第五章 现代谱估计 - USTChome.ustc.edu.cn/~lzx2010/pdf/chapter5_1_2015.pdf · 第五章...
Transcript of 第五章 现代谱估计 - USTChome.ustc.edu.cn/~lzx2010/pdf/chapter5_1_2015.pdf · 第五章...
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 1
第五章 现代谱估计
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 2
5.1 引言
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 3
信号 确定性信号 周期信号 非周期信号
非确定信号 随机信号
确定信号的谱:付立叶变换
随机信号:付立叶变换不存在---》功率谱密度/功率谱
观察到有限个信号样本
估计 功率谱估计
应用:语音信号分析,雷达信号处理,机械振动信号分析等
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 4
5.2 离散随机信号及其数字特征
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 5
一 离散随机信号的分类
随机信号:概率密度函数
统计特征参数[均值,方差,相关函数,协方
差函数,高阶矩等]
平稳随机信号(Stationary):
1) 弱平稳(广义平稳,wide sense stationary)
一阶和二阶矩与时间无关
各态历经( ergodicity ): 时间均值等于统计均值
2)强平稳 (严格平稳)
限于讨论各态历经随机信号
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 6
二 离散随机信号的数字特征
设:x(n)=0,n<0;-----因果实的离散随机信号
1. 平均 各态历经条件下,统计平均等于时间平均
1
0
1( ) lim ( ) [ ( )]
N
x xN
n
m n m x n E x nN
均值:
12 2 2 2
0
1( ) lim [ ( ) ] [( ( ) ) ]
N
x x x xN
n
n x n m E x n mN
方差:
2 2
12 2
0
1( ) lim ( ) [ ( )]
N
x x Nn
m n m x n E x nN
均方值:
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 7
2 相关函数和协方差函数
a) 相关函数
离散确定性信号
1 2
3 1 2
1 2
( ) ( ) ( )
m
m
x xx n x m x n m
x x
自相关
互相关
离散随机信号
自相关 1
0
1( ) lim ( ) ( ) =E[ ( ) ( )]
n N
xN
n
R m x n x n m x n x n mN
1* *
0
( )
1( ) lim ( ) ( ) =E[ ( ) ( )]
n N
xN
n
x n
R m x n x n m x n x n mN
若 是复数
( ) ( )x xR m R m 2( )x xR m
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 8
互相关 1
0
2
1( ) lim ( ) ( ) =E[ ( ) ( )]
( ) ( ); (0) (0) ( )
n N
xyN
n
xy yx x y xy
R m x n y n m x n y n mN
R m R m R R R m
自协方差
1
0
2
x
1( ) lim [ ( ) ][ ( ) ]
=E[( ( ) )( ( ) )]
=R ( )
n N
x x xN
n
x x
x
C m x n m x n m mN
x n m x n m m
m m
2(0)x xC
互协方差 1
0
1( ) lim [ ( ) ][ ( ) ]
=E{[ ( ) ][ ( )- ]}
( ) ( )
n N
xy x yN
n
x y
xy xy x y
C m x n m y n m mN
x n m y n m m
C m R m m m
20 ( ) ( ), (0) (0)x x x x x xm C m R m R C
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 9
5.3 功率谱估计概述
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 10
一 功率谱密度定义
1 定义 x(n)
( ) ( )
(1)1
( ) ( )2
mj j m
x x
m
j j m
x x
S e R m e
R m S e e d
维纳—辛钦公式
2( ) , 0, ( )
0[ 0, ( )
j
x x x x
x x
R m m S e
m m x n
由于 所以若 不一定收敛.
