论文部分内容阅读
随机信号的功率谱密度函数决定着被分析信号的能量在频域上的分布情况,因而被广泛应用于雷达、通信、地质勘探等众多领域。功率谱估计则是利用有限的样本数据估计该随机信号的功率谱密度函数。因而,谱估计成为信号分析的重要手段,目前主要分为两大类：经典功率谱估计方法与现代功率谱估计方法。随着科学技术的逐步发展,对功率谱估计精度的要求也不断提高。另外,由于多维随机信号在实际应用中发挥着越来越重要的作用,所以多维随机信号功率谱估计也是目前随机信号处理中具有挑战性的问题之一。首先本文简单介绍了经典谱估计方法与现代谱估计方法及其优缺点。经典谱估计方法的本质为传统的傅里叶变换,而现代谱估计方法是根据随机信号的参数模型确定的。当数据记录长度比较短时,经典谱估计具有分辨率低、方差比较大等缺点。现代谱估计方法是对于经典谱估计的缺点提出来的,但是它同样存在缺点,如模型的阶数不容易确定等等。其次本文分析了基于Kullback-Leibler距离和Hellinger距离的THREE型谱估计方法,并且对优化部分的拉格朗日参数的求解算法进行了改进。在一维随机信号功率谱估计的基础上,把THREE型谱估计方法推广到了多维随机信号的功率谱估计。该方法是在已知随机信号的先验功率谱的基础上,使得功率谱估计值在功率谱密度函数距离最小的意义下尽可能地接近先验功率谱。最后利用计算机仿真实验对THREE型谱估计方法进行了验证。通过数值模拟,发现THREE型谱估计方法在特定的频率带表现了更高的分辨率,而且这种算法对于较少的观察数据同样适用。通过与其他算法比较,证实基于Kullback-Leibler距离和Hellinger距离的THREE型谱估计方法都能有效地避免谱线分裂和谱峰偏移现象,同时提高了功率谱估计的精度,具有广泛的实用性。