第6章随机信号的参数建模法课件3.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《第6章随机信号的参数建模法课件3.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:
- 随机 信号 参数 建模 课件
- 资源描述:
-
1、第6章.功率谱的估计6.1 经典法 101NXiimxN21201NXiXixmN 101,0,1,10,NmiimXix xmNRmNmN两种经典谱估计方法 1.直接法(周期图法)2.间接法(BT法)21XNGXN Nj kXXkNGRk e 101,0,1,1NkXiikiRkx xkNN21()lim(,)2XTTGXT 频率分辨率 10,1,10nNd nothers *NXXD假设两个正弦信号之和 频谱泄漏 11,Mj kXXkMGRkk eMN Nj kXXkNGRk e 101,0,1,1NkXiikiRkx xkNN 1,0,mmM MNkMothers经典谱估计的改进窗函数法
2、 平均法 由概率论可知,对L个具有相同的均值和方差的独立随机变量,新随机变量的均值不变,方差减小了L倍。解决矛盾的方法:数据交叠平均法的矛盾 要减小方差,需要增加段数L。每一段的数据M不能太少,否则谱峰将展宽,偏倚变大,从而分辨率会变差。所以段数L不能太大,即方差减少不多。Welch法01002003004005006007008009001000-30-20-100102030Frequency(Hz)Power Spectrum(dB)Periodogram N=25601002003004005006007008009001000-30-20-10010203040Frequency(H
3、z)Power Spectrum(dB)Periodogram N=102401002003004005006007008009001000-10-50510152025Frequency(Hz)Power Spectrum(dB)Averaged Periodogram(no overlap)N=4*25601002003004005006007008009001000-50510152025Frequency(Hz)Power Spectrum(dB)Averaged Periodogram(half overlap)N=1024经典谱估计的说明 经典谱估计,都用FFT快速计算 谱的分辨率
4、较低 由于不可避免有窗函数的影响,使得谱在窗口主瓣内的功率向边瓣部分“泄漏”方差性能不好,不是一致估计,且N增大时谱曲线起伏加剧 周期图的平均和窗函数的使用紧密相关。平均的目的是改善方差性能,但往往会减小分辨率。谱估计的实际问题 数据采样率 每段数据的长度 数据总长度 数据预处理:滤除直流分量和周期分量(市电干扰)2scffsfMf自相关和谱估计的应用 检测混有周期性确定信号的随机信号(48g)相关测速(fla)故障诊断(48h1-1)各阶固有频率的识别(48a)振型分析(48b)机械系统和基础振动传递特性的分析(48c)结构与设备的振动监测与故障诊断 查找电机噪声源 监视机器的工作状态或作故
5、障诊断 查找各种振动源和噪声源6.2 6.2 参数模型功率谱估计参数模型功率谱估计三种参数模型三种参数模型ARAR模型参数的估计模型参数的估计参数模型功率谱估计参数模型功率谱估计 假定所研究的过程x(n)是由一个输入序列w(n)激励一个线性系统H(z)的输出 由已知的x(n),或其自相关函数Rx(m)估计H(z)的参数 由H(z)的参数来估计x(n)的功率谱 图1随机信号的参数模型)(nw)(nx)(zH)(zW)(zX)(nh 10pqkkkkx na x nkb w nk 0kx nh k w nk B zH zA z 1001pkkkqkkkkkA za zB zb zH zh k z
6、22222jjjxjB eP eH eA e两边取z变换w(n)为白噪声方差为21 1三种参数模型三种参数模型1.1 MAMA(滑动平均)模型(滑动平均)模型 随机信号 由当前的激励 和若干次过去的激励 线性组合产生:(7-1)该模型的系统函数是:(7-2)表示系统阶数,系统函数只有零点,没有极点,所以该系统一定是稳定的系统,也称为全零点模型,用MA()来表示。)(nx)(nw)(knwqkkknwbnx0)()(0()qkkkH zb zqq1.2 AR(自回归模型(自回归模型)随机信号 由本身的若干次过去值 和当前的激励值 线性组合产生:(7-3)该模型的系统函数是:(7-4)是系统阶数,
7、系统函数中只有极点,无零点,也称为全极点模型,系统由于极点的原因,要考虑到系统的稳定性,因而要注意极点的分布位置,用AR()来表示。)(nx)(knx)(nwpkkknxanwnx1)()()(pkkkzazH111)(pp1.3 ARMA(自回归滑动平均)模型自回归滑动平均)模型 ARMA是AR与MA模型的结合:(7-5)该模型的系统函数是:(7-6)它既有零点又有极点,所以也称极零点模型,要考虑极零点的分布位置,保证系统的稳定,用ARMR(,)表示。pkkqkkknxaknwbnx10)()()(pkkkqkkkzazbzH101)(pq2.1 AR模型参数和自相关函数的关系模型参数和自相