故一般地假设 若 可通过对 去均值处理]
物理意义:Rx(m)随着m越快衰减,说明该时间序列随时间变化越剧烈;反之则说明该时间序列随时间变化越平缓。故Rx(m)中包含了各种频率成分的功率信息。
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 11
2
1(2) ( ) lim ( )
2 1
( )
n Nj j n
xN
n N
mj m
x
m
S e E x n eN
R m e
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 12
2
( )
2
2
1( ) lim ( )
2 1
1lim ( ) ( )
2 1
1lim ( )
2 1
1lim [2 1 ] ( )
2 1
lim
n Nj j n
xN
n N
n N m Nj n j m
Nn N m N
n N m Nj n m
Nn N m N
k Nj k
Nk N
N
S e E x n eN
E x n e x m eN
R n m eN
N k R k eN
2
2
[1 ] ( )2 1
( )
k Nj k
k N
mj m
x
m
kR k e
N
R m e
2
2
( ) [2 1 ] ( )n N m N k N
n N m N k N
f n m N k f k
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 13
2.功率谱密度的性质
功率谱密度的性质:
为实的偶函数。
。(由定义2)
随机序列的平均功率:
随机序列 到 之间的平均功率为:
1R (0) ( )d
2
j
x xS e
2
1
12* ( )d
2
j
xS e
( )j
xS e
( ) 0j
xS e
( ) ( )
1( ) ( )
2
mj j m
x x
m
j j m
x x
S e R m e
R m S e e d
1 0 2 0
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 14
3.平稳白噪声序列功率谱密度
平稳白噪声序列:
定义:平稳随机时间序列x(n)不同时刻的随机变量两两不相关。
数字特征:
均值:E{x(n)}=0。
自相关函数:Rx(m) = 2(m)。
功率谱密度: 。 2( )j
xS e
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 15
二 功率谱估计问题及谱估计方法
1 谱估计问题 x(n)
给定一个随机过程的一个实现中的有限长度数据
x(0), x(1),。。。, x(N-1)
来估计:
2 谱估计方法
非参数法谱估计
参数法谱估计
线性谱分析法(经典谱估计)
非线性谱分析法(现代谱估计)
( )j
xS e
周期图法,自相关法
平滑周期图法
最小方差法
时间序列模型
最大熵谱估计法
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 16
三 统计估计基础回顾
估计量仍是一个随机变量
1)无偏估计
估计偏量(偏差)
0 1 1ˆ ( , ,..., )Na F x x x
( ) [ ]
( ) 0,
B a a E a
B a
若 则称无偏估计
lim ( ) 0,N
B a a a
若 则称 是真值 的渐进无偏估计
例: 1
0
( ) ( ), [ ( )] 0
1( )
[ ] ,
x
N
x
n
x x x x
x n m e n E e n
m x nN
E m m m m
即 是 的无偏估计
[ ]E a aa
( )p a
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 17
2)最小方差估计(有效估计)
2 2[ ] {[( ( )] } minaVar a E a E a
ˆ( )xp m
( )xp m
2 2
ˆ x xm m
3)一致估计
2 2 2[ ] {[ ] } min (
[ ]
a
N
MSE a E a a B
MSE a a a
均方误差最小)
若 0,则 是 的渐进一致估计
xm
估计的可信度
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 18
4)偏量与方差的折衷
2
, [ ]
:
: [ ] (1 )
[ ] [ ]
x x x
x x
x x
x x
m E m m
m am
B m a m
Var m a Var m
:无偏
令
则
( ) [ ]
[ ]
(1 )
x x x
x x
x x
x
B m m E m
m E am
m am
a m
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 19
5.4 自相关函数的估计
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 20
ˆ( ) : (0), (1),..., ( 1) ( ) : ( ), [ ( )] 0x xx n x x x N R m R m E x n 设
一 窗估计法
方法1:
方法2:
1
0
1( ) ( ) ( ), N-1
N m
N
n
R m x n x n m mN
1
0
1( ) ( ) ( ), N-1
N m
N
n
R m x n x n m mN m
( ) ( )N N
N mR m R m
N
[ ( )] ( ) [ ( )] ( )N
N x N x
N mE R m R m E R m R m
N
渐进无偏
[ ( )] ( )N xE R m R m 无偏估计
