基于BURG算法的谱估计研究及其MATLAB实现毕业设计论文.doc

毕业设计（论文）题目： 基于BURG算法的谱估计研究及 其MATLAB实现 目 录一、毕业设计（论文）开题报告二、毕业设计（论文）外文资料翻译及原文三、学生“毕业论文（论文）计划、进度、检查及落实表”四、实习鉴定表XX大学XX学院毕业设计（论文）开题报告题目： 基于BURG算法的谱估计研究及 其MATLAB实现 机电 系 电子信息工程 专业学 号： 学生姓名： 指导教师： （职称：讲师 ） （职称： ） XXXX年XX月X日课题来源功率谱估计在近30年中获得了飞速发展。涉及到信号与系统、随机信号分析、概率统计、随机过程、矩阵代数等一系列学科，广泛应用于雷达、声纳、通信、地质、勘探、军事、天文、生物医学工程等众多领域。科学依据（包括课题的科学意义；国内外研究概况、水平和发展趋势；应用前景等）实际中，数字信号的功率谱只能用所得的有限次记录的有限长数据来予以估计，这就产生了功率谱估计这一研究领域。功率谱的估计大致可分为经典功率谱估计和现代功率谱估计，针对经典谱估计的分辨率低和方差性能不好等问题提出了现代谱估计，AR模型谱估计就是现代谱估计常用的方法之一。随着信号处理理论和电子技术的迅猛发展，谱估计分析在已经在国内外各个领域中得到广泛应用。例如在现代军事领域中，人们通过分析雷达信号，根据回波信号的功率谱密度、谱峰的宽度、高度与位置，可以确定运动目标的位置、辐射强度和运动速度。在引信系统中，通过对探测器接收到的信号进行谱分析，可以确定弹目之间的交会速度、方向，从而提高引信的打击精度和毁伤效率。现代谱分析受算法的复杂度高和集成电路处理速度的影响，因此在引信系统中的应用会受到很大的限制。但随着电子技术的大力发展，特别是DSP技术的不断发展，现代谱分析的方法在引信系统中的应用逐渐成为可能，并且极大地提高了无线电引信引战配合性能。研究内容 熟悉谱估计的发展历程； 熟练掌握经典谱估计方法：直接法和间接法、它们之间的关系、估计质量以及估计性能比较； 熟练掌握现代谱估计方法：信号建模、AR模型参数求解的Levinson-Durbin算法和BURG算法，阶数的确定方法和原则，稳定性以及对信号建模的讨论； 熟悉熟练使用MATLAB仿真。针对一个具体的随机信号，分别采用经典谱估计和现代谱估计方法估计出其功率谱，对经典谱估计和现代谱估计方法谱估计的分辨率和方差性能作一个综合评价； 熟练使用MATLAB提供的图形用户界面（GUI）工具。拟采取的研究方法、技术路线、实验方案及可行性分析熟悉经典谱估计和现代谱估计相关的理论知识，并掌握MATLAB的使用方法，达到熟练使用并融会贯通。 应用有关理论知识在MATLAB上进行仿真实验，然后对实验结果进行对比和分析。最后总结归纳实验结果，提出自己的观点。研究计划及预期成果预期成果：了解谱估计的发展进程，掌握各种算法，并熟练掌握MATLAB的基本操作。训练自己综合运用所学知识的能力，培养自己独立分析和解决问题的能力，启发自己奋发向上的精神。特色或创新之处由于经典谱估计中将数据工作区外的未知数据假设为零，相当于数据加窗，导致其分辨率降低。另外，功率谱密度原始定义中既无求均值又无求极限，所以使得经典谱估计方法的方差性能比较差，尤其是在数据纪录很短的情况下，这些问题更为突出。而现代谱估计则不再简单地将观察区外的未知假设为而零，而是先将信号的观测数据估计模型参数，按照求模型输出功率的方法估计信号功率谱，回避了数据观测区以外的数据假设问题，因而其谱的分辨率得到提高。可以看出现代谱估计性能优于经典谱估计。已具备的条件和尚需解决的问题已具备的条件：可通过书籍和网络了解功率谱估计相关的理论知识，并已学习过MATLAB程序设计。尚需解决的问题：运用MATLAB进行仿真，并分析结果。指导教师意见该生查阅了大量的相关资料，设计方案可行，同意开题。 指导教师签名：年 月 日教研室（学科组、研究所）意见 教研室主任签名： 年 月 日系意见 主管领导签名： 年 月 日英文原文Parametric spectral estimation on a single FPGAABSTRACTParametric, model based, spectral estimation techniques can offer increased frequency resolution over conventional short-term fast Fourier transform methods, overcoming limitations caused by the windowing of sampled, time domain, input data. However, parametric techniques are significantly more computationally demanding than the Fourier based methods and require a wider range of arithmetic functionality; for example, operations such as division and square-root are often necessary. These arithmetic processes exhibit communication bottleneck and their hardware implementation can be inefficient when used in conjunction with multipliers. A programmable, bit-serial, multiplier/divider, which overcomes the bottleneck problems by using a data interleaving scheme, is introduced in this paper. This interleaved processor is used to show how the parametric Modified Covariance spectral estimator can be efficiently routed on a field programmable gate array for real-time applications.1. INTRODUCTIONDue to its ease of hardware and software implementation the shortterm fast Fourier transform(STFFT)is widely used for spectral estimation and is known as the conventional method. However, the technique has drawbacks in terms of spectral resolution and accuracy caused by the finite length of the input data sequence used. Windowing of input data causes spectral broadening and Gibbs phenomenon of spectral leakage can mask the weaker frequency components of the true power spectral density(PSD)1. These unwanted effects can be reduced by using longer data sequence lengths, so that the transformed signal becomes a better representation of the infinite data sequence, but in real life this usually is not feasible as the characteristics of the input data may change with time. Over short periods of time the data signals can often be assumed to exhibit wide-sense stationarity, where the signal characteristics are assumed approximately constant but the spectral resolution is therefore limited. In attempts to improve the PSD estimation, windowing functions, Bartlett or Hanning for example, can be used to reduce side-lobe levels but these lower spectral resolution by broadening the main lobe of the PSD2.Model based, parametric spectral estimation techniques can alternatively be used, where the unrealistic assumption that data is zero outside the window of interest is dropped1. Either knowledge of the underlying process or reasonable assumptions about the nature of the unobserved data are used to improve frequency resolution over the conventional approaches. The computational burden of such processors is however much higher than the