谱分析与谱估计.pptxVIP

谱分析与谱估计2. 功率谱估计第2页/共43页相关函数法周期图法目标获得实随机过程 的功率谱密度 的近似估计2.1 相关函数法第3页/共43页Blackman-Tukey算法，BT算法基本思路：从时域上先求信号自相关函数，再做Fourier变换，求得功率谱估计值。自相关序列第4页/共43页Wiener-Khinchin公式弱平稳随机过程的功率谱密度是其相应自相关函数的Fourier变换估计方法分为两种直接估计法（非参数方法）依赖于信号产生模型的方法（参数化方法）简单快速、不够精确计算相对复杂、但更精确2.2 直接估计法的局限性第5页/共43页噪声的不利影响；对于随机过程，仅有一组可用的信号（实现） ；信号的长度有限，如 。2.3 假设第6页/共43页 对于随机过程的实现各态历经(Ergodic)：统计平均可以用算术平均来代替；平稳性(Stationary)：信号的无限平均可以用有限平均来代替；以上两种平均均可从 求出。2.4 窗函数截断第7页/共43页根据以上假设，可以对数据进行截断，利用窗函数得到以下的新信号 ： 为窗函数，从信号中截取一部分信号 .3. 周期图（ Periodogram ）第8页/共43页功率谱密度计算公式为很明显当可以利用FFT有效计算。第9页/共43页对其做FFT，有其估计值为第10页/共43页由于序列x(n)的离散傅里叶变换X(k)具有周期函数性质，因此称为长度为N的实平稳随机信号序列的周期图第11页/共43页有限自相关也称为短信号的自相关序列，这是将在功率谱密度估计中要用到的参数。3.1 PSD估计第12页/共43页周期图法计算式可改写为周期图法的有限自相关表达方式；存在问题：统计变异性估计的偏度误差3.2 偏差与方差第13页/共43页偏差（Bias）当采样个数N趋于无穷时，估计值是否收敛于真实值？是?无偏：Unbiased estimate;否?有偏：Biased estimate;偏差分析第14页/共43页PSD估计式中截尾信号的自相关序列为：第15页/共43页根据卷积定理，有偏差定义为谱密度真实均值与期望均值之差例：第16页/共43页选用矩形窗函数与真实功率谱密度进行卷积运算时，得到的是平均周期图(平滑PSD)。矩形窗的主体宽度为 ，因此当 时，有第17页/共43页因此 是真实功率谱密度的渐近无偏估计。对该结论进行推广可以得到对窗函数的一些具体要求：标准化条件：窗口的主体部分必须随1/N递减。方差分析第18页/共43页1. 谱估计的变异性变异系数：谱估计的均值和方差之比利用周期图法做谱估计时，周期图X(k)为复数，因此有第19页/共43页考虑高斯变量情形，则XR(k)和XI(k)也是高斯变量；卡方分布公式：第20页/共43页因此有因此变异系数为根据周期图公式，自由度n=2，因此变异系数为1，相对误差达到100%，估计极其不准确。第21页/共43页2. 平均化处理对周期图进行平均化处理可以减小变异系数，得到较高的谱估计精度。将序列x(n)分段，求各段周期图，再做平均，此时有：各段频率分量的实部与虚部互相独立第22页/共43页此时卡方分布自由度为n=2q. 变异系数为 ，表明随着平均谱 分段数q增大，变异系数减小，从而可以通 过增加分段数来减小变异性。对连续随机过程，样本总体长度为T(T=N△t), △t为采样间隔，分段长度Te(T/q)，那么分析带宽Be=1/Te，因此有 4. Matlab应用举例第23页/共43页求卷积 x = randn(1,100); w = 10; y = conv(ones(1,w)/w,x); avgs = y(10:99); plot(avgs)第24页/共43页第25页/共43页Ensemble average w = 10; for i = 1:w; X(i,:) = randn(1,100); end AVGS = mean(X); plot(AVGS)第26页/共43页第27页/共43页交叉相关xcorr,交叉协方差xcorr两组信号的交叉相关等价于两组信号的卷积(其中一组逆序fliplr)xcov的作用是在计算交叉相关之前去掉输入的均值；信号与自身的交叉相关称为自相关。第28页/共43页 x = [-1 0 1]; y = [0 1 2]; xcorr(x,y) conv(x,fliplr(y)) xcov(x,y) xcov(x,x) xcov(x,y-1)例1.交叉相关第29页/共43页考虑简单的目标测距系统，输出信号x与返回信号y之间的关系为：其中a