資源描述：
《基于MATLAB的AR模型譜估計(jì)研究與實(shí)現(xiàn)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、摘要信號(hào)的頻譜分析是研究信號(hào)特性的重要手段之一，對于確定性信號(hào)，可以用Fourier變換來考察其頻譜性質(zhì)，而對于廣義平穩(wěn)隨機(jī)信號(hào)，由于它一般既不是周期的，又不滿足平方可積，嚴(yán)格來說不能進(jìn)行Fourier變換，通常是求其功率譜來進(jìn)行頻譜分析。功率譜估計(jì)在近30年中獲得了飛速發(fā)展。涉及到信號(hào)與系統(tǒng)、隨機(jī)信號(hào)分析、概率統(tǒng)計(jì)、隨機(jī)過程、矩陣代數(shù)等一系列學(xué)科，廣泛應(yīng)用于雷達(dá)、聲納、通信、地質(zhì)、勘探、天文、生物醫(yī)學(xué)工程等眾多領(lǐng)域。實(shí)際中，數(shù)字信號(hào)的功率譜只能用所得的有限次記錄的有限長數(shù)據(jù)來予以估計(jì)，這就產(chǎn)生了功率譜估計(jì)這一研究領(lǐng)域。功率譜的估計(jì)大致可分為經(jīng)典功率譜估計(jì)和現(xiàn)代功
2、率譜估計(jì)。經(jīng)典譜估計(jì)的兩個(gè)主要方法為周期圖法和自相關(guān)法。針對經(jīng)典譜估計(jì)的分辨率低和方差性能不好等問題提出了現(xiàn)代譜估計(jì)?，F(xiàn)代譜估計(jì)大致可以分為參數(shù)模型譜估計(jì)和非參數(shù)模型譜估計(jì)?；趨?shù)建摸的功率譜估計(jì)是現(xiàn)代功率譜估計(jì)的重要內(nèi)容，其目的就是為了改善功率譜估計(jì)的頻率分辨率，它主要包括AR模型、MA模型、ARMA模型，其中基于AR模型的功率譜估計(jì)是現(xiàn)代功率譜估計(jì)中最常用的一種方法。理論分析及MATLAB仿真結(jié)果表明：經(jīng)典譜估計(jì)方法得到的功率譜出現(xiàn)了許多虛假的譜峰，頻率分辨率很低，而現(xiàn)代譜估計(jì)方法得到的功率譜較為真實(shí)，沒有明顯的頻率偏移和假峰，并且具有較高的頻率分辨率，尤其
3、是頻率帶寬性能得到了明顯的改善。關(guān)鍵詞：功率譜估計(jì)；AR模型；MATLAB；Levinson-Durbin算法；Burg算法AbstractABSTRACTSignalspectralanalysisisoneofthemostimportantmeanstoexaminethecharacteristicsofsignal.Fouriertransformcanbeusedtostudythequalityofthespectrumofthecertaintysignal.Forgeneralstochasticsignal,itisneitheracyclei
4、ngeneral,norinlinewiththesquareintegration.Strictlyspeaking,generalstochasticsignalcannotbetransformedbyFouriertransform.Sothepowerspectrumisgenerallyusedforsignalspectralanalysis.Inthelast30yearsPowerspectralestimationwasrapidlydeveloped.ItrelatedtoarangeofdisciplinessuchasSignalsand
5、systems,stochasticsignalanalysis,probabilityandstatistics,stochasticprocessesandMatrixalgebra.Anditiswidelyusedinradar,sonar,communications,geology,exploration,astronomy,biomedicalengineeringandmanyotherfields.Actually,thepowerspectrumofdigitalsignalcanonlybeestimatedbyfinitelengthdat
6、aderivedfromthelimitedrecords,whichproducedthestudyareaofpowerspectrumestimation.Powerspectralestimationcanbebroadlydividedintoclassicalpowerspectralestimationandmodernpowerspectralestimation.TwomainmethodsofClassicalpowerspectralestimationareperiodgrammethodandauto-correlationmethod.
7、FortheissuessuchaslowresolutionandpoorvarianceperformanceinClassicalspectralestimation,modernspectralestimationisproposed.ModernSpectralEstimationcanbebroadlyclassifiedintonon-parametricspectralestimationandspectralestimationmodel.Modelingbasedonparameterestimationofthepowerspectrumis
8、impor
