现代信号处理论文.pdfVIP

AR 模型的功率谱估计 BURG 算法的分析与仿真 钱平 （信号与信息处理 S101904010 ） 一．引言 现代谱估计法主要以随机过程的参数模型为基础， 也可以称其为参数模型方法或简称模型方法。 现 代谱估计技术的研究和应用主要起始于 20 世纪 60 年代，在分辨率的可靠性和滤波性能方面有较大进步。 目前，现代谱估计研究侧重于一维谱分析，其他如多维谱估计、多通道谱估计、高阶谱估计等的研究正 在兴起， 特别是双谱和三谱估计的研究受到重视， 人们希望这些新方法能在提取信息、 估计相位和描述 非线性等方面获得更多的应用。 现代谱估计从方法上大致可分为参数模型谱估计和非参数模型谱估计两种。 基于参数建摸的功率谱 估计是现代功率谱估计的重要内容， 其目的就是为了改善功率谱估计的频率分辨率， 它主要包括 AR 模 型、 MA 模型、 ARMA 模型，其中基于 AR 模型的功率谱估计是现代功率谱估计中最常用的一种方法， 这是因为 AR 模型参数的精确估计可以通过解一组线性方程求得，而对于 MA 和 ARMA 模型功率谱估 计来说，其参数的精确估计需要解一组高阶的非线性方程。在利用 AR 模型进行功率谱估计时， 必须计 算出 AR 模型的参数和激励白噪声序列的方差。这些参数的提取算法主要包括自相关法、 Burg 算法、 协方差法、 改进的协方差法，以及最大似然估计法。本章主要针对采用 AR 模型的两种方法： Levinson-Durbin 递推算法、 Burg 递推算法。 实际中， 数字信号的功率谱只能用所得的有限次记录的有限长数据来予以估计， 这就产生了功率谱 估计这一研究领域。 功率谱的估计大致可分为经典功率谱估计和现代功率谱估计， 针对经典谱估计的分 辨率低和方差性能不好等问题提出了现代谱估计， AR 模型谱估计就是现代谱估计常用的方法之一。 信号的频谱分析是研究信号特性的重要手段之一， 通常是求其功率谱来进行频谱分析。 功率谱反映 了随机信号各频率成份功率能量的分布情况， 可以揭示信号中隐含的周期性及靠得很近的谱峰等有用信 息，在许多领域都发挥了重要作用。 然而，实际应用中的平稳随机信号通常是有限长的，只能根据有限 长信号估计原信号的真实功率谱，这就是功率谱估计。 二． AR 模型的构建 假定 u(n) 、x(n) 都是实平稳的随机信号， u(n)为白噪声，方差为 ，现在，我们希望建立 AR 模型 的参数 和 x(n) 的自相关函数的关系，也即 AR 模型的正则方程 (normal equation) 。 p 由 ( ) { ( ) ( )} {[ ( ) ( )] ( )} m E x n x n m E x n m k