matlab功率谱psd研究分析(毕业)(值得读)

基于matlab的功率谱分析方法研究

作者姓名

专业

指导教师姓名

专业技术职务

目录

摘要

数字信号处理(DSP)重要的应用领域之一，是建立在周期信号和随机信号基础上的功率谱估计。在实际应用中往往不能获得具体信号的表达式,需要根据有限的数据样本来获得较好的谱估计效果，因而谱估计被广泛的应用于各种信号处理中。

本论文研究了功率谱估计的几种常用的方法，包括经典谱估计和现代谱估计的各种方法，且对每种方法的估计质量做了数学推导，并给出仿真程序及仿真图。经典法主要包括周期图法、自相关法，但这两种方法都存在缺陷，即认为观测数据之外的数据都为零，所以对经典法中的周期图法进行了加窗、平均等修正，因此提出了周期图法的改进方法；现代谱估计的方法分类比较多，AR模型法,MA模型法和ARMA模型法是现代功率谱估计中最主要的参数模型，本论文着重讨论了AR模型参数法。同时论文将通过对经典谱估计和现代谱估计的实现方法及仿真图的比较，得出经典功率谱估计方法的方差性较差，分辨率较低，而现代谱估计的目标正是在于努力改善谱估计的分辨率，因此能得到较好的谱估计效果，为此应用更为广泛。

关键字：数字信号处理；功率谱估计；周期图法；自相关法；AR模型法。

ABSTRACT

Perhaps one of the more important application areas of digital signal processing(DSP) is builting on the Power Spectral Estimation of periodic and random signals. Actually, we can’t get the expression of a specific signal, so we need to estimate the power spectral of a signal according to some sample data sequences.so spectrum estimation which is widely used in various signal processing.

In this thesis, some common methods of Power Spectral Estimation, such as classical spectral estimation and modern spectral estimation, are studied. The quality of each estimation method is derived, simulation program and simulation figure is given. Classical methods of Power Spectral Estimation mainly include the Periodogram and the BT method. But both of them have a common drawback: the data sequences, beyond the area of the observed sequences, are all presumed to zero. So the Windows and the average method are introduced to improve the quality of the Periodogram. Therefore the improvement of The Periodogram estimation method is proposed. The classification of modern spectral estimation methods are more , AR，MA, and ARMA is the most important parameters of modern spectral estimation. This thesis will focus on discussion of AR model parameters method. At the same time , It can be seen from the comparison and realization of classical spectral estimation and modern spectral estimation, classical power spectrum estimation variance is poor, low resolution .The goal of modern spectral estimation is woking to improve the resolution of spectral estimation, better results of the estimation of the power spectrum can be obtained, so it is applied more widely.

Keywords: digital signal processing; Power Spectrum Estimation; The Periodogram； the BT methods；AR model.

第一章绪论

1.功率谱估计的发展

功率谱估计技术渊源流长，在过去的几十年获得了飞速的发展。功率谱估计涉及信号与系统、随机信号分析、概率统计、随机过程、矩阵代数等一系列的基础科学，广泛应用于雷达、声纳、通信、地址勘探、天文、生物医学工程等众多领域，其内容、方法不断更新，是一个具有强大生命力的研究领域。

功率谱估计(PSD)是用有限长的数据来估计信号的功率谱, 它对于认识一个随机信号或其它应用方面来讲都是极其重要的, 是数字信号处理的重要研究内容之一，在军事、生物医学、通信等领域得到了较为广泛的应用[3]。

“谱”最早是由英国科学家牛顿提出来的，后来法国工程师傅里叶提出了著名的傅里叶谐波分析理论，该理论至今仍然是我们进行信号分析和处理的理论基础。傅里叶级数首先在观察自然界中的周期现象得到应用，但傅里叶的计算比较复杂，促使人们研制相应的机器来计算傅里叶级数。在19世纪末，Schuster提出傅里叶系数的平方，并命名为周期图，这是经典谱估计的最早提出法，至今仍被人们沿用。后来，鉴于周期图的起伏剧烈，提出了平均周期图的概念，并提出了在对有限长数据计算傅里叶系数时所存在的边瓣问题，这就是后来我们所熟悉的窗函数的影响。周期图较差的方差性能促使人们研究另外的分析方法。Yule在1927年提出了用线性回归方程来模拟一个时间序列，从而发现隐含在该时间序列中的周期,从而发现了现代谱估计中最重要的方法——参数模型法。Walker利用Yule的分析方法研究了衰减正弦时间序列，并得出了在对最小二乘分析中经常应用的Yule-Walker方程。Yule的工作使人们重新想起了早在1795年Prony提出的指数拟合法，从而Prony方法形成了现代谱估计的又一重要内容。之后又陆续提出了Wiener-khintchine定理、谱估计自相关法BT法等。所有这些都为现代谱估计的发展打下了良好的基础[1]。