功率譜估計(jì)模型法詳解

（優(yōu)選）功率譜估計(jì)模型法現(xiàn)在是1頁\一共有97頁\編輯于星期五周期圖法的不足估計(jì)方法的方差性能差在功率譜密度計(jì)算中沒有實(shí)現(xiàn)求均值的運(yùn)算分辨率低樣本數(shù)據(jù)x(n)是有限長的，相當(dāng)于在無限長樣本數(shù)據(jù)中加載了窗函數(shù)(矩形窗、Hanning等)現(xiàn)在是2頁\一共有97頁\編輯于星期五參數(shù)模型功率譜估計(jì)MA模型AR模型ARMA模型現(xiàn)在是3頁\一共有97頁\編輯于星期五平穩(wěn)隨機(jī)信號(hào)的參數(shù)模型如果一個(gè)寬平穩(wěn)隨機(jī)信號(hào)x(n)通過一個(gè)線性時(shí)不變系統(tǒng)(LSI)h(n)，則系統(tǒng)輸出y(n)也是寬平穩(wěn)隨機(jī)過程，并且y(n)的功率譜密度和x(n)的功率譜密度滿足下式：其中Pyy、Pxx分別為系統(tǒng)輸出、輸入的功率譜密度，而H(w)為系統(tǒng)脈沖響應(yīng)的傅立葉變換?，F(xiàn)在是4頁\一共有97頁\編輯于星期五平穩(wěn)隨機(jī)信號(hào)的參數(shù)模型如果系統(tǒng)輸入為白噪聲信號(hào)u(n)，其功率譜密度為常數(shù)σ2，則輸出信號(hào)功率譜密度Pxx(w)完全由系統(tǒng)傳遞函數(shù)|H(w)|2決定，因此我們通過對(duì)H(w)進(jìn)行建模，從而得到輸出信號(hào)的功率譜密度?，F(xiàn)在是5頁\一共有97頁\編輯于星期五平穩(wěn)隨機(jī)信號(hào)的參數(shù)模型在上圖中，輸入u(n)為白噪聲信號(hào)，其方差為σ2，則系統(tǒng)輸出x(n)的功率譜密度Pxx(w)為：現(xiàn)在是6頁\一共有97頁\編輯于星期五平穩(wěn)隨機(jī)信號(hào)的參數(shù)模型因此我們利用確定性系統(tǒng)傳遞函數(shù)H(z)的特性去表征隨機(jī)信號(hào)x(n)的功率譜密度，稱為參數(shù)模型功率譜估計(jì)。參數(shù)模型功率譜估計(jì)的步驟：對(duì)H(z)選擇合適的模型：MA模型、AR模型、ARMA模型根據(jù)已知樣本數(shù)據(jù)x(n)，或者x(n)的自相關(guān)函數(shù)，確定H(z)的參數(shù)利用H(z)估計(jì)x(n)的功率譜?，F(xiàn)在是7頁\一共有97頁\編輯于星期五平穩(wěn)隨機(jī)信號(hào)的參數(shù)模型H(z)的模型：AR模型：auto-Regressive此模型只有極點(diǎn)，沒有零點(diǎn)，對(duì)應(yīng)其幅度譜結(jié)構(gòu)存在譜峰現(xiàn)在是8頁\一共有97頁\編輯于星期五平穩(wěn)隨機(jī)信號(hào)的參數(shù)模型MA模型：Moving-Average此模型只有零點(diǎn)，沒有極點(diǎn)，對(duì)應(yīng)幅度譜結(jié)構(gòu)中存在譜谷點(diǎn)?，F(xiàn)在是9頁\一共有97頁\編輯于星期五平穩(wěn)隨機(jī)信號(hào)的參數(shù)模型ARMA模型：此模型同時(shí)有零點(diǎn)、極點(diǎn)，對(duì)應(yīng)幅度譜結(jié)構(gòu)中存在譜峰、譜谷現(xiàn)在是10頁\一共有97頁\編輯于星期五系統(tǒng)模型對(duì)于一階全極點(diǎn)傳遞函數(shù)傳遞函數(shù)所對(duì)應(yīng)的幅度響應(yīng)實(shí)際上是：現(xiàn)在是11頁\一共有97頁\編輯于星期五當(dāng)a>0現(xiàn)在是12頁\一共有97頁\編輯于星期五當(dāng)a<0現(xiàn)在是13頁\一共有97頁\編輯于星期五系統(tǒng)模型對(duì)于二階的全極點(diǎn)傳遞函數(shù)其對(duì)應(yīng)的幅度響應(yīng)？由于傳遞函數(shù)中，a、b均為實(shí)數(shù)，且要求極點(diǎn)在單位圓內(nèi)，因此傳遞函數(shù)的極點(diǎn)應(yīng)該是共軛對(duì)稱的。