一种高效的功率谱估计器多相滤波器组谱分析方法的性能讨论与天文观测应用.docxVIP

一种高效的功率谱估计器多相滤波器组谱分析方法的性能讨论与天文观测应用 通过对人体辐射信号的功率谱分析，我们可以获得许多信息，如辐射机制、运动性质和其他性能。在射电天文数字终端设备中,对信号进行谱分析主要采用自相关或周期图方法;另一方面,以多相结构实现的数字滤波器组能够实现信号的均匀子带分解,在数据流与计算量上相对于滤波器组的直接实现有很大的降低,因此应用多相滤波器组进行谱分析,也是一种可选择的方案,如GALFA中性氢巡天项目所用的频谱仪即基于多相滤波器组进行研制。本文拟对这种方法的原理进行分析,并从仿真和实测上与通常的周期图方法性能进行比较,以得到有参考意义的结果。 本文内容组织如下,第1节简要介绍多相滤波器组的原理,第2节对PFB谱估计器的统计性能和计算量进行讨论,并与具有相同通道数及相同单位样值响应长度(即原型FIR滤波器长度)的周期图方法分别进行比较,第3、4节介绍仿真与实测的结果。 1 数字滤波器的频率响应 多相滤波器组是数字滤波器组的一种高效实现形式,用于对信号进行均匀子带分解。所谓均匀子带分解,是指滤波器组中的每一个子带滤波器具有相同的通带宽度,依次占据信号整个频带,从而将信号分解为若干个相同带宽的子带信号,其频谱分解过程如图1。 上图所示的均匀子带分解过程中,低通滤波器通带为[-f1/2D,f1/2D],第k个子带滤波器的通带为[(2k-1)f1/2D,(2k+1)f1/2D],并且上述数字滤波器均为有限冲激响应(FIR)滤波器。由于滤波器组的通带划分具有均匀性,因此各子带滤波器的频率响应可以由其中的低通滤波器经频谱搬移得到,此频谱搬移过程可表示为: hk(n)=h0(n)ej2πDkn,k=0,1,...,D?1hk(n)=h0(n)ej2πDkn,k=0,1,...,D-1(1) 其中h0(n)为低通滤波器的单位样值响应,hk(n)为第k个子带滤波器的单位样值响应,由于各子带滤波器均通过低通滤波器得到,因而此低通滤波器也被称为原型低通滤波器。 通常,对每一个子带信号,经带通滤波之后都需要进行混频、抽取处理。可以证明,对均匀划分的多通道滤波器组,上述子带处理过程可以用图2中更为高效的多相结构形式实现,也即多相滤波器组。 图中抽样时间T2=DT1,第ρ个子带的滤波器单位样值响应为: gρ(n)=h0(nD+ρ),n=0,1,...,K-1, (2) 第ρ个子带输入的信号变为x(nD-ρ),是对原信号进行ρ点延迟和D倍抽取后的结果。 相对于直接实现的滤波、混频、抽取处理,多相滤波器组将信号的抽取提前,同时对滤波器单位样值响应也进行了抽取和重排列,子带滤波器的单位样值响应长度从KD下降为K,从而大大降低了资源量。 2 有限样本参数估计 随机信号x(n)的功率谱定义为: ?(ω)=∑k=?∞+∞r(k)e?jωk?(ω)=∑k=-∞+∞r(k)e-jωk(3) 其中,r(k)是输入信号x(n)的自相关函数,理论上信号的自相关函数需要通过无限长信号的计算得到,但是由于实际采集到的信号样本长度总是有限的,因此需要利用有限样本估计无限长信号的功率谱,即构成一个信号参数估计问题。 实际中应用最普遍的谱估计算法是基于FFT的周期图方法,周期图方法在大样本量场合下是一个良好的谱估计器,将多相滤波器组用于功率谱估计,也构成一个谱估计器,下面对其性能进行讨论,并与周期图方法进行比较。 下面的讨论中,如无特别说明,均设定多相滤波器组通道数为D,多相结构下的子滤波器长度(又称多相因子)为K,对应的原型滤波器长度为N=KD。 对于谱估计方法性能的讨论总是在有限样本长度的条件下进行的,需要区分大样本量与小样本量情况。对于PFB方法,显然在小样本量(如LKD)的情况下是不适用的。此处仅考虑样本数L大于原型滤波器长度N=KD的情况,设样本数为N的整数倍,L=MN。输入信号记为: x(n),n=1,2,...,MN(4) 2.1 子段编码及功率谱密度估计 应用滤波器组进行信号功率谱估计的原理如图3。 图中上部为信号处理的流程,下部为信号频谱的变化。通过对带通滤波后的信号进行功率计算,功率计算是一个积分平均的过程,由此得到该通带内信号功率的估计值。设计一组带通滤波器,使其通带之和覆盖整个信号带宽,就可以估计出输入信号的功率谱。 对信号进行带通滤波和功率计算,实际上是对信号功率谱进行了平滑。而对于不同的带通滤波器形式、以及不同的滤波器组实现方案,会具有不同的估计性能。 D通道PFB谱估计器首先将所有样本数据有重叠的分成MK个子段,每一子段含KD个样本数据,每一子段相对于上一子段新增D个样本,分段方法如图4。 然后对上述的每一子段样本依次进行D通道的子带滤波,由PFB处理过程与图2的等效性可知,PFB是采用单位样值响应长度为KD的原型滤波器进