基于matlab的功率谱分析方法分析毕业论文

《基于matlab的功率谱分析方法分析毕业论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、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1第一章绪论3第二章谱估计中的变量62.1随机信号简介62.1.1随机变量62.1.2随机信号的特征72.2平稳随机信号82.2.1平稳随机信号的定义82.2.2平稳随机信号的自相关函数92.2.3平稳随机信号的功率谱92.3估计质量的评价标准10第三章经典功率谱估计123.1谱估计与相关函数123.1.1相关函数和功率谱123.1.2相关函数的估计133.2周期图法153.2.1周期图法的定义153.2.2周期图的性能153.2.3周期图法改进措施163.3自相关法173.4直接法和间接法的关系173

2、.5谱估计仿真与比较173.6本章小结23第四章现代谱估计244.1平稳随机信号的参数模型244.2AR模型的正则方程与参数计算254.2.1正则方程的求导254.2.2AR模型参数求解的典型算法264.3AR模型谱估计的实现及性质274.3.1谱估计的步骤274.3.2AR模型谱估计的性质284.3.3AR模型阶次p的选择284.3.4AR模型谱估计仿真294.4MA模型谱估计304.5ARMA模型谱估计314.6小结32第五章论文总结32参考文献34致谢35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

3、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

4、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。ABSTRACTPerhapsoneofthemoreimportantapplicationareasofdigitalsignalprocessing(DSP)isbuiltingonthePowerSpectralEstimationofperiodicandrandomsignals.Actually,wecan’tgettheexpressionofa

5、specificsignal,soweneedtoestimatethepowerspectralofasignalaccordingtosomesampledatasequences.sospectrumestimationwhichiswidelyusedinvarioussignalprocessing.Inthisthesis,somecommonmethodsofPowerSpectralEstimation,suchasclassicalspectralestimationandmodernspectralestimation,arestudied.Thequality

6、ofeachestimationmethodisderived,simulationprogramandsimulationfigureisgiven.ClassicalmethodsofPowerSpectralEstimationmainlyincludethePeriodogramandtheBTmethod.Butbothofthemhaveacommondrawback:thedatasequences,beyondtheareaoftheobservedsequences,areallpresumedtozero.SotheWindowsandtheaveragemet

7、hodareintroducedtoimprovethequalityofthePeriodogram.ThereforetheimprovementofThePeriodogramestimationmethodisproposed.Theclassificationofmodernspectralestimationmethodsaremore,AR，MA,andARMAisthemostimportantparametersofmodernspectralest