現(xiàn)在是14頁\一共有97頁\編輯于星期五系統(tǒng)模型極點(diǎn)位置在[0π/2]內(nèi)時(shí)現(xiàn)在是15頁\一共有97頁\編輯于星期五現(xiàn)在是16頁\一共有97頁\編輯于星期五系統(tǒng)模型極點(diǎn)位置在[π/2π]內(nèi)時(shí)現(xiàn)在是17頁\一共有97頁\編輯于星期五現(xiàn)在是18頁\一共有97頁\編輯于星期五系統(tǒng)模型對(duì)于二階的全零點(diǎn)系統(tǒng)零點(diǎn)的位置沒有限定要求，那么其幅度響應(yīng)現(xiàn)在是19頁\一共有97頁\編輯于星期五當(dāng)零點(diǎn)在[0π/2]內(nèi)時(shí)現(xiàn)在是20頁\一共有97頁\編輯于星期五在零點(diǎn)在[π/2π]內(nèi)時(shí)現(xiàn)在是21頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度假設(shè)u(n)、x(n)都是寬平穩(wěn)的隨機(jī)信號(hào)，其中u(n)為白噪聲，方差為σ2，推導(dǎo)H(z)的模型參數(shù)ai與數(shù)據(jù)x(n)的關(guān)系，即所謂AR模型的正則方程(NormalEquation)?，F(xiàn)在是22頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度根據(jù)輸入、輸出、系統(tǒng)脈沖響應(yīng)的關(guān)系等式兩邊同乘以x(n-m)，同時(shí)取期望運(yùn)算現(xiàn)在是23頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度這里首先考慮rxu(m)的求解這里h(k)為H(z)的無限長脈沖響應(yīng)現(xiàn)在是24頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度由于系統(tǒng)輸入u(n)為白噪聲信號(hào)，因此：這樣rxu(m)為：現(xiàn)在是25頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度而h(m)為系統(tǒng)H(z)的脈沖響應(yīng)，由于H(z)為因果系統(tǒng)，因此：這樣，互相關(guān)函數(shù)rxu(m)為：現(xiàn)在是26頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度由于h(0)為系統(tǒng)H(z)的脈沖響應(yīng)，而：因此有h(0)=1現(xiàn)在是27頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度根據(jù)上式以及rxu(m)的求解：現(xiàn)在是28頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度將等式右側(cè)的累加項(xiàng)移到等式左側(cè)，這樣上式就可以寫成方程組的形式：現(xiàn)在是29頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度在方程組的形式中，由于H(z)模型參數(shù)ai為p個(gè)，以及白噪聲方差σ2，因此需要p+1個(gè)方程就可以求解，同時(shí)根據(jù)自相關(guān)函數(shù)的對(duì)稱性，將方程組展開為矩陣形式：現(xiàn)在是30頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度這就是AR模型的正則方程，也稱為Yule-Walker方程。現(xiàn)在是31頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度得到AR模型的參數(shù)，就可以估計(jì)功率譜密度：現(xiàn)在是32頁\一共有97頁\編輯于星期五AR譜估計(jì)特點(diǎn)譜估計(jì)的特征在譜峰值處，AR譜和信號(hào)譜很接近譜谷底位置，則相差比較大。現(xiàn)在是33頁\一共有97頁\編輯于星期五

