【经典谱和现代谱估计】

经典功率谱估计和现代功率谱估计的差别

 平稳随机信号的线性模型（AR，MA，ARMA）以白噪声激励信号经过一个因果稳定线性时不变系统得到带估计的随机信号。通过估计出系统的模型系数和白噪声的方差就可以确定带估计随机信号的功率谱密度。

经典的谱估计方法包括直接法，间接法。使用直接法时，该频谱的分辨率取决于采样的时间长度（详情可见频谱分辨率）。经典的谱估计方法对采样得到序列进行处理隐含了一个加窗的操作，窗外的数据默认为零。所以可靠经典的谱估计方法在采样点数比较少的情况下，对频率的估计变得不可靠。
现代谱估计方法以模型为基础，利用采样的数据建立模型，使谱估计的结果更能体现随机信号全局性的性质。
信号的频谱分析是研究信号特性的重要手段之一，通常是求其功率谱来进行频谱分析。功率谱反映了随机信号各频率成份功率能量的分布情况，可以提示信号中隐含的周期性及靠得很近的谱峰等有用信息，在许多领域都发挥了重要作用。然而，实际应用中的平稳随机信号通常是有限长的，只能根据有限长信号估计原信号的真实功率谱。因此，功率谱估计就是基于有限的数据寻找信号、随机过程或系统的频率成分。一般功率谱估计分为经典谱估计和现代谱估计。
根据所用理论的不同，通常将基于相关函数的傅里叶变换的估计方法称为经典功率谱估计，而将参数模型估计方法和基于相关矩阵特征值分解的信号频率估计方法，称为现代功率谱估计方法。
经典谱估计为线性估计方法，是建立在传统的傅里叶变换的基础之上，它首先由给定的数据估计自相关序列，然后对估计出的自相关序列进行傅里叶变换得到功率谱估计，没有将信号的可用信息结合到估计过程中，有计算效率高、估计值正比于正弦波信号的功率等优势。但性能依赖于数据序列的长度，频率分辨率低，且需在方差和分辨率之间做出权衡，不适用于短时数据的情况，典型代表有Blackman和Tukey提出的自相关谱估计法（简称BT法），周期图法以及周期图法的改进方法——Barlett法和Welth法；
现代功率谱估计是非线性估计方法，估计性能依赖于参数模型，最终可获得方差小、分辨率高的谱估计，但所用模型必须适合于所分析信号，否则谱估计将是错误或者不准确的。有AR模型，MA模型，ARMA模型等；非参数模型谱估计有最小方差法和MUSIC法等。

BT算法代码：
%BT法
nfft=1024; %以点数1024为例
cxn=xcorr(sn,‘unbiased’); %求序列自相关函数
P1=fft(cxn,nfft);
subplot(311);
plot(f,10*log10(P1(1:257)),‘r’,‘LineWidth’,1.4);
xlabel(‘频率’,‘fontsize’,12);ylabel('功率谱/dB ',‘fontsize’,12);
title(‘BT法’,‘fontsize’,12)

% Bartlett法
window=boxcar(length(sn)); %矩形窗
noverlap=0; %数据无重叠
p=0.9; %置信概率
p2=psd(sn,nfft,1,window,noverlap,p); %计算PSD
subplot(312);plot(f,10*log10(p2(1:257)),‘r’,‘LineWidth’,1.4);
xlabel(‘频率’,‘fontsize’,12);ylabel(‘功率谱/dB’,‘fontsize’,12);
title(‘Bartlett法’,‘fontsize’,12);

%Welch法
window=boxcar(length(sn)); %矩形窗
noverlap=0; %数据无重叠
range=‘onesided’; %频率间隔为[0,1/2]，只计算一半频率
[p3,w]=pwelch(sn,window,noverlap,nfft,range);
subplot(313);plot(f,10*log10(p3),‘b’,‘LineWidth’,1.4);
xlabel(‘频率’,‘fontsize’,12);ylabel(‘功率谱/dB’,‘fontsize’,12);
title(‘Welch法’,‘fontsize’,12);