23特征分解与正弦频率估计课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《23特征分解与正弦频率估计课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 23 特征 分解 正弦 频率 估计 课件
- 资源描述:
-
1、4.6 白噪声中的正弦波频率估计引言引言 本节讨论如何估计白噪声中的正弦波的频率.这里所指“正弦波”的主要特征是:是正弦波过程,其初相位是 内均匀分布的随机变量;如果是多个正弦波的组合,它们之间是非谐波关系(因此不能采用周期图法分析).估计方法特征分解法特征分解法,这是一种特别适合于多个正弦波加白噪声序列的频率估计方法.本节介绍以下两种方法:(1)Pisarenko(皮萨伦科)法 主要思路是:将白噪声中的正弦过程作为一个特殊的将白噪声中的正弦过程作为一个特殊的ARMA模型模型,用特用特征方程求该模型参数征方程求该模型参数,从而计算正弦波的频率从而计算正弦波的频率,功率以及噪声功率等功率以及噪声
2、功率等.2 (2)子空间法(多信号分类法MUSIC方法)主要思路是:把数据自相关阵中的信息空间分解成信号子空间和噪声子把数据自相关阵中的信息空间分解成信号子空间和噪声子空间空间,这两个子空间中的矢量函数这两个子空间中的矢量函数(并不是功率谱并不是功率谱)在正弦波频率上呈现尖在正弦波频率上呈现尖峰峰(最大值最大值),据此即可估计正弦波的频率据此即可估计正弦波的频率.这种带白噪声的正弦波频率估计,也是评价谱分析的性能的基础.MUSICMultiple Signal Classification其它估计方法评述:Burg法会产生谱分裂,谱峰偏移;修正协方差法较为适用,但对低信噪比情况,难以估计淹没在
3、噪声中的正弦波频率.4.6.1用退化的AR模型表示纯正弦波过程1.纯实正弦波过程纯实正弦波过程 为了将纯正弦波过程与AR模型联系起来,现研究下列三角恒等式:或者表示为 (4.6.1)令则式(4.6.1)可表示为下列二阶差分方程 (4.6.2)1(sin)(cos2)2(sin)sin(nnn注:利用和差化积公式:即可证明该式.2cos2sin2sinsin)2(sin)1(sin)(cos2)sin(nnn()sin()x nn)2()1()cos2()(nxnxnx取上式的Z变换,得式中 称为特征多项式 (4.6.3)当 时,可解得两个根:其特点是:与 共轭成对;,均在单位园上.由以上两个根
4、可确定正弦波的频率为 ,(只取正频率)式(4.6.2)可看作为一个特殊的二阶AR过程,称为“退化的”二阶AR模型,其特征如下:2,iifT 0)()(zDzX)(zD21)cos2(1)(zzzD0)(zDjez 1jezz121z2z1|21 zzReImtan1iiizz2,1i21ff 1()()()pkkx na x nkw n正规AR(p)模型的差分方程表示为 模型的激励白噪声方差趋于0;退化的AR(2)模型 极点趋于单位园;两个系数分别为 和1.现将以上处理扩展到由 个实正弦波组成的随机过程:(4.6.4)式中,和 第 个正弦波的振幅和角频率;初相位,是在区间 内均匀分布的独立随机
5、变量,它在一次实现中为常量.与单个正弦信号类似,存在下列特征多项式:(4.6.5)显见,应是 的 阶多项式,(4.6.6)cos2pPiiiinqnx1)sin()(iqiii),(0)cos21()(121piizzzD)(zD1zp2200pkkka z10a 考虑到根的共轭成对性,式(4.6.5)与(4.6.6)的等价性可用下式表示:(4.6.7)这样,由式(4.6.6),可用下列 阶差分方程描述 个实正弦波组合的模型:(4.6.8)注意:个实正弦波组合是退化的 过程,独立参量为 个.2.复正弦波过程复正弦波过程 若 是由 个复正弦波组成的正弦波过程,即 (4.6.9)用一个退化的AR(