現(xiàn)在是34頁\一共有97頁\編輯于星期五

現(xiàn)在是35頁\一共有97頁\編輯于星期五

清音現(xiàn)在是36頁\一共有97頁\編輯于星期五AR模型與線性預(yù)測的關(guān)系線性預(yù)測系數(shù)aj構(gòu)成的全極點(diǎn)濾波器H(z)：其逆過程為：現(xiàn)在是37頁\一共有97頁\編輯于星期五AR模型與線性預(yù)測的關(guān)系A(chǔ)R模型：對(duì)應(yīng)的輸入、輸出關(guān)系：現(xiàn)在是38頁\一共有97頁\編輯于星期五AR模型與線性預(yù)測的關(guān)系那么：現(xiàn)在是39頁\一共有97頁\編輯于星期五AR模型與線性預(yù)測的關(guān)系這里我們發(fā)現(xiàn)線性預(yù)測過程是AR模型估計(jì)功率譜的逆過程。當(dāng)預(yù)測器的階數(shù)和AR模型的階數(shù)相同時(shí)，對(duì)應(yīng)的預(yù)測器系數(shù)h和AR模型參數(shù)ai才有一一對(duì)應(yīng)的關(guān)系?，F(xiàn)在是40頁\一共有97頁\編輯于星期五AR模型功率譜估計(jì)性能分析周期圖法中由于自相關(guān)函數(shù)rxx(m)的長度為2N-1，因此相當(dāng)于對(duì)真實(shí)的自相關(guān)函數(shù)進(jìn)行了加窗處理，自相關(guān)函數(shù)的取值范圍在[-(N-1)N-1]內(nèi)，在此范圍外的值為零值，從而導(dǎo)致了估計(jì)的功率譜密度受到窗函數(shù)譜的影響，降低了分辨率。AR模型對(duì)功率譜估計(jì)的改進(jìn)實(shí)際上體現(xiàn)在對(duì)自相關(guān)函數(shù)的延拓特性上，沒有將估計(jì)的自相關(guān)函數(shù)取值限制在[-(N-1)N-1]的范圍內(nèi)?，F(xiàn)在是41頁\一共有97頁\編輯于星期五AR模型功率譜估計(jì)性能分析根據(jù)Yule-Walker方程可知：首先估計(jì)p+1個(gè)自相關(guān)函數(shù)rxx(0)，rxx(1)，…，rxx(p)后，可以根據(jù)上式得到AR模型參數(shù)ai。這樣，就根據(jù)ai得到對(duì)p之后的自相關(guān)函數(shù)進(jìn)行拓展：現(xiàn)在是42頁\一共有97頁\編輯于星期五AR模型功率譜估計(jì)性能分析這里m>p，因此我們利用p個(gè)估計(jì)的自相關(guān)函數(shù)，可以對(duì)m>p所有的自相關(guān)函數(shù)rxx(m)進(jìn)行延拓，從而提高了自相關(guān)函數(shù)窗的長度，增加了功率譜估計(jì)的頻域分辨率。現(xiàn)在是43頁\一共有97頁\編輯于星期五AR模型階數(shù)p的選擇如果模型的階數(shù)過小，則會(huì)增加對(duì)功率譜的平滑作用，降低譜的分辨率但如果階數(shù)太高，雖然會(huì)降低預(yù)測誤差的方差，但會(huì)導(dǎo)致譜峰的分裂，增加估計(jì)誤差。這是由于階數(shù)實(shí)際上對(duì)應(yīng)于譜結(jié)構(gòu)中的譜峰情況?，F(xiàn)在是44頁\一共有97頁\編輯于星期五AR模型階數(shù)p的選擇現(xiàn)在是45頁\一共有97頁\編輯于星期五AR模型階數(shù)p的選擇現(xiàn)在是46頁\一共有97頁\編輯于星期五AR模型階數(shù)p的選擇在進(jìn)行AR譜估計(jì)時(shí)，首先需要確定階數(shù)p。p的選擇可以基于以下三種準(zhǔn)則進(jìn)行。最終預(yù)測誤差準(zhǔn)則(FPE)其中k為階數(shù)，N為樣本數(shù)據(jù)x(n)的長度，而ρk表示k階AR模型得到的白噪聲方差。上式最小值對(duì)應(yīng)的階數(shù)為最終選擇的階數(shù)?，F(xiàn)在是47頁\一共有97頁\編輯于星期五AR模型階數(shù)p的選擇阿凱克信息論準(zhǔn)則(AIC)同樣選擇使上式最小的k值作為模型的階數(shù)。