<<
>>

5.2 Спектральное оценивание по методу Блэкмана - Тьюки

Методы Шустера и Блэкмана-Тьюки основаны на применении формул

2T

S (0) = Lim M<

T ^ ад

— J x(t )exp(- j0t )dt 2п — t

(5.61)

1

1

T

где Т - интервал наблюдения, 0 - частота анализа

(5.62)

1

S (0) = — J R(r)exp(— j0)dr 2п

— ад

как основ для получения спектральных оценок.

Для устранения статистической несостоятельности в указанных оценках используется метод, предложенный Барлеттом и Тьюки /4/, который предлагает проведение дополнительного сглаживания спектральных оценок вида

(5.63)

S0) = —L- M Г| Л(0)\2 2п T } 1

1 т

(5.64)

Skp) = — J R(r)cos(0r)dr 2п 0

на ограниченных временных (частотных) отрезках при аналоговом оценивании или ограниченных выборках временных последовательностей при синтезе дискретных оценок СПМ.

В цифровой форме оценки (5.63) и (5.64) принимают вид соответственно

Д t N — 1N — 1

(5.65)

nN

$•(0 ) = ^ Z x (i Д t) • x (к Д t) exp[ — j0 (i — к ) Д t ],

i = 0 к = 0

(5.66)

S(0) = ^L J 2 • NZ 1 Я(Ш) cos(k0Д) — R(0) \ . 2n l к = 0

Согласно принятой классификации традиционные методы спектрального оценивания могут быть охарактеризованы следующим образом:

оценки СПМ могут быть как аналоговыми, так и цифровыми;

оценки строятся по реализации исследуемого процесса без предварительного

его моделирования;

оценки линейны относительно своих параметров;

спектральные оценки получаются на ограниченных интервалах времени;

оценивание СПМ может производиться как по имеющейся оценке АКФ

процесса, так и непосредственно по его реализации.

Упомянутая выше процедура дополнительного сглаживания оценки /4/ эквивалентна умножению в преобразовании Фурье на некоторую весовую функцию - спектрального g(0) или корреляционного И(т) окна.

Приведенная характеристика оценок СПМ, получаемых традиционными методами, будет в дальнейшем продолжена путем рассмотрения метрологических характеристик спектральных оценок, получаемых с помощью разного вида окон.

Для обеспечения единства подхода в качестве критерия отличия получаемых оценок от истинностных значений СПМ, с помощью которого будут сравниваться различные оценки СПМ, станем использовать один и тот же среднеквадратический критерий

ё2(0) = M

{{(0) — S (0 )}2 "I = Д2 cv + D[S(0 )] == min. (5.67)

Относительная среднеквадратическая погрешность при этом определяется следующим образом

г» = 4с^ + 4У. (5.68)

S 2(0) S 2(0) v 7

С учетом дополнительного сглаживания (использования

корреляционных окон) соотношения (5.65) и (5.66) примут вид соответственно:

1 ад

S(0) = - Jh(T)• RT)cos(0r)dr, (5.69)

n 0

At Г N—1 1

S0) = —J2ZКШ)• М(Ш)^(к0&) — h(0)R(0)\ . (5.70)

2n | к=0 J

При этом оценки с верху относительной дисперсии оценки СПМ и относительной ошибки от смещенности будут определяться соотношениями вида

Ф4* T J h(0)dT, (5.71)

S (0) T 0

у = M [0) — S (0)]- ^Tr0CJ[h(r) — 1]R(r)cos(0r)dr . (5.72)

cv n S(0)0

Погрешности оценивания, как видно из (5.71) и (5.72), определяются видом весовой функции к(т) (корреляционного окна).

К настоящему времени предложено много различных корреляционных окон, среди которых наибольшее распространение получили окна: Пугачева - Даниэля, Бартлетта, Хемминга, Тьюки, Парзена /4/.

Приведем краткий сравнительный анализ спектральных оценок с использованием перечисленных окон.

Окно Пугачева - Даниэля представляет собой прямоугольник в частотной области и определяется выражением

2п Aw —,| w |<

g(w) =

Aw Л 4п, (5.73)

Aw

0,| w |>

. 1 4п

соответствующее корреляционное окно имеет вид

( Aw

SinlT)т

Кт) = . (5.74)

'tl Aw

т

2

На рисунке 23 изображены графики функций ( 5.73 ) и (5.74 )

Очевидно, что использование этого окна эквивалентно полосовой фильтрации и требует большого объема вычислительных процедур. Оценка СПМ при этом имеет вид

A w

2 т л sin( )т

S(w) = — f R(т) —2 cos w тс!т. (5.75)

П J Aw^т

2

Погрешности оценивания в этом случае довольно велики, особенно для процессов с АКФ, обладающих низкой колебательностью.

