matlab非参数功率普估计,【数字信号处理】--功率谱估计

文章目录

什么是功率谱估计？

经典谱估计法

周期图法-直接法

平均周期图法-Bartlett法

修正的平均周期图法-Welch法

间接法--BT法--自相关法

现代谱估计方法

基于参数建模的功率谱估计

AR模型-自回归模型

MA模型--移动平均模型

ARMA模型--自回归-移动平均模型

基于非参数建模的功率谱估计

评价功率谱的标准

参考资料

什么是功率谱估计？

谱估计在现代信号处理中是一个很重要的课题，功率谱反映了信号的功率在频域随频率w的分布,功率谱估计可以分为经典谱估计方法与现代谱估计方法。

简单说功率谱估计法是通过利用已经获得的N个数据点，来得到一个"非精确"的功率谱对真实随机信号的功率谱进行估计。

任意一个周期信号f(t)，其傅里叶变换得到的频谱中将会包含一个直流分量，一个基频成分w0，以及相应的谐波成分。将这些信号分量相加就可以得到原始的时间信号f(t)。

信号分为确定信号和随机信号，而确定信号又分为能量信号和功率信号。根据狄里赫利条件，能量信号可以直接进行傅里叶变换，得到频谱的幅度再平方即为能量谱(或称能量谱密度)。而功率信号不行。

功率谱密度的求法:

如果你测到的信号是一个确定性信号，你就可以直接做FFT，然后平方，再除以你用的点数就得到其功率谱密度；如果你测到的信号是一个随机信号，就需要先求自相关函数，然后对自相关求FFT得到其功率谱密度曲线

确定信号是用FFT求频谱，先FFT，再幅值平方/N

随机信号是用PSD