汉明窗周期图法的正弦信号功率谱估计

资 源 简 介

本项目通过实现周期图法对特定离散序列进行功率谱密度估计。其核心功能在于模拟并分析在单位高斯白噪声环境干扰下，对包含三个不同频率分量的正弦信号的检测与分辨率表现。项目中定义了50个独立的样本序列集合，每个序列的长度严格设定为512个采样点。为了模拟真实的统计特性，每个正弦信号分量的相位均被建模为在0到2PI范围内均匀分布且相互独立的随机变量。在信号预处理阶段，系统采用了汉明窗作为数据截断的窗口函数，以有效抑制经典周期图法中常见的频谱泄漏现象并降低旁瓣干扰。通过对所有样本序列分别执行周期图计算并进行统计观察，

详 情 说 明

周期图法与汉明窗辅助的高斯白噪声背景下正弦信号功率谱估计

项目介绍

本项目实现了一种基于改进周期图法的功率谱密度（PSD）估计系统。该工具旨在研究在含有单位方差高斯白噪声的背景下，如何通过非参数化方法准确识别多频正弦信号。项目通过蒙特卡洛模拟方法，对50组独立生成的样本序列进行统计分析，重点评估了在特定采样长度和窗函数作用下，算法对低频率差分量（180Hz与195Hz）的分辨能力，以及估计结果的统计稳定性（方差表现）。

功能特性

1. 多频率信号合成：通过叠加三个具有不同频率（120Hz、180Hz、195Hz）和幅度的正弦信号构建仿真目标。
2. 随机相位模拟：为模拟真实的随机信号特性，每个正弦分量的初始相位在各次仿真中均服从 [0, 2π] 的均匀分布。
3. 频谱泄露抑制：通过手动实现的汉明窗函数对原始数据进行加权处理，有效抑制功率谱估计中的旁瓣干扰。
4. 功率谱归一化修正：引入窗能量补偿因子 U，确保功率谱密度的估值符合统计无偏性要求。
5. 波形能量补偿：实现了双边谱向单边谱的转换，并对除直流和奈奎斯特频率外的频点进行能量倍增补偿。
6. 统计特性分析：计算并可视化50次独立实验的平均功率谱以及各个频率点上的估值方差，揭示周期图法的不稳定性。
7. 自动化谱峰识别：内置简易寻峰算法，能够自动定位并标注功率谱中的主要谐波分量位置。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 工具箱依赖：本程序采用自包含设计，核心算法（汉明窗计算、寻峰逻辑）均为手动实现，无需安装额外的信号处理工具箱。

实现逻辑与算法细节

#### 1. 参数定义与初始化 系统设定采样频率为 1000Hz，观测样本点数为 512 点。定义了三个目标频率分量：120Hz、180Hz 和 195Hz，其中后两者间隔较近，用于考察频率分辨率。

#### 2. 信号生成模型 在 50 次迭代循环中，每次生成以下组合信号：

• 确定性分量：三个独立相位的正弦波叠加。
• 随机干扰：通过服从标准正态分布的随机数生成单位方差（Variance=1）的高斯白噪声。
• 预处理：对合成信号应用汉明窗，窗口函数公式为 $w(n) = 0.54 - 0.46 cos(2pi n / (N-1))$。

#### 3. 周期图法计算流程

• 快速傅里叶变换：对加窗后的序列执行 N 点 FFT。
• 功率计算：采用公式 $P(f) = |X(k)|^2 / (fs cdot U)$ 计算。其中 $U$ 是窗序列的平方和，用于纠正加窗带来的幅值衰减。
• 单边谱转换：截取 [0, fs/2] 范围的频率分量，并乘以系数2以保持总能量守恒。

#### 4. 统计与可视化处理

• 均值平滑：通过对 50 组 PSD 结果求算术平均，降低单次周期图估计的高方差特性。
• 方差计算：针对频率轴上的每个点，计算 50 次估计值的离散程度，反映噪声对不同频段的影响。
• 可视化方案：

* 对比图：同屏绘制 50 条灰色背景谱线与一条红色平均谱线，直观展示随机性。 * 线性谱图：展示平均 PSD 并在识别出的峰值处通过红圈和文字标签进行标注。 * 方差分布图：使用填充面积图展示方差随频率的变化趋势。

#### 5. 辅助功能实现

• 自定义汉明窗：不依赖内置函数，严格按照数学定义构建窗向量。
• 局部极大值检测：通过比较相邻数据点识别潜在谱峰，并结合最小峰值距离过滤算法，确保在 180Hz 和 195Hz 这种较近的频率处能准确区分不同谱峰。

关键算法分析

• 频率分辨率：在 512 点长度下，矩形窗的主瓣较窄但旁瓣较高，而汉明窗通过牺牲一定的灵敏度换取了更低的旁瓣，使得噪声背景下的微弱信号（或邻近信号）更易被观察。
• 周期图法的一致性：代码通过方差分布图展示了经典周期图法并非一致估计量。即使 N 增大，单次估计的方差也不会趋于零，这验证了在实际应用中进行多样本平均（如本项目采用的蒙特卡洛法）或使用改进算法（如 Welch 法）的必要性。