本文是自适应滤波的学习笔记，主要探讨功率谱密度的概念及其重要性质。介绍了白噪声的定义，以及Cramér谱表示的基本方程。此外，还概述了功率谱的参数和无参数估计方法，包括MVDR方法和基于特征分解的方法。
这是一个学习笔记系列。为督促自己看书，尽量更新。但同时也在学其他东西，也不知道能不能实现。少玩耍，多读书。
应该会慢慢改进，会慢慢补充每一个部分的笔记。
文章目录
功率谱密度(Power Spectral Density)
自相关函数是以时间为自变量的，而功率谱密度以频率为自变量的。设 u ( n ) u(n) u(n)是一个广义平稳的随机过程，令 u N ( n ) = { u ( n ) , n = 0 , ± 1 , … , ± N , 0 , ∣ n ∣ > N . u_{N}(n)=\begin{cases} u(n),&n=0,\pm 1,\dots,\pm N,\\ 0, &|n|>N. \end{cases} uN(n)={ u(n),0,n=0,±1,…,±N,∣n∣>N. u N ( n ) u_N(n) uN(n)的离散傅里叶变换为 U N ( ω ) = ∑ n = − N N u N ( n ) e − j ω n , U_{N}(\omega)=\sum_{n=-N}^{N}u_{N}(n)\mathrm{e}^{-j\omega n}, UN(ω)=n=−N∑NuN(n)e−jωn, ω \omega ω为角频率(angular frequency)， ω ∈ ( − π , π ] \omega\in (-\pi,\pi] ω∈(−π,π]。 ∣ U N ( ω ) ∣ 2 = ∑ n = − N N ∑ k = − N N u N ( n ) u N ∗ ( k ) e − j ω ( n − k ) . |U_{N}(\omega)|^2=\sum_{n=-N}^{N}\sum_{k=-N}^{N}u_{N}(n)u_{N}^{*}(k)\mathrm{e}^{-j\omega(n-k)}. ∣UN(ω)∣2=n=−N∑Nk=−N∑NuN(n)uN∗(k)e−jω(n−k). E [ ∣ U N ( ω ) ∣ 2 ] = ∑ n = − N N ∑ k = − N N E [ u N ( n ) u N ∗ ( k ) ] e − j ω ( n − k ) = ∑ n = − N N ∑ k = − N N r ( n − k ) e − j ω ( n − k ) = N ∑ l = − N N ( 1 − ∣ l ∣ N ) r ( l ) e − j ω l . \begin{aligned} \mathbb{E}[|U_{N}(\omega)|^2]&=\sum_{n=-N}^{N}\sum_{k=-N}^{N}\mathbb{E}[u_{N}(n)u_{N}^*(k)]\mathrm{e}^{-j\omega(n-k)}\\ &=\sum_{n=-N}^{N}\sum_{k=-N}^{N}r(n-k)\mathrm{e}^{-j\omega(n-k)}\\ &=N\sum_{l=-N}^{N}\left(1-\frac{|l|}{N}\right)r(l)\mathrm{e}^{-j\omega l}. \end{aligned} E[∣UN(ω)∣2]=n=−N∑Nk=−N∑NE[uN(n)uN∗(k)]e−jω(n−k)=n=−N∑Nk=−N∑Nr(n
最低0.47元/天 解锁文章
311
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