AIC準(zhǔn)測和FPE準(zhǔn)則在樣本數(shù)據(jù)x(n)長度較長時(shí)，估計(jì)得到的模型階數(shù)相似。對(duì)于較短的樣本數(shù)據(jù)，建議使用AIC準(zhǔn)則。現(xiàn)在是48頁\一共有97頁\編輯于星期五AR模型階數(shù)p的選擇自回歸傳遞函數(shù)準(zhǔn)則(CAT)同樣使得上式最小的k為模型階數(shù)?，F(xiàn)在是49頁\一共有97頁\編輯于星期五AR模型參數(shù)的求解自相關(guān)法利用Yule-Walker方程得到AR模型參數(shù)ai：現(xiàn)在是50頁\一共有97頁\編輯于星期五AR模型參數(shù)的求解Yule-Walker方程中的自相關(guān)函數(shù)rxx(m)為有偏估計(jì)值：現(xiàn)在是51頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度系數(shù)矩陣不僅僅是對(duì)稱的，而且沿著和主對(duì)角線平行的任意一條對(duì)角線上的元素都相等，這樣的矩陣稱為Toeplitz矩陣，可以利用Levinson-Durbin遞推算法得到p個(gè)參數(shù)ai以及方差σ2?，F(xiàn)在是52頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度如果采用有偏估計(jì)得到自相關(guān)函數(shù)，就可以利用Levinson-Durbin高效的求解AR模型參數(shù)，并且可以保證求解的系數(shù)ai在單位圓內(nèi)，即保證AR模型的穩(wěn)定性。這種方法稱為自相關(guān)法同時(shí)自相關(guān)法計(jì)算的白噪聲信號(hào)功率會(huì)隨著階數(shù)的增加而減小或者保持不變?，F(xiàn)在是53頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度但自相關(guān)法也存在一定的問題，由于在求解自相關(guān)函數(shù)的時(shí)候，進(jìn)行了矩形加窗處理，降低了分辨率。同時(shí)當(dāng)樣本數(shù)據(jù)長度較短時(shí)，估計(jì)誤差會(huì)比較大，出現(xiàn)譜峰偏移和譜線分裂?，F(xiàn)在是54頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度協(xié)方差法現(xiàn)在是55頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度其中的自相關(guān)函數(shù)為：同時(shí)白噪聲的方差為：現(xiàn)在是56頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度計(jì)算自相關(guān)函數(shù)時(shí)，樣本數(shù)據(jù)的取值范圍與自相關(guān)法不同，這樣保證了不對(duì)樣本數(shù)據(jù)進(jìn)行矩形窗的截?cái)?，因此如果樣本函?shù)的長度較短時(shí)，可以獲得比自相關(guān)法更好的譜分辨率。如果樣本函數(shù)的長度遠(yuǎn)遠(yuǎn)大于階數(shù)p時(shí)，自相關(guān)法和協(xié)方差法的性能是差不多的。同時(shí)協(xié)方差法求解的是非Toeplitz陣，不能用迭代的方法計(jì)算，因此運(yùn)算復(fù)雜度較大。同時(shí)也不能像自相關(guān)法一樣保證AR模型的穩(wěn)定性?，F(xiàn)在是57頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度修正的協(xié)方差法與協(xié)方差法類似，自相關(guān)函數(shù)的求解修正為：同時(shí)估計(jì)的白噪聲方差為：現(xiàn)在是58頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度修正的協(xié)方差法從線性預(yù)測的角度分析，實(shí)際上是同時(shí)進(jìn)行前向、后向預(yù)測，因此其估計(jì)譜的分辨率比較高，譜峰的偏移也比較小。