没有合适的资源?快使用搜索试试~ 我知道了~
对功率谱估计常用方法的探讨及应用.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 121 浏览量
2022-11-13
23:14:42
上传
评论
收藏 1.35MB DOCX 举报
温馨提示
![preview](https://dl-preview.csdnimg.cn/86996856/0001-51fa7e0b36662c2904b0ab99ddd77ee0_thumbnail-wide.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
试读
32页
。。。
资源推荐
资源详情
资源评论
![doc](https://img-home.csdnimg.cn/images/20210720083327.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![gz](https://img-home.csdnimg.cn/images/20210720083447.png)
![pptx](https://img-home.csdnimg.cn/images/20210720083543.png)
![pptx](https://img-home.csdnimg.cn/images/20210720083543.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/release/download_crawler_static/86996856/bg1.jpg)
对功率谱估计常用方法的探讨及应用分析
对功率谱估计常用方法的探讨及应用分析
![](https://csdnimg.cn/release/download_crawler_static/86996856/bg2.jpg)
进行傅里叶变换在频域中研究信号,是研究确定性信号最简单且有效的手段,
但在现代信号分析中,对于常见的随机信号,不可能用清楚的数学关系式来描述,
其傅里叶变换更不存在,转而可以利用给定的 N 个样本数据估计一个平稳随机信号
的功率谱密度。功率谱估计是数字信号处理的重要研究内容之一。功率谱估计可以
分为经典功率谱估计和现代功率谱估计。本文介绍了各种经典功率谱估计方法,不
仅从理论上对各种方法的谱估计质量进行了分析比较 , 而且通过 Matlab 进行了仿
真。在对经典谱估计进行讨论之后,还分析了现代谱估计即参数谱估计方法,通过
观测数据估计参数模型再按照求参数模型输出功率的方法估计信号功率谱。现代谱
估计的内容极其丰富,设计的学科及应用的领域都相当广泛,至今每年都有大量的
科研成果出来。在本文的最后利用现代谱估计的方法讨论了功率谱方法在噪声源信
号识别中的应用。文章还给出了常见谱估计方法的比较,便于深刻理解各种方法的
特点,从而在实际工作中做出合理的选择。
1.功率谱方法的发展
功率谱估计是随机信号处理的重要内容,其技术渊源很长,而且在过去的 40
余年中获得了飞速的发展。涉及到信号与系统、随机信号分析、概率统计、矩阵代
数等一系列的基础学科,广泛应用于人民的日常生活及军事、工业、农业活动中,
是一个具有强大生命力的研究领域。本文将简要回顾一下功率谱估计的发展历程,
对常用的一些方法进行总结。功率谱的估计方法有很多,主要有经典谱估计和现代
谱估计。经典谱估计又可以分成两种:一种是 BT 法,也叫间接法;另一种是直接
法又称周期图法。现代谱估计的方法又大致可分为参数模型谱估计和非参数模型谱
估计,前者有 AR 模型、MA 模型、ARMA 模型、PRONY 模型等,后者有最小方
差方法、多分量的 MUSIC 方法等。
功率谱估计是数字信号处理的主要内容之一,主要研究信号在频域中的各种特
征,目的是根据有限数据在频域内提取被淹没在噪声中的有用信号。下面对谱估计
的发展过程做简要回顾:
英国科学家牛顿最早给出了“谱”的概念。后来,1822 年,法国工程师傅立叶提
出了著名的傅立叶谐波分析理论。该理论至今依然是进行信号分析和信号处理的理
论基础。
傅立叶级数提出后,首先在人们观测自然界中的周期现象时得到应用。19 世纪
末,Schuster 提出用傅立叶级数的幅度平方作为函数中功率的度量,并将其命名为
“周期图”(periodogram)。这是经典谱估计的最早提法,这种提法至今仍然被沿用,
![](https://csdnimg.cn/release/download_crawler_static/86996856/bg3.jpg)
只不过现在是用快速傅立叶变换(FFT)来计算离散傅立叶变换( DFT),用 DFT
1958 年, R,Blackman 和 J.Tukey 首先提出 BT 法,并命名为布莱克曼-杜基谱
估计器(简称 BT 谱估计器)。这种方法是先按照有限个观测数据估计自相关函数,
再对其求傅里叶变换得到功率谱。在 1965 年 FFT 未出现以前,BT 法一直是最常用
的方法。
Walker利用 Yule的分析方法研究了衰减正弦时间序列,得出 Yule-Walker方程,
可以说,Yule和 Walker 都是开拓自回归模型的先锋。
1930 年,著名控制理论专家 Wiener 在他的著作中首次精确定义了一个随机过