6、p)模型表示该过程的差分方程为 (4.6.10)201()()ppkkiikia zzzzzp2p21()()pkkx na x nkpAR(2)pp)(nxp)(1)(iinjpiieAnxpkkknxanx1)()(其特征多项式为,(4.6.11)其根为,(4.6.12)注意:这里的根不是共轭成对的.因此,个复正弦波组合是退化的过程,独立参量也是 个.pkkkza0010aijiezpi 1p)(AR pp4.6.2用特殊的ARMA模型表示白噪声中的正弦波过程 附加白噪声 的 个正弦波组合信号为 (4.6.13)式中,满足:;将式中 个正弦波组合 用 模型表示,得到 (4.6.14)由式(
7、4.6.13),可得 将上式代入式(4.6.14),得 (4.6.15)这是一个特殊的 模型.)(nwppiiiinwnqnwnxny1)()sin()()()()(nw0)(nwElnwlwnwE,2)()(0)()(lwnxEp)(nx)2(ARp)()()(21nwinxanypii)()()(nwnynx)()()(inwinyinxpiipiiinwanwinyany2121)()()()()2,2(ARMApp 与一般的 模型比较,主要有下列不同:(1)式(4.6.15)的AR部分与MA部分具有相同的阶数和相同的参数,它们存在共同的因子(这正是该模型的特殊之处);(2)由于特征多项
8、式(4.6.7)式的根的模为1,故AR部分特征多项式不满足平稳性条件,MA部分特征多项式也不满足可逆性条件.(3)AR部分的 ,可见 是含白噪声的观测值,而作为信号的 却不含白噪声.ARMApkqkkkknwbnwknxanx11)()()()()()()(nwnxny)(ny)(nx4.6.3 特征分解法谱估计1.皮萨伦科皮萨伦科(Pisarenko)谱分解法谱分解法 特殊的 模型结构,不能采用一般的 模型谱估计方法获得各正弦信号的频率与功率.为此介绍特征分解技术.将式(4.6.15)写成矩阵形式:(4.6.16)式中式(4.6.16)两边左乘 ,并取数学期望,得到 (4.6.17)ARMA
9、ARMAAWAYTTT)2(,),1(),(pnynynyYT)2(,),1(),(pnwnwnwWT221,1 paaaAYAYWAYYTTEE式中将以上关系式代入式(4.6.16),得到下列特征方程 (4.6.18)其中,是数据 的自相关函数;是 的特征值;是对应的特征矢量.可以证明:(1)是 的最小特征值;(2)当 的维数是 时,是 的单量特征值,因此与 对应的特征矢量是唯一的.)0()12()2()12()0()1()2()1()0(TyyyyyyyyyyyyyyyyyyyyRpRpRpRRRpRRRERYYIWWWWXYW2TTT)(wEEEAAR2wyyyyR)(ny2wyyRA2
10、w2wyyRyyR)12()12(pp2wyyR2w 正弦波的频率正弦波的频率:当 的维数是 时,由 算出对应于最小特征值的特征矢量 以后,就可由特征多项式 的根获得正弦信号的频率信息.由特征方程 ,(4.6.19)解出该方程的 个根,这些根均在z平面的单位园上,它们是:,(4.6.20)式中的 即是正弦波的频率.正弦波的功率正弦波的功率:已知 ,且yyR)12()12(ppyyR2wA0)(zD01)(22221120pppkkkzazazazazD10ap2ijiezpi2,2,1i)()()(nwnxnyPiiiinqnx1)sin()(其中,和 ()是彼此独立的随机变量;;的概率密度
11、().的自相关函数为 (4.6.21),(4.6.22)式中,是正弦波的功率,即由式(4.6.22),令 ,可得以下矩阵方程由以上矩阵方程,可解出 ().iqipi,2,10iqEi21)(ifi)(nypiiwyyPR12)0(piiiyymPmR1cos)(0miP22iiqP pm,2,1)()2()1(coscoscos2cos2cos2coscoscoscos21212121pRRRPPPpppyyyyyyppppiPpi,2,1说明说明:(1)Pisarenko谱分解法的关键一步,是求自相关函数 的最小特征值及对应的特征矢量.(2)当正弦波的个数 不知道时,可按以下准则估计ARMA
展开阅读全文