Оценка спектральной плотности степени с использованием метода Бурга
Спектр мощности
dspspect3
Блок Burg Method оценивает степень спектральную плотность (PSD) входного кадра с помощью метода Burg. Этот метод подбирает авторегрессивную (AR) модель к сигналу путем минимизации (методом наименьших квадратов) ошибок предсказания вперед и назад. Такая минимизация происходит с параметрами AR, ограниченными для удовлетворения рекурсии Левинсона-Дурбина.
Входной вход должен быть вектором-столбцом или неориентированным вектором. Этот вход представляет систему координат последовательных временных выборок из одноканального сигнала. Блок выводит вектор-столбец, содержащую оценку степени спектральной плотности сигнала в Nfft одинаково разнесенных частотных точках. Частотные точки находятся в области значений [0, Fs), где Fs - частота дискретизации сигнала.
Когда вы выбираете параметр Inherit estimation order from input dimensions, порядок полнополюсной модели на один меньше, чем размер входного кадра. В противном случае параметр Estimation order задает порядок. Блок вычисляет спектр из БПФ оцененных параметров модели AR.
Выбор параметра Inherit FFT length from estimation order указывает, что Nfft на единицу больше, чем порядок оценки. Снятие флажка Inherit FFT length from estimation order позволяет вам использовать параметр FFT length, чтобы задать Nfft как степень 2. Блок zero-pads или переносит вход в Nfft перед вычислением БПФ. Выходные выходы всегда основаны на выборке.
Когда вы устанавливаете флажок Inherit sample time from input, блок вычисляет частотные данные из периода дискретизации входного сигнала. Чтобы блок произвел допустимый выход, должны состояться следующие условия:
Вход в блок является исходным сигналом, без выборок добавленных или удаленных (путем вставки нулей, для примера).
Период дискретизации сигнала временной области в симуляции равен периоду дискретизации исходных временных рядов.
Если эти условия не удерживаются, снимите флажок Inherit sample time from input. Затем можно задать шаг расчета, используя параметр Sample time of original time series.
Блоки Burg Method и Метод Юла-Уокера возвращают аналогичные результаты для больших форматов кадра. Следующая таблица сравнивает функции блока Burg Method с блоками Ковариации Method, Модифицированный метод ковариации и Метод Юла-Уокера.
Город | Ковариация | Измененная ковариация | Юле-Уокер | |
---|---|---|---|---|
Особенности | Не применяет окно к данным | Не применяет окно к данным | Не применяет окно к данным | Применяет окно к данным |
Минимизирует ошибки прямого и обратного предсказания в смысле наименьших квадратов с ограничениями коэффициентов AR, чтобы удовлетворить L-D рекурсии | Минимизирует ошибку прямого предсказания в смысле наименьших квадратов | Минимизирует ошибки прямого и обратного предсказания в смысле наименьших квадратов | Минимизирует ошибку прямого предсказания в смысле наименьших квадратов (также называемую autocorrelation method) | |
Преимущества | Высокое разрешение для кратких записей данных | Лучшее разрешение, чем Y-W для кратких записей данных (более точные оценки) | Высокое разрешение для кратких записей данных | Выполняет также другие методы для больших записей данных |
Всегда производит стабильную модель | Возможность извлечь частоты из данных, состоящих из p или более чистых синусоидов | Возможность извлечь частоты из данных, состоящих из p или более чистых синусоидов | Всегда производит стабильную модель | |
Не страдает спектральным разбиением линий | ||||
Недостатки | Пиковые местоположения, сильно зависящие от начальной фазы | Может производить нестабильные модели | Может производить нестабильные модели | Относительно плохо работает для коротких записей данных |
Может страдать спектральным разбиением линий для синусоидов в шуме, или когда порядок очень велик | Смещение частоты для оценок синусоидов в шуме | Пиковые положения, слегка зависящие от начальной фазы | Смещение частоты для оценок синусоидов в шуме | |
Смещение частоты для оценок синусоидов в шуме | Незначительное смещение частоты для оценок синусоидов в шуме | |||
Условия для неособенности | Порядок должен быть меньше или равен половине размера входного кадра | Порядок должен быть меньше или равен 2/3 размера входного кадра | Из-за смещенной оценки матрица автокорреляции гарантированно будет положительно-определенной, следовательно, несингулярной |
Установка этого флажка устанавливает порядок оценки на единицу меньше длины входного вектора.
Порядок модели AR. Этот параметр становится видимым только при снятии флажка Inherit estimation order from input dimensions.
При выборе длина БПФ на один больше, чем порядок оценки. Чтобы задать число точек для выполнения БПФ, снимите флажок Inherit FFT length from estimation order. Затем можно задать степень двойки длин БПФ с помощью параметра FFT length.
Введите количество точек данных, по которым будет выполняться БПФ, Nfft. Когда Nfft больше, чем размер входного кадра, блок обнуляет каждую систему координат по мере необходимости. Когда Nfft меньше, чем размер входного кадра, блок оборачивает каждую систему координат по мере необходимости. Этот параметр становится видимым только при снятии флажка Inherit FFT length from input dimensions.
Если вы выбираете флажок Inherit sample time from input, блок вычисляет частотные данные из периода дискретизации входного сигнала. Чтобы блок произвел допустимый выход, должны состояться следующие условия:
Вход в блок является исходным сигналом, без выборок добавленных или удаленных (путем вставки нулей, для примера).
Период дискретизации сигнала временной области в симуляции равен периоду дискретизации исходных временных рядов.
Если эти условия не удерживаются, снимите флажок Inherit sample time from input. Затем можно задать шаг расчета, используя параметр Sample time of original time series.
Задайте шаг расчета исходного сигнала временной области. Этот параметр становится видимым только при снятии флажка Inherit sample time from input.
Порт | Поддерживаемые типы данных |
---|---|
Вход |
|
Выход |
|
[1] Кей, С. М. Современная спектральная оценка: теория и применение. Englewood Cliffs, Нью-Джерси: Prentice Hall, 1988.
[2] Orfanidis, S. J. Введение в обработку сигналов. Englewood Cliffs, Нью-Джерси: Prentice Hall, 1995.
[3] Orfanidis, S. J. Оптимальная обработка сигналов: введение. 2nd ed. New York, NY: Macmillan, 1985.