Y-W方程的L-D递推算法和伯格递推算法的比较ppt课件.pptx

Y-W方程的L-D递推算法和伯格递推算法的比较ppt课件.pptx

ID:59475809

大小:314.92 KB

页数:21页

时间:2020-09-14

Y-W方程的L-D递推算法和伯格递推算法的比较ppt课件.pptx_第1页
Y-W方程的L-D递推算法和伯格递推算法的比较ppt课件.pptx_第2页
Y-W方程的L-D递推算法和伯格递推算法的比较ppt课件.pptx_第3页
Y-W方程的L-D递推算法和伯格递推算法的比较ppt课件.pptx_第4页
Y-W方程的L-D递推算法和伯格递推算法的比较ppt课件.pptx_第5页
资源描述:

《Y-W方程的L-D递推算法和伯格递推算法的比较ppt课件.pptx》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、Y-W方程的L-D递推算法和伯格递推算法的比较AR模型参数与自相关函数的关系Y-W方程的矩阵表示例:p=3时的Y-W方程若已知Ry[n],由Y-W方程解出各参数a3(1),a3(2),a3(3),s2。则可由AR模型参数获得功率谱Py()的估计值。Y-W方程的L-D递推算法一阶Y-W方程的解解此方程得Y-W方程的L-D递推算法二阶Y-W方程的解Y-W方程的L-D递推算法p阶Y-W方程的递推解Y-W方程的L-D递推算法(1)计算自相关函数的估计值(2)求解一阶模型参数关函数的估计值L-D算法估计功率谱的步骤(4)求

2、出功率谱估计Y-W方程的L-D递推算法(3)由递推算法求解p阶模型参数L-D算法估计功率谱的步骤利用L-D算法估计频谱的MATLAB函数x:进行功率谱估计的输入有限长序列;p:模型的阶数NFFT:DFT的点数;Fs:绘制功率谱曲线的抽样频率,默认值为1;Pxx:功率谱估计值;f:Pxx值所对应的频率点[Pxx,f]=pyulear(x,p,NFFT,Fs)例:利用L-D算法进行谱估计一序列含有白噪声和两个频率的余弦信号,利用L-D算法估计该序列的功率谱。N=128;p=40;NFFT=2048;Fs=2;n=0:N

3、-1;randn('state',0);x=cos(0.3*pi*n)+cos(0.4*pi*n)+randn(size(n));[P,f]=periodogram(x,[],NFFT,2);[Py,fy]=pyulear(x,p,NFFT,2);subplot(211);plot(f,10*log(P));grid;title('Periodogram');axis([01-6060]);subplot(212);plot(fy,10*log(Py));grid;title('Yule');axis([01-60

4、60]);谱估计结果——p=40,N=12800.10.20.30.40.50.60.70.80.91-60-40-200204060Periodogram00.10.20.30.40.50.60.70.80.91-60-40-200204060Yule伯格(Burg)递推算法L-D算法缺点:在计算相关函数估计时,对N个观测数据以外的数据作零的假设,故谱估计误差较大。伯格(Burg)递推算法基本思想:直接从观测的数据利用线性预测器的前向和后向预测的总均方误差之和为最小的准则来估计反射系数,进而通过L-D算法的递推公

5、式求出AR模型的优化参数。伯格(Burg)递推算法前向预测误差的递推公式2阶前向预测误差1阶后向预测误差L-D算法的递推公式K2=a2(2)2阶预测器的反射系数伯格(Burg)递推算法预测误差的递推公式一般地同理可得后向预测误差的递推公式Kp=ap(p)为p阶预测器的反射系数。伯格(Burg)递推算法预测误差滤波器的格形结构伯格(Burg)递推算法反射系数Kp的确定前向和后向均方预测误差的总和为由可得伯格(Burg)递推算法步骤(1)确定初始条件(2)从p=1开始迭代计算:计算AR模型参数递推p阶均方误差伯格(Bu

6、rg)递推算法(3)递推高一阶前、后向预测误差(4)若阶数小于p,则阶数加1,回到步骤(2)进行下一次迭代,直到达到预定阶数p。(5)估计功率谱伯格(Burg)递推算法步骤伯格(Burg)递推算法[Pxx,f]=pburg(x,p,NFFT,Fs)Burg算法估计频谱的MATLAB函数x:进行功率谱估计的输入有限长序列;p:模型的阶数NFFT:DFT的点数;Fs:绘制功率谱曲线的抽样频率,默认值为1;Pxx:功率谱估计值;f:Pxx值所对应的频率点利用Burg法进行谱估计程序N=512;NFFT=1024;Fs=2

7、;p=40;n=0:N-1;randn('state',0);x=cos(0.3*pi*n)+cos(0.32*pi*n)+randn(size(n));[P,f]=pyulear(x,p,NFFT,2);[Pw,f2]=pburg(x,p,NFFT,2);subplot(211);plot(f,10*log(P));grid;title('L-D');axis([01-3060]);subplot(212);plot(f2,10*log(Pw));grid;title('Burg');axis([01-3060]

8、);AR模型阶数p=50的谱估计结果00.10.20.30.40.50.60.70.80.91-200204060L-D00.10.20.30.40.50.60.70.80.91-200204060BurgAR模型阶数p=80的谱估计结果00.10.20.30.40.50.60.70.80.91-200204060L-D00.10.20.30.40.50.6

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。