рефераты конспекты курсовые дипломные лекции шпоры

Реферат Курсовая Конспект

Периодограммные оценки спектральной плотности мощности

Периодограммные оценки спектральной плотности мощности - раздел Связь, Спектральный анализ и его приложения к обработке сигналов в реальном времени Периодограммные Оценки Спектральной Плотности Мощности. Пренебрегая Оп...

Периодограммные оценки спектральной плотности мощности.

Пренебрегая операцией вычисления математического ожидания и полагая, что конечное множество данных содержит N отсчетов, получаем выборочный спектр который может быть вычислен по конечной последовательности данных. Однако поскольку была опущена операция математического ожидания, эта оценка будет неустойчивой или несостоятельной. И для сглаживания применяется что-то вроде псевдоусреднения по ансамблю.

Существует три различных типа сглаживания быстрых флюктуаций спектра. Первый метод заключается в усреднении по соседним спектральным частотам. Если для вычисленный выборочный спектр на сетке частот, то модифицированная оценка периодограммы на частоте может быть получена посредством усреднения в P точках с каждой стороны от этой частоты Обобщением этого подхода является обработка выборочного спектра с помощью фильтра нижних частот с частотной характеристикой. В этом случае модифицированную периодограмму можно записать в виде свертки частотной характеристики фильтра нижних частот и самого выборочного спектра Вторым методом сглаживания выборочного спектра является усреднение по псевдоансамблю периодограмм за счет деления последовательности из N отсчетов данных на P неперекрывающихся сегментов по D отсчетов в каждом, так что DP N называемым периодограмма Бартлетта. Тогда p-ый сегмент будет состоять из отсчетов, где n 0,1, ,D-1,p 0,1, P-1. Для каждого сегмента независимо вычисляется выборочный спектр в диапазоне частот Далее на каждой частоте, представляющей интерес, P отдельных немодифицированных периодограмм усредняются, с тем чтобы получить окончательную оценку Математическое ожидание и дисперсия даются следующими выражениями Из выражения для дисперсии видно, что устойчивость спектральной оценки Бартлетта улучшается как величина, обратная числу сегментов P. Третьим и одним из самых эффективных методов является метод периодограмм Уэлча. Основное отличие от периодограммы Бартлетта состоит в том, что здесь используется окно данных и осуществлено перекрывающееся сегментирование последовательности отсчетов.

Применение окна данных дает незначительное ухудшение разрешения по частоте, так как сам спектр окна вносит погрешности в результирующий спектр, однако удается достичь уменьшения влияния боковых лепестков спектра прямоугольного окна, которое косвенно применяется при сегментировании последовательности данных.

Целью перекрытия сегментов является увеличение числа усредняемых сегментов и тем самым уменьшение дисперсии оценки спектральной плотности мощности.

Сам метод состоит в следующем.

Пусть дана запись комплексных данных, которая разбивается на число сегментов D со сдвигом S отсчетов между соседними сегментами, тогда взвешенный p-ый сегмент будет состоять из отсчетов, где n 0,1 D-1, p 0,1 P-1, P N-D S 1 . А выборочный спектр взвешенного p-ого сегмента в диапазоне частот, где И окончательный вид периодограммы Бартлетта приобретает вид Среднее и дисперсия оценки выглядят следующим образом доказательство первого соотношения в приложении А При использовании перекрытия соседних сегментов можно сформировать большее число псевдореализаций, чем в методе Бартлетта, а это уменьшает величину дисперсии периодограммы Уэлча, хотя порядок имеет тот же самый.

Экспериментальные результаты приведены в соответствующем разделе. 1.3.4.

– Конец работы –

Эта тема принадлежит разделу:

Спектральный анализ и его приложения к обработке сигналов в реальном времени

Особенности реализации. Заключение. Выводы.

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Периодограммные оценки спектральной плотности мощности

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

Проблемы в области спектрального оценивания
Проблемы в области спектрального оценивания. Интерес к альтернативным методам спектрального анализа поддерживается тем улучшением характеристик, которое они обещают, а именно более высоким ч

Спектральные оценки по конечным последовательностям данных
Спектральные оценки по конечным последовательностям данных. Спектральная оценка, получаемая по конечной записи данных, характеризует некоторое предположение относительно той истинной спектральной ф

Общая картина
Общая картина. Из формального определения спектра, следует, что спектр является некоторой функцией одних лишь статистик второго порядка, относительно которых в свою очередь предполагается, что они

Основные определения и теоремы классического спектрального анализа
Основные определения и теоремы классического спектрального анализа. Непрерывно-временное преобразование Фурье. Определение Непрерывно-временным преобразованием Фурье называется функция В спектральн

Анализ эргодичных дискретных процессов
Анализ эргодичных дискретных процессов. Определение Дискретный случайный процесс эргодичен в среднем если Определение Дискретный случайный процесс автокорреляционно эргодичен если Допущение

Окна данных и корреляционные окна в спектральном анализе
Окна данных и корреляционные окна в спектральном анализе. Окна представляют собой весовые функции, используемые для уменьшения размывания спектральных компонент, обусловленного конечностью интервал

Коррелограммные оценки спектра
Коррелограммные оценки спектра. льной Плотности Мощности. Альтернативным методом является коррелограммный метод. Косвенный метод основан на использовании бесконечной последовательности значе

Авторегрессионное спектральное оценивание
Авторегрессионное спектральное оценивание. Введение Одна из причин применения параметрических моделей случайных и процессов и построения на их основе методов получения оценок спектральной плотности

Методы оценивания коэффициентов отражения
Методы оценивания коэффициентов отражения. Рекурсивное решение уравнений Юла-Уалкера методом Левинсона связывает АР-параметры порядка p c параметрами порядка p-1 выражением, где n 1,2, p-1 К

Гармонический алгоритм Берга
Гармонический алгоритм Берга. Алгоритм Берга идентичен геометрическому, однако оценка коэффициента отражения находится из других соображений, а именно при каждом значений параметра p в нем минимизи

Спектральное оценивание на основе моделей авторегрессии - скользящего среднего
Спектральное оценивание на основе моделей авторегрессии - скользящего среднего. Модель авторегресии-скользящего среднего имеет больше степеней свободы, чем авторегрессионная модель, поэтому следует

Спектральное оценивание по методу минимума дисперсии
Спектральное оценивание по методу минимума дисперсии. Оценка спектральной плотности мощности по методу минимума дисперсии не является истинной функцией СПМ, поскольку площадь под графиком МД-оценки

Оценки частоты в пространстве шума. Глава
Оценки частоты в пространстве шума. Глава. Экспериментальный анализ алгоритмов спектрального анализа. В данной работе математическое моделирование и вычислительные эксперименты преследовали

Хотите получать на электронную почту самые свежие новости?
Education Insider Sample
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Реклама
Соответствующий теме материал
  • Похожее
  • Популярное
  • Облако тегов
  • Здесь
  • Временно
  • Пусто
Теги