8、关函数的关系根据式(7-3):对该式两边同时乘以 ,然后求均值:(7-7)pkkknxanwnx1)()()()(mnx)()()()()()(1pkkmnxknxamnxnwEmnxnxE2 AR模型参数的估计模型参数的估计 因为自相关函数:所以自相关函数呈现偶对称,(7-7)式化为:(7-8)系统的单位脉冲响应 是因果的,所以输出的平稳随机信号和输入的白噪声之间的互相关函数有下列推导:(7-9)(7-10)()()xxR mRm1()()()pxxwkxkR mRma R mk)(nh)()()(mnwnxEmRxw0)()()()()(kknwkhnhnwnx (7-11)所以 (7-1
9、2)带入式(7-8)得到:(7-13)()()()()()()(00mnwknwEkhmnwknwkhEmRkkxw2200()()()()()wwwkkh k Rmkh kmkhm 00)(0)(2mmmhmRwxw121()0()()()0pkxkxpkxwka RmkmRma Rmkhmm由于 由z变换的定义:因而显然,AR模型输出信号的自相关函数具有递推的性质,即:(7-14)上式就是著名的YuleWalker(Y-W)方程,将上式变换:(7-15)pkkkzazH111)(1)0(h1()()0pxkxkR ma R mkm 10()()0pxkxkR ma R mkm lim0zH
10、 zh 从(7-13)求得输入的白噪声方差为:(7-16)将(7-15)和(7-16)结合,把该式的下标简化并写成矩阵的形式,可以写成单一的正规矩阵方程:(7-17)21(0)()0pwxkxkRa Rkm001)0()1()()1()0()1()()1()0(21wpaaRpRpRpRRRpRRR 【例7-1】已知自回归信号模型AR(3)为:式中 是具有方差 =1的平稳白噪声,求 a.自相关序列 ,m0,1,2,3,4,5。b.用a求出的自相关序列来估计AR(3)的参数 ,以及输入白噪声的方差 大小。c.利用给出的AR模型,用计算机仿真给出32点观测值 ,用观测值的自相关序列直接来估计AR(
11、3)的参数 以及输入白噪声的 。)()3(241)2(249)1(2414)(nwnxnxnxnx)(nw2w()xR m ka 2w)(nx ka 2w 32点观测值 0.4282 1.1454 1.5597 1.8994 1.6854 2.3075 2.4679 1.9790 1.6063 1.2804 -0.2083 0.0577 0.0206 0.3572 1.6572 0.7488 1.6666 1.9830 2.6914 1.2521 1.8691 1.6855 0.6242 0.1763 1.3490 0.6955 1.2941 1.0475 0.4319 0.0312 0.58
12、02 -0.6177 解:a.已知的是模型参数 ,14/24 9/24,1/24,来求自相关序列 。)(nx ka1a2a3a()xR m 利用式(7-17),把 代入,利用自相关函数的偶对称,得到一个44的的矩阵:001)0()1()()1()0()1()()1()0(21wpaaRpRpRpRRRpRRR ka000124/124/924/141)0()1()2()3()1()0()1()2()2()1()0()1()3()2()1()0(RRRRRRRRRRRRRRRR解线性方程组得:R(0)=4.9377 R(1)4.3287 R(2)4.1964 R(3)3.8654利用式(7-14
13、)可以求出R(4),R(5)3.6481,3.4027当然还可以求出无穷多的自相关序列值。1()()0pxkxkR ma R mkm 31(4)(4)xkxkRa Rk 31(5)(5)xkxkRa Rk b.已知自相关序列值,来估计3阶AR模型的参数 以及 利用式(7-17)得到矩阵:(7-18)解线性方程组得到:14/24,9/24,1/24,1 ka 2w0001)0()1()2()3()1()0()1()2()2()1()0()1()3()2()1()0(2321waaaRRRRRRRRRRRRRRRR1 a2 a3 a2wc.利用给出的32点观测值,先求自相关序列(按照上节的样本自相
14、关定义 计算)由于偶对称只给出m0,1,231的 1.9271 1.6618 1.5381 1.3545 1.1349 0.9060 0.8673 0.7520 0.7637 0.8058 0.8497 0.8761 0.9608 0.8859 0.7868 0.7445 0.6830 0.5808 0.5622 0.5134 0.4301 0.3998 0.3050 0.2550 0.1997 0.1282 0.0637 0.0329 -0.0015 -0.0089 -0.0143 -0.008311()nxii miR mx xn()xR m 把头4个相关序列值代入矩阵(7-18)求得估计
15、值:0.6984 ,0.2748 0.0915,0.4678 与真实AR模型参数误差为:0.1151,0.1002,0.0498,1 a2 a3 a2w1e2e3e)(nw)(nx)(zH)(zW)(zX)(nh 10pqkkkkx na x nkb w nk 1001pkkkqkkkkkA za zB zb zH zh k z 22222jjjxjB eP eH eA e差分方程功率谱pkkknxanwnx1)()()(pkkkzazH111)(211(0)(1)()(1)(0)(1)0()(1)(0)0wpRRR paRRR paR pR pRAR模型(全极点模型)转移函数AR模型的正则方
展开阅读全文