郑州大学课程大作业实验报告
题
目:
功率谱估计问题
课程名称:
随机信号处理
指导教师:
陈恩庆
学生姓名:
学号: 20152410115
专
业:
电子信息工程
院(系):
信息工程学院
完成时间:
2018.6.10
摘要
本文主要阐述了功率谱估计的方法:古典(经典)谱估计和现代(近代)谱估计,并且
对几种方法均给出了 MATLAB 仿真程序以及运行结果。通过不同方法产生频谱图的比较,归
纳总结了几种方法的优缺点,并对其进行了优化改良。为了更好地模拟计算功率谱, 采用了
现代功率谱估计,在现代谱估计中介绍了四种方法:Yule-Walker 法(自相关法)谱估计、
Levinson-Durbin 快速递推法、Burg 算法谱估计、Music 算法谱估计。并且着重讲述常用的基
于 AR 模型的自相关法和 Burg 算法, 通过仿真给出了估计出的功率谱曲线。编写仿真程序,
最终得出均方误差(MSE)与信噪比(SNR)之间的关系曲线,便于分析研究。
关键词: 功率谱估计 AR 模型 自相关法 均方误差
目 录
摘要··········································································1
1 古典(经典)谱估计 ·························································2
1.1 周期图法谱估计·······················································2
2 现代(近代)谱估计·······················································3
2.1 Yule-walker 法
···············································3
2.2 Levinson-Durbin 法
······································ 7
2.3 Burg 算法 ······················································9
3 均方误差 ·······························································12
4 心得体会·································································13
附录·····································································14
4.1 周期图法谱估计 MATLAB 源程序··········································14
4.2 Yule-Walker 法(自相关法)谱估计 MATLAB 源程序(及 MSE)····················14
4.3 Levinson-Durin 算法谱估计 MATLAB 源程序(及 MSE)·······················18
4.4 Burg 算法谱估计 MATLAB 源程序(及 MSE)···································21
第 1 页
1 古典(经典)谱估计
古典谱估计主要有相关法(间接法)和周期图法(直接法)两种,以及由此
派生出来的各种改进算法。
周期图法谱估计
周期图法又称直接法。它是从随机信号 x(n)中截取 N 长的一段,把它视为能
量有限 x(n)真实功率谱
( jw
x eS
)
的估计
( jw
x eS
)
的抽样.。具体步骤如下:
(1)由获得的 N 点数据构成的有限长序列
( jw
)
N eX
,即
谱
xN 直接求傅立叶变换,得频
)(n
(
eX
N
jw
)
N
1
n
0
)(
enx
N
jwn
(2)取频谱幅度的平方,并除以 N,以此作为对 x(n)真实功率谱
估计,即
MATLAB 仿真结果:
^
(
eS
x
jw
)
1
N
2
(
eX
N
jw
)
( jw
x eS
)
的
·采样点数 N=128 时
第 2 页
·采样点数 N=256 时
采样点数 N=128 和 N=256 仿真结果对比可见采样点数越高,图形越密集,分辨率越大。
而与相同采样点数 256 点采样的相关法谱估计相比,分辨率较高,但谱线上
下起伏波动较大,方差较大,曲线较粗糙,不平滑。
2 现代(近代)谱估计
古典谱估计出现较早,有许多比较实用的优点,但是还是有一些难以克服的
缺点,例如:谱的分辨率较低,加窗的坏影响不可避免,古典谱不是真实谱的一
致估计等。上述缺点促使人们寻找更好的谱估计方法,这就导致了现代谱估计的
产生。
AR 模型的 Yule-walker 方程
以 AR 模型为基础的谱估计可由式(2. 3. 4)计算,只是这
里的 q=0,b0=0ρm 。这就需要知道模型的阶数 P 和 P 个
AR 系数,以及模型激励源的方差。为此,必须把这些参数
和己知(或估计得到)的自相关函数联系起来,这就是著名的
Yule-walker 方程。
第 3 页
第 4 页
·N=128 时 阶数 P=45 结果
第 5 页
·N=256 P=85 时结果
·N=512
P=170 时结果
第 6 页
·结果分析:随着采样点数的增加,对于中心频率 0.2、0.213
估计的越来越准,越来越精确,是因为对于长序列,其自相关函数估
计较准确,对于相对较短的序列,其自相关函数估计不准确,导致频
谱分辨率较低,不能得出理想的结果。
在阶次选择程度相同的前提下(每组 p 约为 N/3),采样点数越
多,谱分辨率越高;在仿真过程中,尝试过采用不同的 P 值,分析同
样采样,不同阶数情况下的仿真结果,发现当采样点数相同的前提下
p 值越大,产生的伪峰越多,若 p 值过大,很可能干扰主峰的判别,
很难观察出 0.2、0.213 两个频率,使功率谱估计不准确。
通过老师口述以及相关资料的表述一般 AR 模型阶次为 N/3~N/2,
最终按照这样标准完成了仿真。
Levinson-Durbin 算法
Yule-Walker 法是通过解 Yule-Walker 方程获得 AR 模型参数。Levinson-Durbin
算法是一种解 Yule-Walker 方程的高效算法,该算法用信号 p+1 个自相关函数值
解出 AR 模型的 p+1 个参数,递推公式为
k
m
mR
x
(
)
a
m
1
)(
imRi
(
x
m
1
)
),
i
,
m
1
,...,2,1
m
1
(
im
1
i
1
)(
i
1
1(
k
)(
ia
a
m
m
1
m
m
其中,m=1,2,...,p,
ak
mm
2
)
m
xR
0
)0(
在实际应用中,自相关函数只能根据有限的数据记录去估计。为保证自相关
矩阵的非负定性,一般选择下式的有偏估计来估算自相关函数,即
mR
(
x
)
N
1
1m
x
N
0
n
)(
xn
N
N
(
mn
)
,
m≥0 且
-( mR x
)
=
(mR x
)
Yule-Walker 法又叫自相关法,这是因为如果用自相关法对数据开窗(人为假
定已知数据段之外的数据为 0),所得结果与使用有偏自相关函数估计的
Yule-Walker 方程等效。
MATLAB 仿真结果
第 7 页