Оценка сверху относительной среднеквадратической погрешности оценки Пугачева - Даниэля определяется выражением

Y = т +Y 2 =?m + (5.76)

/ T Гсш т S2(w) V 7

или

2 тт I 1 п

-\т2R(т)cos(wт)dT . (5.77)

ад

2

T I S(w) 3т

Для случайного сигнала с АКФ

(5.78)

D, ч — а \т | R(w) = e 1 'cos w^T

и СПМ:

а

(5.79)

S (w) = — • 2п

а

- + -

а2 + (w + w0)2 а + (w + w0)2

выражение (5.77) имеет вид

(5.80)

п

т

с2

X2 = — +

Т 9т\а4

где

(5.81)

с = 1 — 3(п + х)2 + 1 — 3(п + х)

1 + (п — х)2

ю0

[1 + (П + х)2]2 здесь

ю

х =

п = —;

а

а

Из (5.80) видно, что для уменьшения дисперсии оценки (5.75)

г 2п

необходимо уменьшать ширину корреляционного окна тт = —, но при этом

Аю

растет смещение.

Зависимость (5.68) носит параболический характер и, следовательно, имеет единственный экстремум - минимум. Среднеквадратические погрешности оценок СПМ для других окон определяются аналогичными соотношениями. Дженкинс Ваттс /4/ показали, что измеряя ширину окна можно получать одинаковые метрологические характеристики для оценок, полученных с помощью различных окон. По этому для удобства сравнения вычисляют оценки СПМ, соответствующие окнам с оптимальной в смысле среднеквадратической ошибки шириной т0m.

Оптимальная ширина корреляционного окна (5.74) находится из условия существования экстремума следующим образом:

ду2 дтт

(5.82)

4п4С 2T

= 0;...т т = 5

3а4

где т m - оптимальное, в смысле среднеквадратического критерия, значение ширины окна.

Погрешность оптимизированной оценки Пугачева - Даниэля имеет вид

1

с К

(5.83)

(5.84)

И(т) =

Окно Барлетта представляет собой треугольник во временной области

у20 « (2.1 + 0.49)- 1 ;...|т| < т m

г

m

0;...\т\ > т

Соответствующее спектральное окно имеет вид:

• 2,А® sin (—К

(5.85)

2

g < = тт

(2)т

А® 2 2

m

а спектральная оценка:

(5.86)

2 ( т I S(<) = — Г ^^-(т)! 1 cos(<ат)ёт

— 0 I тт )

Графики функций (5.84) и (5.85) показаны на рисунке 43.

Как видно из (5.85) и рисунка 43, спектральная оценка имеет выраженные боковые лепестки, что крайне не желательно при спектральном анализе. Это объясняется тем, что спектр исследуемого сигнала, и особенно его слабые составляющие искажаются, так как боковые максимумы лепестков «маскируют» пики слабых гармоник обрабатываемого сигнала.

-т„

т т

m

g <

Рисунок 44 - Корреляционное и спектральное окна Барлетта

<

Рисунок 44 - Корреляционное и спектральное окна Барлетта

оценки определяется

Y

Среднеквадратическая погрешность выражением:

(5.87)

т 4 2

T а тт

—J тЯ(<а) cos^rd т

2 2 т

Y = m +

3 T

со

2

Оптимальная ширина окна т0т определяется соотношением:

0 8TC2

тт = л 7 и с учетом этого

V 0.667а

1

(5.88)

'C2/ •

у02 = (1.61 + 0.67) •

(аТ )2

Не смотря на простоту технической реализации, окно Барлетта довольно редко используется в современном спектральном анализе из-за явно выраженных боковых лепестков и сравнительно низких метрологических характеристиках.

Окно Хэмминга описывается во временной во временной и частотной областях уравнениями

т

V m J

ед =

(5.89)

0.54 + 0.46cos

0, \T\>Tm

\т\ < т

(5.90)

g(0) = 1.08^^00 + 0.46Sin(0Tm -п) + 0.46sin(0тт -п)

(0Тт -П)

0тт

0Тт +П)

и спектрального окон Хэмминга

Графики корреляционного изображены на рисунке 44:

2птт

2птт

1

Рисунок 45 - Корреляционное и спектральные окна Хэмминга Погрешность у2 определяется выражением:

т

Рисунок 45 - Корреляционное и спектральные окна Хэмминга Погрешность у2 определяется выражением:

2

2п

(5.91)

у = 0.8^ +

T

4.35^ S (0)

- \т2R(T)cos(0T)dT

IJ

1

(5.92)

-C .

