matlab 最大熵谱估计,基于Burg算法的最大熵谱估计

《基于Burg算法的最大熵谱估计》由会员分享，可在线阅读，更多相关《基于Burg算法的最大熵谱估计(6页珍藏版)》请在人人文库网上搜索。

1、基于Burg算法的最大熵谱估计一、 实验目的使用Matlab平台实现基于Burg算法的最大熵谱估计二、 Burg算法原理现代谱估计是针对经典谱估计方差性能较差、分辨率较低的缺点提出并逐渐发展起来的，其分为参数模型谱估计和非参数模型谱估计。而参数模型谱估计主要有AR模型、MA模型、ARMA模型等，其中AR模型应用最多。ARMA模型功率谱的数学表达式为：其中，P(ej)为功率谱密度；s2是激励白噪声的方差；ai和bi为模型参数。若ARMA 模型中bi全为0，就变成了AR模型，又称线性自回归模型，其是一个全极点模型：研究表明，ARMA 模型和MA 模型均可用无限阶的AR模型来表示。且AR模型的参数估。

2、计计算相对简单。同时，实际的物理系统通常是全极点系统。要利用AR模型进行功率谱估计，必须由Yule - Walker 方程求得AR模型的参数。而目前求解Yule - Walker方程主要有三种方法: Levinson-Durbin递推算法、Burg算法和协方差方法。其中Burg算法计算结果较为准确，且对于短的时间序列仍能得到较正确的估计，因此应用广泛。研究最大熵谱估计时，Levinson递推一直受制于反射系数Km的求出。而Burg算法秉着使前、后向预测误差平均功率最小的基本思想，不直接估计AR模型的参数，而是先估计反射系数Km，再利用Levinson关系式求得AR模型的参数，继而得到功率谱估计。

3、。Burg定义m阶前、后向预测误差为：(1)(2)由式(1)和(2)又可得到前、后预测误差的阶数递推公式：(3)(4)定义m阶前、后向预测误差平均功率为：(5)将阶数递