© Institut biostatistiky a analýz SPEKTRÁLNÍ ANALÝZA Č ASOVÝCH Ř AD prof. Ing. Jiří Holčík, CSc.

Prezentace na téma: "© Institut biostatistiky a analýz SPEKTRÁLNÍ ANALÝZA Č ASOVÝCH Ř AD prof. Ing. Jiří Holčík, CSc."— Transkript prezentace:

1 © Institut biostatistiky a analýz SPEKTRÁLNÍ ANALÝZA Č ASOVÝCH Ř AD prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cz

2 © Institut biostatistiky a analýz III. JAK NA TO? POKRA Č OVÁNÍ

3 © Institut biostatistiky a analýz  DISKRÉTNÍ SIGNÁL  vzorkováním signálu x a (t) vzorkovací frekvencí F > 2f max ;  výsledná posloupnost x nT má N hodnot (0  n  N-1) NEPERIODICKÝ SIGNÁL S NEKONE Č NOU ENERGIÍ

4 © Institut biostatistiky a analýz ODHADOVÝ EXKURZ  odhad parametru je závislý na volbě úseku signálu;  protože je výběr intervalu náhodný, je i odhad parametru náhodnou veličinou;  základní (požadované) vlastnosti odhadů:  nestrannost – záruka, že v průměru se bude odhad pohybovat kolem správné hodnoty parametru  konzistence – čím delší bude zkoumaný interval, tím více se bude odhad blížit neznámé hodnotě  eficience – eficientní odhad je takový nestranný odhad, který má minimální disperzi

5 © Institut biostatistiky a analýz  odhad spektrální hustoty výkonu z konečné posloupnosti (nepřímá metoda)  odhady AK posloupnosti: NEPERIODICKÝ SIGNÁL S NEKONE Č NOU ENERGIÍ

6 © Institut biostatistiky a analýz ODHADY AUTOKORELA Č NÍ POSLOUPNOSTI

7 © Institut biostatistiky a analýz ODHADY AUTOKORELA Č NÍ POSLOUPNOSTI

8 © Institut biostatistiky a analýz ODHADY AUTOKORELA Č NÍ POSLOUPNOSTI

9 © Institut biostatistiky a analýz  dosadíme-li do vztahu pro výpočet odhadu spektrální hustoty výkonu za podle 2), dostaneme (ještě to nikdo nedokázal)  periodogram (Schuster 1898) (přímá metoda) NEPERIODICKÝ SIGNÁL S NEKONE Č NOU ENERGIÍ

10 © Institut biostatistiky a analýz PERIODOGRAM

11 PERIODOGRAM

12 IV. NEPARAMETRICKÉ METODY ODHADU VÝKONOVÉHO SPEKTRA

13 © Institut biostatistiky a analýz NEPARAMETRICKÉ METODY ODHADU VÝKONOVÉHO SPEKTRA  nekladou žádné požadavky na znalosti vlastností signálu;  všechny uvedené metody vycházejí z konečné posloupnosti vzorků signálu  frekvenční rozlišovací schopnost je při nejlepším určena spektrální šířkou obdélníkového okna (všechny metody však snižují frekvenční rozlišení díky snaze o snížení rozptylu spektrálního odhadu)

14 © Institut biostatistiky a analýz BARTLETOVA METODA  rozdělení posloupnosti N vzorků na K nepřekrývajících se segmentů, každý o délce M x i (nT) = x(nT+iMT), i=0, 1, …, K-1; n=0,1,…,M-1  pro každý segment se spočítá periodogram  zprůměrněním periodogramů ze všech K segmentů dostaneme odhad výkonového spektra

15 © Institut biostatistiky a analýz STATISTICKÉ VLASTNOSTI BARTLETTOVA ODHADU  střední hodnota pro jednotlivé periodogramy omezení délky signálové posloupnosti z N vzorků na M=N/K vzorků způsobí váhování oknem, jehož spektrální šířka vzroste K-krát; tím se též sníží K-krát frekvenční rozlišovací schopnost

16 © Institut biostatistiky a analýz STATISTICKÉ VLASTNOSTI BARTLETTOVA ODHADU  rozptyl rozptyl se sníží K-krát

17 © Institut biostatistiky a analýz dvě modifikace Bartletovy metody  překrývání segmentů x i (nT) = x(nT+iDT), i=0, 1, …, K-1 (počet vzorků v segmentu); n=0,1,…,M-1(počet segmentů) pro D=M se segmenty nepřekrývají (dělení odpovídá B.m.) WELCHOVA METODA

18 © Institut biostatistiky a analýz  váhování vzorků v každém segmentu oknem před výpočtem periodogramů kde U je výkonový normalizační faktor okna daný vztahem U = Σw 2 (nT)/M Welchův odhad výkonového spektra WELCHOVA METODA

