基于自回归模型的现代谱估计算法研究.doc

  • 需要金币1000 个金币
  • 资料包括:完整论文
  • 转换比率:金钱 X 10=金币数量, 即1元=10金币
  • 论文格式:Word格式(*.doc)
  • 更新时间:2015-03-18
  • 论文字数:17030
  • 当前位置论文阅览室 > 论文范例 > 工程论文 >
  • 课题来源:(乖宝宝)提供原创文章

支付并下载

摘要:功率谱是信号在各个频率上的能量分布,是研究分析信号的一个重要信息。功率谱估计是为了用有限的数据样本来估计信号的功率谱,依据估计结果可以从信号样本中提取出有用信号,并过滤去除噪声。

    功率谱估计的方法主要有两大类:经典谱估计和现代谱估计。经典谱估计的物理意义明确,基于傅里叶变换的这类方法直接联系了信号的时域特征与频域特征。它们计算速度相对较快,同时对大部分的信号都能得到较为有效的分析结果。但是,因其对未知信号的零值假设与实际相距甚远,所以偏差较大。同时,估计值的标准差也较大。所以在大部分要求高精度的场合,经典谱估计并不适用。现代谱估计则是基于概率统计的估计方法。首先根据经验假设参数模型,再用得到的数据样本进行估计模型所需参数。这样的方法好处是精度高,但是计算较为复杂,而且模型的针对性较强。常用的参数模型有自回归(AR)模型,自回归滑动平均(ARMA)模型和滑动平均(MA)模型。其中,因为AR模型的计算有着较为成熟的简化方法,MA模型计算复杂,且AR模型和MA模型间可以相互转化,所以AR模型应用最为广泛。而在基于尤拉沃克方程的上述三种参数模型外,还有一些其他参数模型,从不同的角度进行建模,因而得到的模型性能也不相同,例如普朗尼方法就对正弦信号有着极高的分辨率。

    本文对功率谱估计方法进行归纳,主要介绍经典谱估计中的周期法和自相关法,现代谱估计中的AR模型。对于现代谱估计中其他的模型进行简要的介绍。并对经典谱估计和现代谱估计进行对比,从而得到各自适应的应用场合。

关键词:功率谱估计;周期图法;自相关法;自回归模型

 

目录

摘要

ABSTRACT

第1章 绪论-1

1.1研究内容和意义-1

1.2功率谱估计发展概述-1

1.3 文章结构-2

第2章 经典谱估计-3

2.1经典谱估计简介-3

2.2周期图法-3

2.2.1周期图法-3

2.2.2平均周期图法-3

2.3自相关法-4

2.3.1维纳辛钦定理-4

2.3.2自相关法-4

2.3.3平滑周期图-5

2.4经典谱估计特点-5

2.5经典谱估计的MATLAB仿真-5

第3章 现代谱估计-9

3.1现代谱估计简介-9

3.2模型间关系-9

3.3自回归(AR)模型-9

3.3.1时间序列模型定义-9

3.3.2自回归过程功率谱密度-10

3.3.3模型参数与自相关函数的关系(尤拉沃克方程)-11

3.4参数算法-11

3.4.1列文森算法(自相关法)-11

3.4.2格型滤波器-16

3.4.3伯格算法-16

3.4.4其他算法-18

3.4.5阶数的确定-19

3.5自回归模型对数据的延拓-20

3.6噪声对自回归(AR)模型的影响-21

3.7现代谱估计的MATLAB仿真-21

第4章 经典谱估计与现代谱估计性能比较-25

4.1 经典谱估计与现代谱估计性能比较-25

4.1.1经典谱估计性能-25

4.1.2自回归(AR)谱估计质量-28

4.2经典谱估计和现代谱估计MATLAB仿真-29

4.2.1仿真图形用户界面建立-29

4.2.2仿真对比-31

第5章 结论与展望-35

5.1 结论-35

5.2 不足之处及未来展望-35

参考文献-36

致  谢-37