2[ ( )] ( ) [ ( )] [ ( )]N N N
N mVar R m Var R m Var R m
N
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 21
二 自相关函数的Rader计算法
1.问题
线性相关可由园周相关计算,此时圆周相关的周期L>=2N+1
1
0
1( ) ( ) ( ),0 N-1
( ) ( ) ,m=-1,-2,...,-N+1
N m
N
n
N N
R m x n x n m mN
R m R m
1
0
*
1( ) ( ) (( ))
1[ ( ) ( )],0 N-1
L
N L
l
R m x l x l mN
IFFT X k X k mN
一般地, ,因此利用上述方法计算量较大 m M N
2.Rader法 2:1分段
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 22
( ( 1) ),0 1( )
0, 2 1i
x n i M n Mv n
M n M
( ( 1) ),0 2 1
( )0, others
i
x n i M n Mu n
1,2,..., /i K N M
1
1 0
*
1
*
1
1( ) ( ) ( )
1[ ( ) ( )]
1[ ( ) ( )]
K M
N i i
i n
K
i i
i
K
i i
i
R m v n u n mN
IFFT V k U kN
IFFT V k U kN
2
2
( ) [ ( )]
( ) [ ( )]
i M i
i M i
V k FFT v n
U k FFT u n
1
2
21 1
( ) ( ) ( )
( ) ( ) ( ) ( ) ( 1) ( )
i i i
j MkkM
i i i i i
u n v n v n M
U k V k e V k V k V k
1,2,..., 1i K
( ) ( )K KU k V k而
1
0
1( ) ( ) ( ),0 N-1
N m
N
n
R m x n x n m mN
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 23
Rader法算法步骤
2
2 2
1. ( ), 1,2,..., , [ / ], ( ) [ ( )]
2log (2 ) log (2 )
2
i i M iV k i K K N M V k FFT v n
MM N M
N
乘法:M
12. ( ) ( ) ( 1) ( ); 1,2,..., 1;
( ) ( )
k
i i i
K K
U k V k V k i K
U k V k
*3. ( ) ( ) ( ); 1,2,..., ;
: 2 2
i i iX k V k U k i K
NM N
M
乘法1
4. ( ) ( );K
i
i
X k X k
2 2
15. ( ) [ ( )],0 1
2: log (2 ) log (2 )
2
NR m IFFT X k m MN
MM M M
乘法
(2 ) 2M N2总计算量:(N+M)log
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 24
5.5 传统功率谱估计
(非参数谱估计)
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 25
一 间接法(BT法,自相关法)
间接法I
间接法II
ˆ( ) ( ) , 1M
j j m
N
m M
S e R m e M N
ˆ( ) ( ) , 1M
j j m
N
m M
S e R m e M N
渐进无偏
渐进无偏
二 直接法(周期图法) 1
0
( ), 0,1,..., 1 ( ) ( )N
j j n
n
x n n N X e x n e
21
: ( ) ( )
( ) ( )
j
N
j
N
I X eN
S e I
定义 周期图
则令:2
1( ) lim ( )
2 1
n Nj j n
xN
n N
S e E x n eN
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 26
< 直接法和间接法间的关系> 2
1 1
0 0
1 1( )
0 0
1( ) ( )
1( ) ( )
1( ) ( )
j
N
N Nj k j n
k n
N Nj k n
k n
I X eN
x k e x n eN
x k x n eN
,m k n k n m 令
2
11
( 1) 0
1
( 1)
1( ) ( )
1( ) ( )
( )
j
N
N mNj m
m N n
Nj m
N
m N
I X eN
x n x n m eN
R m e
( ) 1NI N 是间接法I当M 时的功率谱估计
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 27
三 直接法和间接法估计质量
<均值>
间接法I(M=N-1)
直接法
定义
间接法I(M=N-1)和直接法的均值可统一表示为:
1 1
( 1) ( 1)
ˆ[ ( )] [ ( )] ( )N N
j j m j m
N x
m N m N
N mE S e E R m e R m e
N
1
( 1)
ˆ[ ( )] [ ( )] (1 ) ( )N
j j m
N x
m N
mE S e E I R m e
N
2
2
sin1 , 2( ) ( )
sin0,2
N
B B
Nmm N
w m WNNothers
