有代码功率谱估计Levinson递推法Burg递推法随机信号处理

有代码功率谱估计Levinson递推法Burg递推法随机信号处理

ID:38110187

大小:582.97 KB

页数:17页

时间:2019-06-06

有代码功率谱估计Levinson递推法Burg递推法随机信号处理_第1页
有代码功率谱估计Levinson递推法Burg递推法随机信号处理_第2页
有代码功率谱估计Levinson递推法Burg递推法随机信号处理_第3页
有代码功率谱估计Levinson递推法Burg递推法随机信号处理_第4页
有代码功率谱估计Levinson递推法Burg递推法随机信号处理_第5页
资源描述:

《有代码功率谱估计Levinson递推法Burg递推法随机信号处理》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、随机信号处理实验报告功率谱估计随机信号处理学号:姓名:随机信号处理实验报告实验三功率谱估计1实验内容信号为两个正弦信号加高斯白噪声,各正弦信号的信噪比均为10dB,长度为N,信号频率分别为和,初始相位,取,取不同数值:0.3,0.25。为采样频率。分别用Levinson递推法和Burg法进行功率谱估计,并分析改变数据长度、模型阶数对谱估计结果的影响。2实验原理2.1Levinson递推法:自相关法——列文森(Lenvison)递推法是已知信号观测数据,估计功率谱。它的出发点是选择AR模型参数使预测误差功率最小。假设信号的数据区

2、在范围,有P个预测系数,N个数据经过冲激响应为的滤波器,输出预测误差的长度为,因此有预测误差功率为的长度长于数据的长度,上式中数据在以外补充零点,相当于对无穷长的信号加窗处理,会引入误差。上式对系数的实部和虚部求微分使预测误差功率最小,得(Yule-Walker方程)式中自相关函数采用有偏自相关估计,即随机信号处理实验报告Levinson-Durbin算法:使一种按阶次递推的算法。它以和模型参数作为初始条件,计算模型参数;再用模型参数计算模型参数,k阶模型参数由k-1阶模型参数计算得到。一直计算出模型参数为止。一阶AR模型的Y

3、ule-Walker方程为由该方程解出然后令,以此类推,可以得到一般递推公式如下:称为反射系数,。,随着阶数增加,预测误差功率将减少或不变。由k=1开始递推,递推到k=p,依次得到各阶模型参数,AR模型的各个系数及模型输入白噪声方差求出后,信号功率谱用下式计算随机信号处理实验报告这种方法递推效率高,当阶数变化时,无需从头计算。但需要预先估计出信号自相关函数,当观测数据长度较短时,估计误差较大,会出现谱峰频率偏移和谱线分裂;如数据很长,估计自相关函数较准确。2.2Burg递推法:Levinson-Durbin递推法需要由观测数据

4、估计自相关函数,这是它的缺点。而伯格递推法则由信号观测数据直接计算AR模型参数。伯格递推法利用Levinson-Durbin递推公式,导出前向预测误差与后向预测误差,并按照使它们最小的原则求出,从而实现不用估计自相关函数,直接用观测数据得出结果。Burg递推法思想:借助格型预测误差滤波器,求前向、后向预测误差平均功率,选择使其最小,求出。之后,再利用Levinson-Durbin递推法求模型参数和输入噪声方差。设信号的观测数据区间:,前向、后向预测误差功率分别用和表示,预测误差平均功率用表示,公式分别为前向、后向观测误差公式分

5、别为随机信号处理实验报告上式中,信号项的自变量最大的是n,最小的是n-p,为了保证计算范围不超出给定的数据范围,在和计算公式中,选择求和范围为:。为求预测误差平均功率最小时的反射系数,令,将前、后向预测误差的递推公式代入得Burg递推法求AR模型参数的递推公式总结:(1)(2)(3)(4)(5)(6)(7)随机信号处理实验报告3实验结果及分析3.1原始信号,观测信号这里取,,,,。3.2Levenson递推法3.2.1取,,或,阶数不变,实验不同数据长度对功率谱估计的影响1)信号长度随机信号处理实验报告信号长度N=35,阶数M

6、=20的功率谱估计1)信号长度信号长度N=145,阶数M=20的功率谱估计2)信号长度随机信号处理实验报告信号长度N=2000,阶数M=20的功率谱估计分析:由以上三个实验对比,可以看出当观测数据长度较短时,估计误差较大,会出现谱峰频率偏移与谱线分裂;当数据很长时,估计自相关函数较准确,但计算量较大。3.2.2取,,,信号长度不变,实验不同模型阶数对功率谱估计的影响1)阶数M=22)阶数M=4随机信号处理实验报告3)阶数M=84)阶数M=16分析:随机信号处理实验报告由以上几个实验对比,可以看出当阶次较低,会使谱估计产生偏移,

7、降低分辨率;当阶次越高,分辨率越高;当阶次太高,会使估计误差加大,谱峰分裂。3.3Burg递推法3.3.1取,,或,阶数不变,实验不同数据长度对功率谱估计的影响1)信号长度信号长度N=35,阶数M=20的功率谱估计2)信号长度信号长度N=145,阶数M=20的功率谱估计3)信号长度随机信号处理实验报告信号长度N=2000,阶数M=20的功率谱估计分析:由以上三个实验对比,可以看出当观测数据长度较短时,估计误差较大,会出现谱峰频率偏移与谱线分裂;当数据很长时,估计自相关函数较准确,但计算量较大。频率越靠近的谱估计,需要的阶数越高

8、。3.3.2取,,,信号长度不变,实验不同模型阶数对功率谱估计的影响1)阶数M=42)阶数M=8随机信号处理实验报告1)阶数M=162)阶数M=28随机信号处理实验报告分析:由以上几个实验对比,可以看出当阶次较低,会使谱估计产生偏移,降低分辨率;当阶次越高,分辨率越高;当阶次

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。