程的自相关函数及功率谱密度,并把谱分析建立在随机过程统计特征的基础上,即,
“ 功 率 谱 密 度 是 随 机 过 程 二 阶 统 计 量 自 相 关 函 数 的 傅 立 叶 变 换 ” , 这 就 是
Wiener—Khintchine 定理。该定理把功率谱密度定义为频率的连续函数,而不再像
以前定义为离散的谐波频率的函数。
1949 年,Tukey根据 Wiener—Khintchine 定理提出了对有限长数据进行谱估计
的自相关法,即利用有限长数据估计自相关函数,再对该自相关函数球傅立叶变换,
从而得到谱的估计。1958 年, Blackman 和 Tukey在出版的有关经典谱估计的专著
中讨论了自相关谱估计法,所以自相关法又叫 BT 法。 周期图法和自相关法都可用
快速傅立叶变换算法来实现,且物理概念明确,因而仍是目前较常用的谱估计方法。
现代谱估计的提出主要是针对经典谱估计(周期图和自相关法)的分辨率和方
差性能不好的问题。1967 年,Burg 提出的最大嫡谱估计,即是朝着高分辨率谱估
计所作的最有意义的努力。虽然,Bartlett 在 1948 年,Parzem 于 1957 年都曾经
建议用自回归模型做谱估计,但在 Burg 的论文发表之前,都没有引起注意。
现代谱估计的内容极其丰富,涉及的学科及应用领域也相当广泛,至今,每年
都有大量的论文出现。目前尚难对现代谱估计的方法作出准确的分类。从现代谱估
![](https://csdnimg.cn/release/download_crawler_static/86996856/bg4.jpg)
计的方法上,大致可以分为参数模型谱估计和非参数模型谱估计,前者有 AR 模
型、MA 模型、ARMA 模型、PRONY 模型等;后者有最小方差方法、多分量的
MUSIC 方法等。非参数模型谱估计的特点是其模型不是用有限参数来描述,而直
接由相关函数序列得到,这种方法能提高低信噪比时的谱分辨率。参数模型谱估计
是先根据过程的先验信息或者一些假定,建立一个数学模型来表示所给定采样数据
的过程,或者选择一个较好的近似实际模型,而后利用采样数据序列或者自相关序
列,估计该模型的参数,最后把参数代入到该模型对应的理论功率谱表达式,得到
所需要的谱估计。目前大量的论文集中在模型参数的求解上,以求得到速度更快、
更稳健、统计性能更好的算法。
在通信系统中,往往需要研究具有目中统计特性的随机信号。由于随机信号是
一类持续时间无限长,具有无限大能量的功率信号,它不满足傅里叶变换条件,而
且也不存在解析表达式,因此就不能够应用确定信号的频谱计算方法去分析随机信
号的频谱。然而,虽然随机信号的频谱不存在,但其相关函数是可以确定的。如果
随机信号是平稳的,那么其相关函数的傅里叶变换就是它的功率谱密度函数,简称
功率谱。功率谱反映了单位频带内随机信号的一个样本信号来对该随机过程的功率
谱密度函数做出估计。
功率谱估计有着极其广泛的应用,不仅在认识一个随机信号时,需要估计它的
功率谱。它还被广泛地应用于各种信号处理中。在信号处理的许多场所,要求预先
知道信号的功率谱密度(或自相关函数)。例如,在最佳线性过滤问题中,要设计一
个维纳滤波器就首先要求知道(或估计出)信号与噪声的功率谱密度(或自相关函数)。
统的幅频特性 ( ) 时,可用一白色噪声
H
n
() 2 ,于是有:
(1-1)
2
H
宽带噪声中检测窄带信号。这是功率谱估计在信号处理中的一个重要用途。但是这
要求功率谱估计有足够好的频率的分辨率,否则就不一定能够清楚地检测出来。所
![](https://csdnimg.cn/release/download_crawler_static/86996856/bg5.jpg)
功率谱估计就是通过信号的相关性估计出接受到信号的功率随频率的变化关
系,实际用途有滤波,信号识别(分析出信号的频率),信号分离,系统辨识等。
谱估计技术是现代信号处理的一个重要部分,还包括空间谱估计,高阶谱估计等。
维纳滤波、卡尔曼滤波,可用于自适应滤波,信号波形预测等(火控系统中的飞机
航迹预判)。
有限 x(n)真实功率谱 ( ) 的估计 ( ) 的抽样.
S e S e
jw
jw
x
x
周期图这一概念早在 1899 年就提出了,但由于点数N一般比较大,该方法的
计算量过大而在当时无法使用。只是 1965 年 FFT 出现后,此法才变成谱估计的一
个常用方法。周期图法包含了下列二条假设:
N
N
N
N
x
N
但是,当相关法被引入基于 FFT 的快速相关后,相关法和周期图法开始融合。
比我们发现:如果相关法中 M=N,不加延迟窗,那么就和充(N-1)个零的周期图
法一样了。简单地可以这样说:周期图法是 M=N 时相关法的特例。因此相关法和
周期图法可结合使用。
N
x
N
剩余31页未读,继续阅读
资源评论
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/3c39599dc7cf4373a282763035024fb7_m0_62089210.jpg!1)
春哥111
- 粉丝: 1w+
- 资源: 5万+
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)