西南交通大学信号处理期末作业.docVIP

实用文档 文案大全 1、考虑两个谐波信号和，其中,式中和为正的常数,为均匀分布的随机变量，其概率密度函数为 , 而是一个具有零均值和单位方差的标准高斯随机变量，即其分布函数为 （1）求的均值、方差、自相关函数和自协方差函数。 （2）若与为相互统计独立的随机变量，求和的互相关函数与互协方差函数。 解： （1） 的均值为： 方差为： 自相关函数为： 自协方差函数为： （2）的均值为： ,所以 由互相关函数的定义可知： 由题意知道与为相互统计独立的随机变量，所以有 互协方差函数 2.接收信号由下式给出：，式中即是零均值和单位方差的高斯噪声，为载波角频率，而是未知的相位。假设相互独立，求未知相位的最大似然估计。 解：由于相互独立，所以也相互独立并且服从高斯分布，可以得到与的联合概率密度函数分布 由此，可以得到似然函数 该似然函数对求偏导，并令该偏导函数为零，即可得到如下公式： 因此，最大似然估计 为上述函数的零点值。 则 该函数为非线性方程，不容易求解，若忽略双倍频率 ，则可简化到如下式子： 根据三角公式分解得到如下式子： 由此，可以得到如下公式 所以相位的最大似然估计如下： 3.离散时间的二阶AR过程由差分方程 描述，式中是一零均值、方差为 的白噪声。证明的功率谱为 证明： 由AR过程的功率谱公式知 其中 将其带入第一个公式可得： 4、信号的函数表达式为：，其中，为一随时间变化的随机过程，为经过390-410Hz带通滤波器后的高斯白噪声，为高斯白噪声，采样频率为1kHz，采样时间为2.048s。分别利用周期图谱、ARMA、Burg最大熵方法估计信号功率谱，其中ARMA方法需要讨论定阶的问题。 解：由题意知采样点数一共为：1000×2.048=2048个数据点。为一随时间变化的随机过程，由于随机过程有很多类型，如维纳过程、正态随机过程，本文采用了均值为0，方差为1的正态随机过程来作为演示，来代替，高斯白噪声采用强度为2的高斯白噪声代替，其带通滤波后为。其中滤波器采用的是契比雪夫数字滤波器。 可得到x(t)如下图所示： 1、周期图法 matlab中的周期图功率谱法原理是通过计算采样信号的FFT，获得离散点的幅度，再根据幅度与功率之间的关系，转换为离散点的功率，再通过坐标变换将离散点的功率图转换为连续功率谱密度。 Step1:计算采样信号x(n)的DFT，使用FFT方法来计算。如果此处将复频率处的幅度对称到物理实际频率，得到的就是单边谱，否则就是双边谱 Step2:根据正余弦信号功率与幅度的关系以及直流功率与幅度的关系，将幅度转换为离散功率谱。 Step3:对横纵坐标进行转换，横坐标乘以频率分辨率转换为实际连续物理频率，纵坐标除以频率分辨率转换为功率谱密度。 调用MATLAB中自带的matlab中[Pxx,f]=periodogram(x,window,nfft,fs)函数可得计算结果如下： 2、ARMA方法 参数模型估计的思想是: ?假定研究的过程X(n)是一个输入序列u(n)激励一个线性系统H(z)的输出。 ?有已知的X(n)，或其自相关函数来估计H(z)的参数。 ?由H(z)的参数来估计X(n)的功率谱。 不论X(n)是确定性信号还是随机信号，u(n)与X(n)之间总有如下输入输出关系： 对以上两个式子两边分别取Z变换，并假定b0=1，可得 其中,,。 为了保证H(z)是稳定的最小相位系统，A(z)和B(z)的零点都应该在单位圆内。假定u(n)是一个方差为的白噪声序列，由随机信号通过线性系统的理论可知，输出序列X(n)的功率谱为： ARMA阶数确定： 本题目采用AIC准则确定ARMA的阶数。分别计算p、q从1到20阶数的计算出AIC（p,q）,如下图所示，当横坐标大概为230左右时，AIC(p,q)取得最小，将此时的p,q作为带入到模型即可。 ARMA法谱估计结果： 3、Burg最大熵法 Burg算法的具体实现步骤： 步骤1 计算预测误差功率的初始值和前、后向预测误差的初始值，并令m = 1。 步骤2 求反射系数 步骤3 计算前向预测滤波器系数 步骤4 计算预测误差功率 步骤5计算滤波器输出 步骤6 令m←m+1，并重复步骤2至步骤5，直到预测误差功率Pm不再明显减小。 最后，再利用Levinson递推关系式估计AR参数，继而得到功率谱估计。 Burg最大熵法谱估计结果如下图： 5.附件中表sheet1为某地2008年4月28日凌晨12点至2008年5月4日凌晨12点的电力系统负荷数据，采样时间间隔为1小时，利用Kalman方法预测该地5月5日的电力系统负荷，并给出预测误差（5月5日的实际负荷数据如表sheet2）。 解：卡尔曼滤波是以最小均方误差作为估计的最佳准则，来寻求一套递推估计的算法，其基本思想是：采用信号与噪声的