随机信号功率谱估计：自相关法与周期图法分析

资 源 简 介

本项目利用MATLAB平台实现对随机信号功率谱密度的经典估计分析，旨在深入研究非参数化谱估计的理论与实践。核心功能包括完整实现自相关函数法（间接法，遵循维纳-辛钦定理）和周期图法（直接法）。项目通过构建包含特定频率分量与加性高斯白噪声的复杂随机信号，系统性地仿真并定量分析多维度参数对估计结果的评价。实验功能模块详细涵盖了：数据长度（采样点数）对频率分辨率的提升作用；自相关序列长度（最大滞后值）在谱线平滑度与主瓣宽度之间的权衡；不同信噪比（SNR）水平下信号分量的可检测性；各类窗函数（如矩形窗、汉明窗、布莱

详 情 说 明

随机信号功率谱估计性能分析系统

项目项目介绍

本项目是一个基于 MATLAB 开发的综合性信号处理实验平台，专注于随机信号功率谱密度（PSD）的非参数化估计。通过对比研究周期图法（直接法）与自相关法（间接法，维纳-辛钦定理），揭示了数字信号处理中关于频率分辨率、估计方差及频谱泄漏的核心科学问题。系统不仅实现了经典算法的数值计算，还通过多维度仿真实验展示了信号参数与估计算法选择对最终结果的影响。

核心功能特性

1. 经典谱估计算法实现：完整实现了周期图法、基于自相关函数的维纳-辛钦法，以及用于降低方差的分段平均法（Bartlett法）。
2. 多样化窗函数处理：内置了矩形窗、汉明窗、布莱克曼窗以及凯泽窗，用于对比不同窗函数对频谱泄漏和主瓣宽度的抑制效果。
3. 性能回归分析：系统化地探索了数据长度、自相关滞后量、信噪比以及分段数量对功率谱估计算法性能的影响。
4. 可视化实验结果：自动生成五类对比图表，直观展示不同参数设置下的功率谱曲线、频率分辨率差异及稳定性变化。
5. 实用的定量评估：提供自动化性能报告，输出不同滞后量下的谱方差估算结果。

实现逻辑与算法细节

系统的核心代码逻辑分为信号生成、算法实现、性能仿真与指标评估四个阶段：

信号构建逻辑

系统构造了一个复合随机信号，包含两个频率相近的正弦分量（100Hz 和 120Hz）以及可控功率的加性高斯白噪声。该信号模型不仅用于基础谱估计测试，还专门用于验证算法对邻近频率成分的分辨能力。

功率谱估计函数

1. 周期图法实现：利用快速傅里叶变换（FFT）计算离散信号的幅值平方，并进行归一化处理（1/N*fs），同时通过对正频率部分的翻倍补偿，准确恢复信号功率。
2. 自相关法实现：首先计算信号的带偏自相关序列，随后根据配置加载特定的窗函数序列与之相乘，最后对加窗后的自相关函数求FFT得到功率谱。该方法通过控制最大滞后值 M 来调节谱线的平滑度。
3. 分段平均法实现：将长序列划分为 K 个互不重叠的小段，对每一段分别进行周期图法估计，最后通过平均化处理来有效降低估计值的方差，提升谱线的稳定性。

窗函数算法实现

为了保证在没有信号处理工具箱的环境下也能正常运行，代码内部集成了多种窗函数的底层数学实现：

• 汉明窗：利用余弦函数构造。
• 布莱克曼窗：通过多项余弦加权实现更低的旁瓣。
• 凯泽窗：基于第一类修正贝塞尔函数近似算法实现，具有可调的旁瓣抑制参数。

性能分析实验维度

1. 数据长度对分辨率的影响：实验通过改变采样点数 N（如 128 到 2048），展示随着观测时长增加，算法分辨极近频率分量的能力显著提升。
2. 窗函数性能对比：在自相关法中应用不同窗序列，分析矩形窗（主瓣窄但旁瓣高）与布莱克曼窗（旁瓣低但主瓣宽）之间的性能权衡。
3. 分段数与稳定性的矛盾：通过对比不同 K 值的 Bartlett 估计结果，验证了分段越多由于平均效应导致的方差越小，但代价是各段长度缩短导致的频率分辨率下降。
4. 信噪比灵敏度：在不同 SNR 水平下测试算法的鲁棒性，展示在高噪声背景下弱信号分量的可检测性边界。

系统要求

1. 软件环境：MATLAB R2016b 或更高版本。
2. 硬件要求：通用办公 PC 即可，内存建议 8GB 以上以便进行长序列 FFT 计算。
3. 依赖项：主要使用 MATLAB 语言标准功能，内部已通过自定义子函数处理了窗函数依赖，对 Signal Processing Toolbox 的依赖较低。

使用说明

1. 环境准备：启动 MATLAB，将工作目录切换至项目文件夹。
2. 执行分析：在命令行窗口直接运行主函数名，程序将自动开始信号仿真。
3. 结果查看：

- 程序运行后会弹出 5 个图形窗口，分别对应方法对比、分辨率分析、窗函数对比、平滑度分析及 SNR 测试。 - MATLAB 命令行窗口将实时显示性能报告，包括不同 M 值下的方差估算数据。

1. 参数调整：用户可以通过修改主函数顶部的基本参数设置（如 FS, SNR, M 等）来探索不同实验场景下的信号特性。