目录
一、概述
1、什么是基于模型的谱估计方法
2、应用场景和代表模型
二、模型函数
三、谱估计方法
1、ARMR谱估计
2、AR谱估计
一、概述
1、什么是基于模型的谱估计方法
对于传统窗函数外的信号数据直接按照0处理,忽略了这部分的数据,因而用基于模型的方法来估计
2、应用场景和代表模型
应用:短时信号,可以估计超出窗外的数据,尤其的嘈杂的数据
代表:
- 自回归(AR)模型(适用有峰无谷,即适用全极点模型)
- 移动平均(MR)模型(适用有谷无峰,即适用全零点模型)
- 自回归自动平均 (ARMR)模型
二、模型函数
ARMR:有零极点
通过2介绍AR模型就是B(z)=1;MR模型就是A(z)=1。
三、模型求解方法
1、ARMR谱估计
ARMR要同时估计AR和MR的参数,不能很好的建立窄带频谱,精度不高,在生物信号功率谱估计里用的少。
2、AR谱估计
有两种方法
- 按顺序处理(实时录入处理)
- 处理块数据(整个波形数据处理)
最受欢迎的四种:(不需要自相关函数,直接用数据估计,经典法好像是用自相关函数和功率谱是FT,即维纳-辛倾定理,周期图法是直接数据的平方就是功率)
Yule-Walker-产生分辨率最低的光谱,从而提供最大的平滑度
Burg-可以建立稳定的AR模型
Covariance, and
Modified covariance methods
五阶或六阶AR模型已在某些研究中成功应用