但缺點(diǎn)同樣是需要求解非Toeplitz陣，計(jì)算比較復(fù)雜。現(xiàn)在是59頁\一共有97頁\編輯于星期五AR模型估計(jì)功率譜密度Burg遞推法以上提到的自相關(guān)法、協(xié)方差法和修正的協(xié)方差都要估計(jì)樣本數(shù)據(jù)的自相關(guān)函數(shù)，如果能免去自相關(guān)函數(shù)的求解，從而直接根據(jù)樣本函數(shù)得到AR模型參數(shù)ai，從而可以減少中間步驟，提高譜估計(jì)的性能。同時(shí)采用前向、后向線性預(yù)測。這種算法對(duì)短數(shù)據(jù)的功率譜估計(jì)比自相關(guān)函數(shù)法要準(zhǔn)確?，F(xiàn)在是60頁\一共有97頁\編輯于星期五應(yīng)用針對(duì)含噪正弦信號(hào)數(shù)據(jù)64點(diǎn)，采用分段平均周期圖法和AR模型現(xiàn)在是61頁\一共有97頁\編輯于星期五應(yīng)用—AR模型，—周期圖法現(xiàn)在是62頁\一共有97頁\編輯于星期五應(yīng)用數(shù)據(jù)長度為64，采用分段的周期圖法和AR模型現(xiàn)在是63頁\一共有97頁\編輯于星期五應(yīng)用—AR模型，—周期圖法現(xiàn)在是64頁\一共有97頁\編輯于星期五應(yīng)用數(shù)據(jù)長度為64點(diǎn)，取不同階數(shù)(4、20)的AR模型對(duì)譜估計(jì)的影響?，F(xiàn)在是65頁\一共有97頁\編輯于星期五應(yīng)用現(xiàn)在是66頁\一共有97頁\編輯于星期五MA模型估計(jì)功率譜密度與AR模型一樣，首先推導(dǎo)MA參數(shù)bi與樣本數(shù)據(jù)x(n)的正則方程。首先，MA模型參數(shù)為：現(xiàn)在是67頁\一共有97頁\編輯于星期五MA模型估計(jì)功率譜密度輸入白噪聲信號(hào)u(n)、MA模型以及輸出x(n)之間為線性卷積的關(guān)系：與AR模型進(jìn)行相同的分析，得到：現(xiàn)在是68頁\一共有97頁\編輯于星期五MA模型估計(jì)功率譜密度MA模型只有q個(gè)零點(diǎn)，并且注意MA的正則方程，MA模型計(jì)算的自相關(guān)函數(shù)的取值范圍為[-qq]，并且類似于MA模型參數(shù)bi的自相關(guān)函數(shù)這樣估計(jì)的功率譜密度為：現(xiàn)在是69頁\一共有97頁\編輯于星期五MA模型估計(jì)功率譜密度注意到，根據(jù)計(jì)算的自相關(guān)函數(shù)rxx(m)得到的功率譜為：因此從譜估計(jì)的角度，MA模型譜估計(jì)等效于經(jīng)典譜估計(jì)中的自相關(guān)法，譜估計(jì)的分辨率低?，F(xiàn)在是70頁\一共有97頁\編輯于星期五ARMA模型估計(jì)功率譜密度ARMA模型實(shí)際上AR模型和MA模型的綜合，其正則方程為：其中h(k)為ai和bi的函數(shù)，因此該方程為非線性方程，求解較為復(fù)雜?，F(xiàn)在是71頁\一共有97頁\編輯于星期五最大熵譜估計(jì)方法rxx(k)的最大熵外推法經(jīng)典譜估計(jì)中是零值外推，對(duì)于窄帶信號(hào)是很不精確的，如何對(duì)rxx(k)進(jìn)行外推？這里re(k)表示自相關(guān)函數(shù)的外推值現(xiàn)在是72頁\一共有97頁\編輯于星期五最大熵譜估計(jì)方法對(duì)re(k)的約束條件是什么？保證得到的功率譜密度是實(shí)數(shù)，并且是非負(fù)的。使隨機(jī)信號(hào)x(n)的熵最大，等價(jià)為使得x(n)盡可能的‘白化’，對(duì)功率譜而言，使得估計(jì)的功率譜Pxx(w)‘盡可能平坦’?，F(xiàn)在是73頁\一共有97頁\編輯于星期五最大熵譜估計(jì)方法對(duì)于能量有限的信號(hào)，具有高斯分布的隨機(jī)信號(hào)x(n)具有最大的熵率，并且x(n)是高斯AR過程，即x(n)的功率譜是全極點(diǎn)形式的譜結(jié)構(gòu)?