19 © Institut biostatistiky a analýz STATISTICKÉ VLASTNOSTI WELCHOVA ODHADU

20 © Institut biostatistiky a analýz STATISTICKÉ VLASTNOSTI WELCHOVA ODHADU

21 © Institut biostatistiky a analýz BLACKMANOVA-TUKEYHO METODA VYHLAZENÍ PERIODOGRAMU nepřímá metoda – přes výpočet odhadu autokorelační funkce  výpočet odhadu autokorelační funkce  váhování odhadu autokorelační funkce oknem w(mT)0 pro –M+1mM-1; w(mT)=0 pro |m|M váhování autokorelační funkce oknem  vyhlazení periodogramu; sníží se rozptyl, omezí se frekvenční rozlišovací schopnost  výpočet Fourierovy transformace váhovaného odhadu autokorelační funkce – váhování snižuje vliv odhadu autokorelační funkce počítaného pro malé hodnot posunu (N-m)T

22 © Institut biostatistiky a analýz Blackmanův-Tukeyův odhad ve frekvenční oblasti Váhování AKF oknem  vyhlazení periodogramu – sníží se rozptyl, omezí se rozlišovací schopnost BLACKMANOVA-TUKEYHO METODA VYHLAZENÍ PERIODOGRAMU

23 © Institut biostatistiky a analýz požadavky na okna:  sudá funkce (symetrická kolem m=0) … odhad výkonového spektra bude reálná funkce  W(f)  0 pro |f|  F/2  odhad výkonové spektrální funkce bude nezáporný pro |f|  F/2 BLACKMANOVA-TUKEYHO METODA VYHLAZENÍ PERIODOGRAMU

24 © Institut biostatistiky a analýz BLACKMANOVA-TUKEYHO METODA STATISTICKÉ VLASTNOSTI ODHADU

25 © Institut biostatistiky a analýz BLACKMANOVA-TUKEYHO METODA STATISTICKÉ VLASTNOSTI ODHADU

26 © Institut biostatistiky a analýz BLACKMANOVA-TUKEYHO METODA STATISTICKÉ VLASTNOSTI ODHADU

27 © Institut biostatistiky a analýz SROVNÁNÍ NEPARAMETRICKÝCH METOD ODHADU VÝKONOVÉHO SPEKTRA  míra kvality A je označení metody Používá se i převrácená hodnota, nazývá se variabilita.

28 © Institut biostatistiky a analýz  periodogram SROVNÁNÍ NEPARAMETRICKÝCH METOD ODHADU VÝKONOVÉHO SPEKTRA

29 © Institut biostatistiky a analýz  Bartlettův odhad SROVNÁNÍ NEPARAMETRICKÝCH METOD ODHADU VÝKONOVÉHO SPEKTRA

30 © Institut biostatistiky a analýz  Welchův odhad SROVNÁNÍ NEPARAMETRICKÝCH METOD ODHADU VÝKONOVÉHO SPEKTRA

31 © Institut biostatistiky a analýz  Blackmanův-Tukeyho odhad SROVNÁNÍ NEPARAMETRICKÝCH METOD ODHADU VÝKONOVÉHO SPEKTRA

32 © Institut biostatistiky a analýz SROVNÁNÍ NEPARAMETRICKÝCH METOD ODHADU VÝKONOVÉHO SPEKTRA

33 © Institut biostatistiky a analýz Požadavky vychází z předpokladu, že:  se zpracovává sekvence o délce N vzorků a je specifikována relativní rozlišovací schopnost ∆f.T;  pro výpočet se použije radix-2 FFT algoritmus  pracnost je vyjádřena pouze počtem komplexních násobení VÝPO Č ETNÍ PO Ž ADAVKY NEPARAMETRICKÝCH METOD ODHADU VÝKONOVÉHO SPEKTRA

34 © Institut biostatistiky a analýz VÝPO Č ETNÍ PO Ž ADAVKY NEPARAMETRICKÝCH METOD ODHADU VÝKONOVÉHO SPEKTRA

35 © Institut biostatistiky a analýz VÝPO Č ETNÍ PO Ž ADAVKY NEPARAMETRICKÝCH METOD ODHADU VÝKONOVÉHO SPEKTRA

36 © Institut biostatistiky a analýz NEPARAMETRICKÉ METODY  výhody:  relativně jednoduché, srozumitelné, pomocí DFT (FFT) snadno spočitatelné  nevýhody:  potřeba dlouhého záznamu pro dostatečou frekvenční rozlišovací schopnost;  prosakování spekter díky použitým oknům (maskování slabých signálů);  omezení vyplývající z předpokladu, že r xx (mT)=0 pro |m|N  vnucená periodicita signálu definicí periodogramu