( )1ˆ[ ( )] ( )* ( ) ( ) ( )2
j j N j N j
B BE S e S e W S e W e d
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 28
间接法II
<方差>
表达式较为复杂,当x(n)是高斯随机过程时:
ˆ[ ( )] [ ( )]
( )
( ) ( )
( )* ( )
Mj j m
N
m M
Mj m
x
m M
j m
R x
m
j
R x
E S e E R m e
R m e
w m R m e
W S e
1, , 1
0,
sin[ (2 1) / 2]: ( ) , ( )
sin[ / 2]
m M M N
R others R
Mw n W
其中
22
2
sin [ ]ˆ[ ( )] ( ) 1[ sin ]
j j
x
NVar S e S e
N
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 29
四 传统功率谱估计的改进
1.平均周期图法
( ), 0,1,..., 1
( ) ( ),0 1,1i
x n n N K
x n x n iM M n M i K
分成 段,每段M个取样,N=KM
21
0
1( ) ( ) ,1
Mi i j n
M
n
I x n e i KM
1
1: ( ) ( )
Ki
x M
i
B IK
定义
: [ ( )] [ ( )] ( )* ( )i j M j
x M x BE B E I S e W e 则2
2
2
1 1 sin [ ]: [ ( )] [ ( )] ( ) 1
[ sin ]
i j
x M x
MVar B Var I S e
K K M
而
有偏渐近一致估计
K个独立同分布随机变量的平均值的方差为单独一个变量方差的1/K
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 30
2.平滑周期图法(BT谱估计的改进)
11
( 1)
ˆ: ( ) ( ) , 1
( )
Mj j m
N
m M
NM Nj m
N
m N
BT S e R m e M N
R m e
( ) ( )
( ) ( ) ( ) ( )
N N
j j
N N
m R m R m
S e m R m S e R m
大 估计 所用数据少 估计 不可靠,方差大
的方差大 减少 大的 对 的贡献 对 加权1
( 1)
ˆ ( ) ( ) ( )M
j j m
BT N
m M
S e w m R m e
0 ( ) (0) 1
( ) ( )
( ) 0, , 1
w m w
w m w m
w m m M M N
( ) ( ), ( ) ( ) ( )j j
N Nw m W e R m S e I
ˆ ( ) ( )* ( )j j
BT NS e I W e
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 31
ˆ[ ( )] [ ( )* ( )]
[ ( )]* ( )]
( )* ( )* ( )
( )* ( )
j j
BT N
j
N
j N j j
x B
M Nj j
x
E S e E I W e
E I W e
S e W e W e
S e W e
( ) ( ),M
jW e
渐近无偏
( 1)2 2
( 1)
1: [ ( )] ( ) ( )
Mj
BT x
m M
Var S S e w mN
而
偏倚与方差之间存在矛盾,一般取M=N/5
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 32
3.修正周期图求平均法(Welch法)
加窗平滑+分段平均
( ), 0,1,..., 1
( ) ( ),0 1,1i
x n n N K
x n x n iM M n M i K
分成 段,每段M个取样,N=KM
21
0
1( ) ( ) ( ) ,1
Mi i j n
M
n
J x n w n e i KMU
1
2
0
1( )
M
n
U w nM
1
1: ( ) ( )
Kj i
avpd M
i
S e JK
定义
: [ ( )] [ ( )] ( )* ( )* ( )j i j M j j
avpd M x BE S e E J S e W e W e 则2
1
0
1( ) ( )
Mj j n
n
W e w n eMU
21[ ( )] ( )j j
avpd xVar S e S eK
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 33
4.传统谱估计的主要问题
偏差和方差的折衷 分辨率和可靠性
人为地将观察到的数据以外的数据视为零
MMVCLAB
2015/11/1 2015/11/1 MMVCLAB 34
经典谱估计方法的缺点:
有偏估计:经典谱估计方法无法进一步提高分辨率,存在较严重的旁瓣“泄漏”现象。
方差很大:估计的方差随着采样数目N的增大基本上不减小。
经典谱估计得到的功率谱密度不是一致性估计。
在采样数目N有限的条件下,经典谱估计方法无法较好地调和估计偏差和方差的矛盾。
产生经典谱估计方法缺点的原因分析:
数据长度有限是造成分辨率低和旁瓣“泄漏”的根本原因。
经典谱估计都仅是对提供数据的“简单”利用,没有想办
法挖掘并利用数据间内在的规律性。
( )1ˆ[ ( )] ( )* ( ) ( ) ( )2
j j N j N j
B BE S e S e W S e W e d
22
2
sin [ ]ˆ[ ( )] ( ) 1[ sin ]
j j
x
NVar S e S e
N