号模型，有卷积定理成立 两边取k阶累量，并注意到广义白噪声的累量为多维δ函数,即得 写成Z域形式即得 推广到e(n)为非高斯有色噪声的一般情况有: 对于因果非最小相位系统(极点在单位园内,但零 点可在单位园外。所以传递函数必在单位园外收 敛，其单位取样响应必为因果序列)则得 对于常用的双谱和三谱估计,则有: 2、谱估计的基本思路： 由己知的一段样本序列{x(n)}估计k阶累量,一般k=４； 按一定算法迠立k阶累量与信号模型参数的关係式,求解此关係式得模型参数； 按BBR公式求信号{x(n)}的k阶谱。 所以,k阶谱估计的主要问题是如何执行第二步。 对巳知信号进行去均值的予处理； 3.2.3、MA模型参数估计： 基于MA因果信号模型的算法推导思路与功率谱参数法类似，以BBR公式(相当于第一章所述的谱分解定理)的时域形式为基础进行推导。 1、 c(q,n)公式法； 对于MA信号，其三阶累量可记为： 令 得 此算法对高阶累量估计误差比较敏感，所以实 际中很少采用。公式在理论推导中经常用到。 2、RC算法:相关函数与高阶累量的混合 算法(GM算法)； ①功率谱与高阶谱的关系 定义带参量的切片： 作Z变换得 按k阶累量定义 按Z变换的性质必可得 因为功率谱可表示为： 对于 为一维对角切片的Z变换，又称为1.5维谱。 ② GM方法 假定线性系统为MA模型 个未知数。要使方程可解，方程数必须大于 未知数，如何获得这么多有效方程呢？ 所以下式滿足时，上式非零 再考虑到条件 则非零条件为 取 可以建立矩阵方程组 M为 和 构成的矩阵，维数 为 当矩阵M为列满秩时，上述超定方程组有最小 二乘解 并按下式求取MA参数 GM算法有以下几个问题： (a) 算法把MA参数及其平方同时作为相对 独立的参数进行求解，这样得到的估计只能是次 优的。 (b) 系数矩阵可能不能满足列满秩条件，这 样就没有唯一最小二乘解，而只能计算最小二乘 最小范数解。因此如何选择的取值范围，使具有 列满秩仍是一个未解决的问题。 (c) 当观察数据中含有加性高斯噪声时，由 于噪声自相关函数的存在，可能使算法失效。 RC算法的MATLAB实现： Bvec=maest(x,q,n