现代数字信号处理课件Review-of-msp.ppt

* 2021/9/12 修正周期图法: Bartlett平均周期图法 窗口处理法平均周期图 Welch法（修正的周期图求平均法） * 2021/9/12 结论:传统的功率谱估计方法,采用观测到的N个样本值估计功率谱,认为在此观察到的N个数据以外的x(n)=0。因此,无论采取哪一种改进方法,总是以减少分辨率为代价,换取估计方差的减少,提高分辨率的问题无法根本解决。 * 2021/9/12 估计功率谱的方法: 首先根据信号观测数据估计信号自相关函数; 求出模型参数; 最后按照下式求出信号的功率谱: AR模型法: * 2021/9/12 AR模型隐含着自相关函数外推的特性,使它具有高分辨率的优点。 m≥1 m=0 0≤m≤p mp * 2021/9/12 信号预测误差最小原则（或预测误差功率最小） 自相关法（Levinson递推法） Burg法 协方差法 修正协方差法 * 2021/9/12 关于AR模型阶次的选择 如果是纯P阶AR信号,应选择模型阶次k ≥ P。 如果选择模型阶次k＜P时,将产生对谱的平滑作用,降低谱的分辨率。 对于白噪声中的AR信号,其阶次的选择应折衷考虑。 如选择AR模型,其阶次应加大,较低的阶次会使谱估计产生偏移, 降低分辨率。 信噪比愈低,平滑作用愈严重,愈需要高的阶次, 因此信噪比低应选高的阶次。 阶次愈高,分辨率愈高;但阶次太高,会使估计误差加大,谱峰分裂。 * 2021/9/12 最大熵谱估计方法: AR模型功率谱估计和最大熵谱估计的等价性。 * 2021/9/12 第五章 时频分析 主要内容: 线性时频分析:短时傅里叶变换、Gabor变换、小波分析; 双线性时频分析:维格纳变换（WD）、Cohen类时频分布。 * 2021/9/12 傅立叶变换的不足: 缺乏时间和频率的定位功能; 分析时变信号和非平稳信号的局限性; 分辨率上的局限性,受不确定原理的约束。 * 2021/9/12 短时傅里叶变换: 2Ω0 Ω0/2 Ω0 * 2021/9/12 STFT特点: STFT要求窗口内信号平稳,即窗口不能太长; 时间分辨率和频率分辨率受不确定定理限制,不能同时任意小; 窗口固定不变,分辨率单一; 窗函数选择难; STFT建立在信号稳态基础之上,不能及时反映信号频谱随时间变化的情况。 * 2021/9/12 小波分析: 小波基函数 作为小波函数所应具有的大致特征:即 是一带通函数,它的时域波形应是振荡的。此外,从时－频定位的角度,希望 是有限支撑的,因此它应是快速衰减的。这样,时域有限长且是振荡的这一类函数即是被称作小波（wavelet）的原因。 * 2021/9/12 当用较小的a对信号作高频分析时,实际上是用高频小波对信号作细致观察;当用较大的a对信号作低频分析时,实际上是用低频小波对信号作概貌观察。 a取不同值时小波变换对信号分析的时－频区间 * 2021/9/12 小波变换的特点 多分辨率分析方法; 小波变换的时频关系受不确定原理的制约,在时频平面上的分析窗是可调的,但分析窗的面积保持不变; 采用不同的尺度a作处理时,各个Ψ(aΩ)的中心频率和带宽都不一样,但是它们的品质因数Q却是相同的,即“中心频率／带宽”为常数。 * 2021/9/12 维格纳变换:（最简单的时频分布形式） WD服从二次叠加原理。 时频域(t,f)——时间-频率平面。 * 2021/9/12 维格纳变换的特点: 因为信号的二次型是信号的能量表示,所以这种分布表示了信号的能量分布; 在某一时刻或某一个频率处的WD不能解释为信号的瞬时能量; 两个信号和的WD有交叉项存在,使得两个信号和的分布已不再是两个信号各自分布的和; 满足二次叠加原理。 * 2021/9/12 模糊函数: 模糊域（θ,τ）——时移-频移平面 最大值始终在 平面的原点，且该最大值即是信号的能量， * 2021/9/12 同一信号AF及WD互项与自项的位置示意图 * 2021/9/12 WD中交叉项的抑制: 对信号求模糊函数,由于模糊函数的自项始终在 平面的原点处,而交叉项远离原点,故可以设计一个二维低通滤波器,来抑制模糊函数中的交叉项; 对滤波后的模糊函数作二维傅立叶变换,得到信号的维格纳变换,此时的WD即是抑制了交叉项的新WD。 * 2021/9/12 Cohen类时频分布: 采用不同的核函数可以得到不同的时频分布,时频分布的各种性质要求,则反映在对核函数的约束条件上。 φ(θ,τ)=1 时, Cohen 类时频分布将转换成WD,即核函数是全通函数,它对AF的互项无抑制作用,因此,其WD也就存在着较大的交叉项。 消除干扰项的方法:应该选择