(аТ)4/ 25

у2 = (0.8 + 0.5)

Оценка, получаемая при помощи окна Тьюки, дает результаты несколько лучше, чем оценка Хэмминга.

Окна Тьюки во временной и частотных областях описываются следующими соотношениями:

m

т > т

(5.93)

т

V m ))

к(т) =

m

т <т

1 2

0;

С ( I Л!

—т

1 + cos

g << =

(5.94)

т

sln(Tm ) , тm sin {atm + —) , т m ^(«m - —)

m

<

^ 2 ^T^m +— 2 ^T^m - —)

а оценка СПМ:

(5.95)

2 Ш

S<) = — j Я(т) —0 1 + cos —т т V V m )) cos

(сот)с1г

Графики функций (5.93) и (5.94) приведены на рисунке 45. Боковые экстремумы здесь того же порядка, что и у оценки Хэмминга, хотя погрешности оценивания меньше.

y = 0.75—^ + T

(5.96)

¦jF R(т)cos(

т

2

Y2=(095+а25))Ь C?<-

2—т

1

т

> т

g(< )

2—т„

1

Рисунок 46 - Корреляционное и спектральное окна Тьюки

- т„

m

Рисунок 46 - Корреляционное и спектральное окна Тьюки

Окно Парзена /4/ во временной и частотных областях определяется соотношениями:

Л Л3

г

т

f Y

m

т

+ 6

т <

1 - 6

т

V m у

т

V m

2

< т < т , 2 11 m

hiz) =

m

f I I V

т

V m у

0, т > т

m

4

. т

sin— а

4

(5.97)

т

m

g (а) = 4т

4

С помощью этого окна синтезируется спектральная оценка с наименьшими боковыми максимумами (менее 0.2 % основного экстремума), хотя по своим метрологическим характеристикам она и уступает оценки Тьюки.

Спектральные оценки без боковых лепестков и более высокими метрологическими показателями по сравнению с рассмотренными могут быть получены при использовании корреляционного окна /7/

(5.98)

h(j) = I AkQk(т): k = 0

где Ак - параметры окна (коэффициенты разложения);

q - порядок окна;

Qk(т) - базисные функции.

В качестве базисных функций, отвечающих требованиям:

отсутствие «отсечки» во временной области, типичных для всех рассмотренных выше окон и неизбежно ведущей к появлению боковых максимумов;

каноническая структура, в силу которой организация окна более высокого порядка производится простым добавлением к имеющемуся окну необходимого количества членов суммы.

В качестве таких функций в /7/ предложены следующие:

Qk (т) = е-;

вт (k +1)

Qk (т) Qk (т)

(5.99)

= е-втИ е k! = е- (k = 1)вт

k

Параметры Ак корреляционного окна выбираются в ходе процедуры оптимизации /7/, который может производиться на основании одного из следующих критериев:

минимума среднеквадратической погрешности оценивания;

минимума интегральной среднеквадратической погрешности;

абсолютной безлепестковости получаемых оценок СПМ.

<< | >>
Источник: Пивоваров Ю.Н., Тарасов В.Н., Селищев Д.Н.. Методы и средства оперативного анализа случайных процессов:Учебное пособие. - Оренбург: ГОУ ВПО ОГУ. 2004

Еще по теме 5.2 Спектральное оценивание по методу Блэкмана - Тьюки:

  1. 5.1 Современные методы оценивания спектральной плотности мощности
  2. Методы оценки спектральных характеристик составляющих объекта исследования
  3. 1.3. Методы и модели экспертного оценивания качества промышленных изделий  
  4. 6.3.2 Аппроксимативное оценивание плотности распределения по методу производных
  5. 3.3.1 Характеристика изменений спектральных показателей вариабельности ритма сердца во время выполнения активной ортостатической пробы в группе больных с нейрогенными обмороками и исходно нормальным спектральным профилем
  6. 5 Методы оценки спектральных характеристик составляющих объекта исследования
  7. Измерение спектральных характеристик фотопроводимости
  8. Спектральный анализа ВРС
  9. 8.1. Механизмы комплексного оценивания
  10. 1.4 Спектральная форма вейвлет-преобразования
  11. Критерии модульного оценивания знаний
  12. г)              эволюция оценивания жизни
  13. г)              оценивание как творчество
  14. 6.2. Сопоставление спектральных характеристик асфальтенов
  15. д)              от чего зависит оценивание жизни?
  16. в)              оценивание и познание
  17. Спектральное представление стационарного случайного сигнала, рассматриваемого на неограниченном интервале времени
  18. б)              антиномии оценивания жизни
  19. 2.2. Исследование спектральных характеристик прозрачных