1 / 34

第三章 现代谱估计

第三章 现代谱估计. 清华大学自动化系 张贤达 zxd-dau@tsinghua.edu.cn 电话： 62794875. 假设已零均值化，. 经典谱估计. 样本 直接法 间接法. 周期函数. 周期图法. 数据窗. 谱窗. 有偏估计,平滑性差. 加窗函数. 功率谱曲线平滑,但分辨率下降. 要提高分辨率，使用参数化的谱估计！ 经典谱估计：使用 FFT 的谱估计 现代谱估计：参数化谱估计. 3.1 ARMA 谱估计与系统辨识. 平稳 ARMA 过程 离散随机过程 服从线性差分方程： 为离散白噪声，则称 为 ARMA 过程。

grady
Download Presentation

第三章 现代谱估计

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 第三章 现代谱估计 清华大学自动化系 张贤达 zxd-dau@tsinghua.edu.cn 电话：62794875

  2. 假设已零均值化， 经典谱估计 • 样本 • 直接法 • 间接法 周期函数

  3. 周期图法 数据窗 谱窗 有偏估计,平滑性差 加窗函数 功率谱曲线平滑,但分辨率下降 要提高分辨率，使用参数化的谱估计！ 经典谱估计：使用FFT的谱估计 现代谱估计：参数化谱估计

  4. 3.1 ARMA谱估计与系统辨识 • 平稳ARMA过程 离散随机过程 服从线性差分方程： 为离散白噪声，则称 为ARMA过程。 自回归(autoregressive)—滑动平均(moving average)过程 MA阶数 AR阶数 AR参数 MA参数

  5. ARMA模型描述的线性时不变（LTI）系统 传递函数：

  6. 满足ARMA模型的条件： (1)冲激响应系数必须绝对可求和： (系统稳定) (2)A(z)和B(z)无公共因子(p,q唯一) (3)系统是物理可实现的(因果系统) • 极点的作用：决定系统的稳定性和因果性 即极点不在单位圆上 • 因果性：称x(n)是e(n)的因果函数，若 即因果系统要求极点在单位圆以内，A(z)的根|z|<1 零点部分 极点部分

  7. 零点的作用：决定系统的可逆性，即 是否存在。 • 可逆性：称e(n)是x(n)的可逆函数，若 (1)存在序列 ，并满足 ——可逆系统的稳定性 (2) ——可逆性条件

  8. ARMA过程的功率谱密度 则功率谱 其中

  9. ARMA功率谱估计的两种线性方法 • Cadzow谱估计子 又 其中

  10. 则 两边同乘 ，比较系数得 所以，Cadzow谱估计子的关键：估计AR阶数p和AR参数

  11. Kaveh谱估计子 非线性方程，MA参数辨识 （Newton－Raphson迭代）

  12. 协方差函数的Fourier变换 Kaveh谱估计子：

  13. ARMA功率谱密度的特例 • 特例一：MA过程 有限冲激响应(FIR)系统

  14. 中含有 的无数多项 • 特例二：AR过程 无限冲激响应(IIR)系统 白噪声中的AR过程： ARMA(p,p)过程

  15. 特例三：完全可预测过程 线 谱 加性白噪声中的可预测过程： 特殊的ARMA

  16. 所以： • 白噪声中的AR过程 = ARMA过程 • 白噪声中的可预测过程 = 特殊的ARMA过程

  17. 修正Yule-Walker方程 等价 高斯白噪

  18. BBR公式：

  19. 修正Yule-Walker方程(MYW方程)

  20. 定理(AR参数的可辨识性)： 若A(z)和B(z)无可对消公共因子，且 ，则AR参数 可由p个修正Yule-Walker方程唯一确定或辨识。

  21. 若构造： 使得 ，则

  22. 奇异值分解(SVD)： • AR阶数确定的奇异值分解方法 酉矩阵： 主奇异值：p个大的奇异值（p个信号分量的能量） 次奇异值：其它小奇异值（扰动或误差的能量）

  23. 信号与噪声的分离： 准则一：归一化比值 若阈值=0.995，v(k)>阈值的最小整数k定为矩阵A的“有效秩”。 准则二：使用归一化奇异值 <某个很小的阈值(0.05)的最小整数k定为有效秩。

  24. 最终预报误差方法(FPE, Finite Prediction Error)： • AR阶数确定的信息量准则法 FPE准则选择使FPE(p,q)最小，作为AR模型的阶数。 AIC(Akaike’s Information Criterion) “信息量准则”遵循“吝啬原则”

  25. 扩展阶MYW方程 若 ，则 选

  26. AR参数估计的总体最小二乘法 扰动矩阵 总体最小二乘TLS: Total Least Squares 思想：寻求一个解z，使得

  27. 定义代价函数

  28. 方法2：只包含p个参数（主要因素） ：用秩为p的矩阵对B的最佳逼近 令 ，则

  29. 构造代价函数

  30. 由于存在误差

  31. AR定阶与AR参数估计的SVD-TLS算法： 步骤1：构造扩展阶相关函数 ，求SVD，存储 和 步骤2：确定 的有效秩p，给出AR阶数估计值 步骤3：计算 步骤4：计算

More Related