谱估计

资 源 简 介

考虑L的三个不同值：L＝256（3个数据段），L＝128(7个数据段)和L=64（15个数据段）。各自的谱估计图如上图所示。可以明显的看到，加窗明显的减小了频谱上的假谱峰，但也更加进一步平滑了谱峰。所以，对于L＝64的情况，在ω＝0.8π的谱线可以很确定的辨认，但是那两个靠近的谱峰不容易区分。对于L＝128的情况，这种情况提供了在分离和检测间最好的均衡。当然，对于在L＝256时的情况，效果是更好的，能够从谱估计图上明显的分辨出三条谱线的存在以及它们幅度关系的强弱。 除了Welch法外，还可以采用对多个周期

详 情 说 明

在考虑L的三个不同值时，我们可以观察到以下现象：当L=256时（3个数据段），当L=128时（7个数据段），以及当L=64时（15个数据段）。如上图所示，不同L值的谱估计图展示了明显的差异。通过加窗处理，我们可以明显地减小频谱上的伪谱峰，但同时也进一步平滑了谱峰。因此，对于L=64的情况，在ω=0.8π处的谱线可以被清晰地辨认，但两个相邻的谱峰很难区分。而对于L=128的情况，这种情况提供了最佳的分离和检测的平衡。当然，对于L=256的情况，效果更好，我们可以明显地从谱估计图中分辨出三条谱线的存在以及它们的幅度关系强弱。除了Welch法之外，还有其他方法，如Bartlett法等，可以采用对多个周期图求平均的功率谱估计方法，在功率谱估计方面也能取得较好的结果。