，F(xiàn)在是74頁\一共有97頁\編輯于星期五最大熵譜估計(jì)方法根據(jù)以上要求外推的自相關(guān)函數(shù)rxx(k)：而ap為自相關(guān)正則方程的解：現(xiàn)在是75頁\一共有97頁\編輯于星期五最大熵譜估計(jì)方法最大熵譜估計(jì)的解釋是：根據(jù)給定隨機(jī)信號(hào)x(n)，利用對(duì)x(n)AR模型的限制，對(duì)自相關(guān)函數(shù)進(jìn)行外推，并且假設(shè)x(n)為高斯分布。實(shí)際上最大熵譜估計(jì)與Yule-Walker方法估計(jì)功率譜是等價(jià)的?，F(xiàn)在是76頁\一共有97頁\編輯于星期五最大熵譜估計(jì)方法這里對(duì)最大熵譜估計(jì)方法的描述，用于解釋該方法譜估計(jì)的實(shí)質(zhì)問題。最大熵估計(jì)外推對(duì)數(shù)據(jù)強(qiáng)加了一個(gè)全極點(diǎn)模型，因此MEM估計(jì)是否優(yōu)于傳統(tǒng)方法，取決于所分析的信號(hào)類型，以及信號(hào)模型逼近AR過程的程度現(xiàn)在是77頁\一共有97頁\編輯于星期五特征分解法譜估計(jì)對(duì)于帶有白噪聲的正弦波組合，由于正弦波之間是非諧波的關(guān)系，因此不能用基于傅立葉變換的周期圖法進(jìn)行分析。而特征分解法可以得到比AR模型更高的分辨率，特別是信噪比比較低的時(shí)候，譜估計(jì)的效果比較理想?，F(xiàn)在是78頁\一共有97頁\編輯于星期五特征分解法譜估計(jì)一階諧波過程：其中復(fù)指數(shù)A1=|A1|ej?1

,?1是均勻分布的隨機(jī)變量，w(n)是方差為σw2的白噪聲現(xiàn)在是79頁\一共有97頁\編輯于星期五特征分解法譜估計(jì)復(fù)數(shù)隨機(jī)信號(hào)的自相關(guān)矩陣定義為：現(xiàn)在是80頁\一共有97頁\編輯于星期五特征分解法譜估計(jì)Rss的秩為1.現(xiàn)在是81頁\一共有97頁\編輯于星期五特征分解法譜估計(jì)定義則Rss可以用e1表示：因此Rss的非零特征值為M|A1|2現(xiàn)在是82頁\一共有97頁\編輯于星期五特征分解法譜估計(jì)Rxx和Rss的特征向量是一致的。Rxx的特征根是Rss的特征根和噪聲方差之和現(xiàn)在是83頁\一共有97頁\編輯于星期五特征分解法譜估計(jì)根據(jù)Rx的特征值和特征矢量獲得關(guān)于x(n)的參數(shù)：Rx進(jìn)行特征值分解，最大的特征值為M|A1|2+σw2

，其它的特征值均為σw2利用Rx的特征值求信號(hào)功率|A1|2和噪聲方差：現(xiàn)在是84頁\一共有97頁\編輯于星期五特征分解法譜估計(jì)最大特征值對(duì)應(yīng)的特征矢量為e1，則e1第二個(gè)系數(shù)為ejw1,其頻率即為w1現(xiàn)在是85頁\一共有97頁\編輯于星期五特征分解法譜估計(jì)基于信號(hào)自相關(guān)矩陣分解的頻率估計(jì)算法：將樣本空間分為信號(hào)子空間和噪聲子空間，然后用頻率估計(jì)函數(shù)估計(jì)頻率值。假設(shè)隨機(jī)信號(hào)x(n)由p個(gè)復(fù)指數(shù)信號(hào)和白噪聲信號(hào)組成：其中s(n)為正弦信號(hào)，v(n)為白噪聲現(xiàn)在是86頁\一共有97頁\編輯于星期五特征分解法譜估計(jì)X(n)信號(hào)的自相關(guān)函數(shù)：其中Pi是功率：Pi=|Ai|2現(xiàn)在是87頁\一共有97頁\編輯于星期五特征分解法譜估計(jì)則x(n)的自相關(guān)矩陣為：現(xiàn)在是88頁\一共有97頁\編輯于星期五特征分解法譜估計(jì)其中ei為：現(xiàn)在是89頁\一共有97頁\編輯于星期五特征分解法譜估計(jì)設(shè)vi是Rss的特征矢量：vi也是Rxx的特征矢量，并且Rxx的特征根是Rss特征根和噪聲方差之和：現(xiàn)在是90頁\一共有97頁\編輯于星期五特征分解法譜