![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
现代数字信号处理
会飞的乌龟小小王
这个作者很懒,什么都没留下…
展开
-
Root-Music方法进行频率估计
Root-Music算法是在Music算法的基础上提出的。Music算法:利用信号子空间和噪声子空间的正交性,构造空间谱函数,通过谱峰搜索,估计信号频率。具体就是先对信号用矩阵形式表示出来,接着求解相关矩阵,并对其进行特征分解,得出有K个非零特征值,利用剩下的M-K个零特征值得出信号子空间与噪声子空间的正交性。而实际中,自相关矩阵R是估计出来的,因此特征向量本身也带有一定误差,因此最终的公式中有求...原创 2018-04-03 09:39:14 · 10234 阅读 · 6 评论 -
Music算法仿真
Music:利用信号子空间和噪声子空间的正交性,构造空间谱函数,通过谱峰搜索,估计信号频率。这里的谱峰也称为“伪谱”,或MUSIC谱。以下列信号为例 产负高斯白噪声序列和带噪声的信号样本 N=1000;noise=(rand(1,N)+j*rand(1,N))/sqrt(2);u(n)=exp(1i*0.5*pi*(0:N-1)+1i*2*pi*rand)+exp(-...原创 2018-04-08 18:06:52 · 8234 阅读 · 10 评论 -
ESPRIT算法
打算把这个课程里的大部分代码都整理下。ESPRIT算法ESPRIT算法,estimating signal parameter via rotational invariance techniques,中文名“基于旋转不变技术的信号参数估计”。同样的,和Musci,Root-Music算法一样,这类基于相关矩阵特征分解的信号频率估计方法,书上都是基于复正弦加白噪声信号模型: ...原创 2018-07-08 22:48:11 · 37050 阅读 · 15 评论 -
LMS算法(在线性预测器权重估计上的应用)
LMS算法原理最陡下降算法,可用迭代的方法求解维纳-霍夫方程,但是得知道信号相关矩阵R和互相关向量p,当两者确定后,其实迭代的过程和结果都是确定的。LMS算法就是利用输入信号和期望信号都是平稳过程,用有限观测样本的时间平均来逼近统计平均: ...原创 2018-07-08 23:01:44 · 5125 阅读 · 1 评论 -
基于奇异值分解的MVDR方法进行信号频率
MVDR也叫做最小方差无失真响应。它的思想方法是基于FIR滤波器,由输入随机过程计算出输出向量的平均功率,并考虑无失真,写出代价函数。假设某频率复正弦信号通过,即需要满足 让输出平均功率最小,达到抑制其他频率信号和噪声的目的于是代价函数为: 这...原创 2018-07-08 23:20:56 · 1722 阅读 · 0 评论 -
RLS实现求解最小二乘确定性正则方程
RLS算法:递归最小二乘算法,使用迭代的方法求解最小二乘的确定性正则方程(奇异值分解也可以)。在用RLS时,数据矩阵会进一步得到扩充,将每次观测数据都放进来,而不是像奇异值分解只将每个滤波器都有数据时作为开始。这里就不多写RLS的推导过程;大致写一些思路:根据扩展后的观测数据矩阵A,定义出随时间和样本两个变化的时间相关矩阵和时间互相关矩阵,代入确定性正则方程;考虑到离当前时刻近的观测值对相关矩阵和...原创 2018-07-09 11:13:48 · 3552 阅读 · 0 评论 -
卡尔曼滤波估计线性预测器最优权值
卡尔曼滤波在维纳滤波中的应用考虑到最优权值是一个常值向量,因此状态方程为w(n)=w(n-1)观测方程就是由滤波器的最优滤波误差推导出:d(n)=uT(n)w*(n)+e(n)然后对应到观测方程和状态方程 仿真时的权向量初始值为[0 0]T,估计误差相关矩阵P的初始值为I;假设信号u(n)由一个四阶AR模型产生:u(n)-1.6u(n-1)+1.46u(n-2)-0...原创 2018-07-09 11:33:33 · 2381 阅读 · 0 评论 -
信号DOA估计
DOA估计(或波达方向估计):将接受信号进行空间傅里叶变换(空间傅里叶变换和离散时间傅里叶变换的区别是,空间傅里叶变换的求和是对阵元空间位置m,而时域傅里叶变换的求和变量时离散时间n),进而取模的平方得到空间谱,估计出信号的到达方向(空间谱的最大值对应的相位φ,再根据定义φ=2πdsinθ/λ,计算θ)。1、概念假设均匀线阵,空间仅有一个信号源,则接受信号可以表示为: ...原创 2018-07-09 12:05:12 · 31959 阅读 · 5 评论