25-26-离散傅里叶变换-运用举例解析.pptVIP

3　随机信号功率谱估计 对于确定性信号，傅里叶变换是进行频率分析研究的理论基础，但对于随机信号，其傅里叶变换不存在，因此研究它的功率谱。 在实际应用中，通常只能采集或观测到平稳随机过程的一个抽样序列的一段(有限个)数据，如果根据这有限个已知数据来估计随机过程的功率谱的问题，简称谱估计(谱分析)问题。 谱估计方法 经典谱估计，也称为线性谱估计 现代谱估计，也称为非线性谱估计 经典谱估计 BT法：1958年，R.Blackmant和J.Tukey提出， 先估计自相关函数，再计算功率谱。 周期图法：1898年，Schuster利用傅里叶级数去拟合待分析的信号，提出周期图的术语，但直到FFT出现，周期图法才受到人们的重视。这种方法直接对观测数据进行FFT，取模平方，除以N得到功率谱。 经典谱估计致命的缺点是频率分辨率低，原因是傅里叶变换域是无限大，而观测数据是有限长，观测不到的数据被认为是0。这相当于将信号在时域加了矩形窗，在频域使真正的功率谱卷积一个sinc函数。 现代谱估计 如果由观测数据能够估计出信号模型的参数，信号的功率谱可以计算出来。谱估计问题变成了由观测数据估计信号模型参数的问题。 模型种类很多，如AR模型、MA模型等。 合适地选择模型，功率谱估计质量比经典谱估计的估计质量有很大提高。 参数模型法以信号模型为基础。 参数模型法：AR、MA、A