功率谱估计性能分析及其MATLAB实现.pdfVIP

功率谱估计性能分析及其 MATLAB 实现 一、 经典功率谱估计分类简介 1．间接法 根据维纳-辛钦定理，1958 年 Blackman 和 Turkey 给出了这一方法的具体实现，即先由 N 个 观察值xN(n)，估计出自相关函数rx (m)，求自相关函数傅里叶变换，以此变换结果作为对功 率谱Px (w)的估计。 2 ．直接法 直接法功率谱估计是间接法功率谱估计的一个特例，又称为周期图法，它是把随机信号的 N 个观察值xN(n)直接进行傅里叶变换，得到XN(ejw)，然后取其幅值的平方，再除以 N，作为 对功率谱Px (w)的估计。 3 ．改进的周期图法 将 N 点的观察值分成 L 个数据段，每段的数据为 M，然后计算 L 个数据段的周期图的平均Pper (w)，作为功率谱的估计，以此来改善用 N 点观察数据直接计算的周期图Pper (w)的方差特性。 根据分段方法的不同，又可以分为 Welch 法和 Bartlett 法。 Welch 法 所分的数据段可以互相重叠，选用的数据窗可以是任意窗。 Bartlett 法 所分的数据段互不重叠，选用的数据窗是矩形窗。 二、 经典功率谱估计的性能比较 1．仿真结果 为了比较经典功率谱估计的性能，本文采用的信号是高斯白噪声加两个正弦信号，采样率 Fs=1000Hz，两个正弦信号的频率分别为f1=200Hz ，f2=210Hz 。所用数据长度 N=400. 仿真结果如下： 1 (a) (b) (c) (d) (e) (f) Figure1 经典功率谱估计的仿真结果 Figure1(a)示出了待估计信号的时域波形； Figure2(b)示出了用该数据段直接求出的周期图，所用的数据窗为矩形窗； Figure2(c)是用 BT 法（间接法）求出的功率谱曲线，对自相关函数用的平滑窗为矩形窗，长 度 M=128，数据没有加窗； Figure2(d)是用 BT 法（间接法）求出的功率谱曲线，对自相关函数用的平滑窗为 Hamming 窗，长度 M=64，数据没有加窗； Figure2(e)是用 Welch 平均法求出的功率谱曲线，每段数据的长度为 64 点，重叠 32 点，使 用的 Hamming 窗； Figure2(f)是用 Welch 平均法求出的功率谱曲线，每段数据的长度为 100 点，重叠 48 点，使 用的 Hamming 窗； 2 2 ．性能比较 1) 直接法得到的功率谱分辨率最高，但是方差性能最差，功率谱起伏剧烈，容易出现 虚假谱峰； 2) 间接法由于使用了平滑窗对直接法估计的功率谱进行了平滑，因此方差性能比直接 法好，功率谱比直接法估计的要平滑，但其分辨率比直接法低。 3) Welch 平均周期图法是三种经典功率谱估计方法中方差性能最好的，估计的功率谱 也最为平滑，但这是以分辨率的下降及偏差的增大为代价的。 3 ．关于经典功率谱估计的总结 1) 功率谱估计，不论是直接法还是间接法都可以用 FFT 快速计算，且物理概念明确，因而 仍是目前较常用的谱估计方法。 2) 谱的分辨率较低，它正比于 2 π/N ，N 是所使用的数据长度。 3) 方差性能不好，不是真实功率谱的一致估计，且 N 增大时，功率谱起伏加剧。 4) 周期图的平滑和平均是和窗函数的使用紧密关联的，平滑和平均主要是用来改善周期图 的方差性能，但往往又减小了分辨率和增加了偏差，没有一个窗函数能使估计的功率谱 在方差、偏差和分辨率各个方面都得到改善，因此使用窗函数只是改进估计质量的一个 技巧问题，并不能从根本上解决问题。 三、 AR 模型功率谱估计 1．AR 模型功率谱估计简介 AR 模型功率谱估计是现代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 以用解一组线性方程（Yule-Walker 方程）的方法求得。其核心思想是：将信号看成