第五章 随机信号的功率谱估计.ppt

例：试根据信号的4个取样值x(n)={2,4,1,3}，分别用自相关法和协方差法估计AR(1)模型参数。例4.1（教材P143） 解：(1)自相关法 （右端添0） （左端添0） * PPT课件 (2)协方差法 (不外推添0) (不外推添0) * PPT课件 * PPT课件 Burg法： 概述： 自相关法：计算效率高，能保证预测滤波器是最小相位，但对数据两端添加了0（加窗处理），估计精度下降，短数据时性能下降。 协方差法：计算效率高，未加窗，估计精度高，但估计自相关矩阵不一定正定，导致预测滤波器不是最小相位系统，可能不稳定。 Burg法的思想：一方面希望利用已知数据段以外的未知数据（但不做主观臆测）；另一方面使预测误差滤波器是最小相位的。不直接估计AR模型参数，先估计反射系数，再利用Levinson递推算法由反射系数求得AR模型参数。 * PPT课件 误差平方时间平均最小准则： Burg法前后向预测误差产生原理图 参数计算方法：利用Levinson - Durbin迭代算法以及格形滤波器预测误差的迭代关系式，在已知p-1阶模型参数的情况下，只要求出?p即可求出p阶模型参数。 * PPT课件 * PPT课件 * PPT课件 设已知有限数据序列x(n),n=0,1,…,N-1，可按下步骤计算模型参数系数，并在此基础上计算功率谱。 1. 置k=0, 计算初值： 2. k=k+1, 计算反射系数： * PPT课件 5. 计算k阶预测误差功率： 6. 回到步骤(2)-(5), 进行下一次迭代。 4. 计算前、后向预测误差： 3.计算滤波器系数： * PPT课件 算法修正： 如果处理数据来自AR过程，则可获得精确的结果，同时系统的稳定性也有保证。 如果处理的是正弦信号会遇到一些困难，例如：谱线分裂、谱峰位置受相位影响大等。 为了减小相位的影响，可对反射系数估计公式进行如下修正： 其中：wp(n)为某一非负的窗函数。 * PPT课件 第五章 随机信号的功率谱估计 功率谱估计的经典和现代方法 AR模型法的功率谱估计 AR模型法的主要性质 Yule-Walker方程的Levinson – Durbin求解算法 格型滤波器 AR模型参数提取算法 噪声对AR谱估计的影响 ARMA和MA模型法简介 白噪声中正弦波频率的估计 * PPT课件 问题的提出： AR谱估计对观测噪声比较敏感： 噪声会使谱峰展宽，分辨率下降。 噪声会使谱峰偏离正确位置。 在信噪比低的情况下，AR谱估计不会优于周期图方法。 研究怎样减小噪声对AR谱估计的恶化影响？ 假设x(n)是一个AR(p)过程， 为与x(n)不相关且方差为 的白噪声， x(n)与 混合相加后得到y(n)，即： 噪声使AR(p)过程变为ARMA(p, p)过程！ * PPT课件 减小噪声对AR谱估计影响的方法： 使用与实际序列相符的ARMA(p, p)模型进行谱估计方法； 对数据进行滤波，使用维纳滤波器进行波形估计以减小噪声； 补偿自相关函数或反射系数估计中噪声的影响： 采用髙阶AR模型：ARMA(p,p)模型可用AR(?)模型描述； * PPT课件 AR(p)模型谱估计总结： AR谱估计由于对随机采样数据进行了外推，因此得到了比经典谱估计方法高的分辨率，同时能够较好地调和偏差和方差之间的矛盾。 几种常用的现代谱估计方法，例如：最大熵谱估计、线性预测谱估计和AR谱估计等，本质上都是线性外推的思路，因此是等效的。 AR模型可以用三种方法等效地表达：自相关函数值、AR模型参数以及反射系数。 在自相关法、协方差法和Burg法三种AR模型参数提取方法中，自相关法的性能稍差些，其他两种方法的性能相近。 AR谱估计方法对噪声比较敏感，可以从四个方面减小噪声对AR谱估计结果的影响。 * PPT课件 N个样值x(0), x(1)…x(N-1) 功率谱密度 自相关函数 相关图 周期图 AR模型p+1个参量 自相关函数的值 Y-W法 协方差法 修正协方差法 反射系数 Burg法 最大熵 FT FFT * PPT课件 作业：p162 习题4.5、4.26（认真练习） * PPT课件 AR谱估计计算机仿真举例： 设有两个AR(4)模型的时间序列： 宽带序列： x(n)=1.352x(n-1)-1.338x(n-2)+0.662x(n-3)-0.24x(n-4)+ 窄带序列： x(n)=2.760x(n-1)-3.809x(n-2)+2.654x(n-3)-0.924x(n-4)+ 试分别通过自相关法、协方差法和Burg法提取模型参数，进行功率谱估计，并与实际功率谱比较。要求： 每个采样样本的长度为25