Download presentation
Presentation is loading. Please wait.
1
第四章 功率谱估计
2
谱估计的基本任务是根据有限个观测数据,估计平稳随机过程的功率谱密度。
谱:频谱,功率谱 对于我们所研究的信号,随机平稳信号,功率谱
3
4.1 引言 时钟, 日历: 经验谱 棱镜分解一束光:光谱
每一种谱估计的技术都可以认为是一种模型法,具体地说,就是根据过程的先验知识,建立一个近似实际过程的模型;其次利用观测数据或自相关函数来估计函数的模型参数,最后做谱估计。
4
维纳——辛钦定理
5
功率谱的另一种定义
6
当信号具有遍历性时
7
辞海—谱 (1)按照事务的类别或系统编成的表册,年谱 (2)供示范或寻检用的图书、样本,如棋谱、画谱、脸谱 (3)曲线:乐谱
(4)按歌词作曲,曲谱 (5)大致的依据、打算:心里有谱,做事没谱 (6)左右、大约:三十元之谱
8
谱线 复杂振动用谱线表示时,代表各振动的频率和振幅的一系列直线,谱线数反映了该复杂振动所包含的谐振动的个数,各谱线的长短。
9
考虑到 是观测数据, 是随机变量,取统计平均
10
二、谱估计方法的概述
12
经典谱估计的缺点 频率分辩率低,这是由于有限个观测数据加窗截断的影响。 主瓣:功率谱向附近频域扩展,谱模糊,频率分辩率低。
旁瓣:谱间干扰,强信号的旁瓣影响弱信号的检测,淹没弱信号;或者把旁瓣误以为信号。
13
现代谱估计 估计质量比经典谱估计质量有很大提高,需要针对不同的信号,选择合适的模型,但目前尚未有任何理论来指导模型的选择。一般来说,AR模型适合有谱峰的信号,MA模型适合有波谷的信号。
14
4.2 经典谱估计
15
一、BT法
16
1958年,Blackman和Tukey提出,在1965年FFT算法出现之前,BT法一直是最常用的方法。
理论基础:维纳——辛钦定理 自相关函数的估计 功率谱的估计
17
根据前面的分析已经知道,有偏自相关函数的估计优于无偏自相关函数的估 计
18
实际上,根据有限个观测数据来估计自相关函数的,假设信号为 ,进入自相关函数估计的为 , 估计得到得自相关函数 ,则
21
是由于截断数据而产生的,为了减少截断的影响,通常要增加一个窗函数进行平滑处理。
设平滑窗为
22
功率谱
23
设 的持续时间为 ,需要注意的是,考虑到功率的非负性,在选择窗函数的时候,一定要保证功率谱是一个非负值。
24
误差分析
25
可以看出,方差小 M小 偏移小 M大主瓣窄,频率分辩率高 通常M取数据长度的 .i.e.
26
二.周期图法
27
1.原理: 忽略求统计平均运算 用DFT计算功率谱
28
2.与BT法的关系
29
周期图的谱估计与有偏自相关函数的估计等价
序列后面加零,FFT谱线变密,频率分辨率并没有提高。
30
3. 周期图谱估计的 性能分析
31
(1) 均值
32
BT法谱估计 其中,
33
由(1)式可知 因此,周期图是有偏估计 当 时, ,其频谱趋近于 函数,周期图的估计属于渐近无偏估计
34
(2)方差
35
假设x(n)是实的、零均值、正态白噪声信号,方差为 ,则功率谱为常数 。
36
这里假设信号是实的白噪声信号,周期图估计是无偏估计。
37
要计算周期图的均方值,先计算
42
当N→∞时 周期图是非一致估计
43
上面的推导是以 为依据进行推导的,其定性结果在一个相当宽的范围内立。
上面的推导是以 为依据进行推导的,其定性结果在一个相当宽的范围内立。
44
若 , k,l均为整数,则
45
当 且k+l不是N的整数倍时, 以 的整数倍为频率间距的周期图是不相关的 协方差为零的功率谱样本之间的间距↓,周期图的起伏增快。
47
BT法和周期图法的主要优点 计算量小 功率谱估计值正比于正弦波的功率 是一种良好的实用模型
48
主要缺点: 弱信号被强信号的旁瓣淹没 频率分辩率约为数据长度的倒数,且与数据的特征或信噪比无关 出现旁瓣,使谱失真
需采用某种平滑或平均措施以改善谱估计的统计特性 某些加窗的相关函数会使功率谱估计值出现负值
49
经典谱估计不可能获得良好的谱估计 m↑,参与求和项数↓,平均效果↓,m=N-1,只有一项。→滞后量以较大的是不可靠的,估计方差大。
50
经典谱估计不可能获得良好的谱估计 周期图法用到了m=0~N-1的全部相关函数的估计值 方差较大,BT法虽然可以通过使相关函数的最大滞后量M<N-1来去掉那些不可靠的相关函数估计值,但 M ↓ ,将FT的求和范围缩短,变换式本身的近似程度↑ 。
51
三.经典谱估计方法的改进
52
窗口处理法:(FFT出现以前)选择适当的窗函数作为加权平均。
平均周期图法:数据分段 求出各段的平均周期图 取平均 Welch法:改进的Bartlett法
53
1.平均周期图 分L组,每组有M个数据, 第 组:
55
信号的功率谱 三角窗长度的减少,主瓣变宽,频率分辨率减少,因此平均周期图法是以牺牲频率分辨率换取方差的减小。
56
如果数据是不相关的(白噪声),其偏移量、方差如上面的两式所示。但实际信号存在关联性,因此,在一般情况下,估计方差的减小少于 。
当 ,功率谱越平滑。 估计的偏移量与方差是一对矛盾。偏移大小反映的是频率分辨率。 当N确定, ,方差减小,频率分辨率降低。
57
方差减小有明显效果
58
2. 窗函数法
59
选择一个适当的窗函数 与周期图卷积,平滑周期图。
60
由于 的长度M<数据长度N,因此窗函数平滑周期图相当于加了一个短的截断窗,使得频率分布率降低,偏移量上升,换取方差的减小。
61
3. 修正周期图法(Welch法)
62
Welch法对Bartlett法做了两方面的修正
(1)选择适当的窗函数,在计算各组周期图之前加进去。 优点:无论什么样的窗函数,均可使
63
归一化因子
64
2)在分组时,可使各组数据有重叠。方差 重叠最高可达50%。
65
小结 周期图法直接对有限长序列的观测值进行FFT,再取模平方,忽略了集合平均。谱估计的结果仍时一个随机变量。
缺点: 不是一致估计,方差较大 。 增加序列长度并不能改善估计效果。
66
自相关函数法 随机序列值 自相关函数 PSD 隐含的存在一个矩形窗,缺点与周期图法类似。
Similar presentations