目录
一、概述
1、什么是基于模型的谱估计方法
2、应用场景和代表模型
二、模型函数
三、谱估计方法
1、ARMR谱估计
2、AR谱估计
一、概述
1、什么是基于模型的谱估计方法
对于传统窗函数外的信号数据直接按照0处理，忽略了这部分的数据，因而用基于模型的方法来估计
2、应用场景和代表模型
应用：短时信号，可以估计超出窗外的数据，尤其的嘈杂的数据
代表：
- 自回归（AR）模型（适用有峰无谷，即适用全极点模型）
- 移动平均（MR）模型（适用有谷无峰，即适用全零点模型）
- 自回归自动平均 （ARMR）模型
二、模型函数
ARMR：有零极点
通过2介绍AR模型就是B(z)=1；MR模型就是A(z)=1。
三、模型求解方法
1、ARMR谱估计
ARMR要同时估计AR和MR的参数，不能很好的建立窄带频谱，精度不高，在生物信号功率谱估计里用的少。
2、AR谱估计
有两种方法
- 按顺序处理(实时录入处理)
- 处理块数据(整个波形数据处理)
最受欢迎的四种：（不需要自相关函数，直接用数据估计，经典法好像是用自相关函数和功率谱是FT，即维纳-辛倾定理，周期图法是直接数据的平方就是功率）
Yule-Walker-产生分辨率最低的光谱，从而提供最大的平滑度
Burg-可以建立稳定的AR模型
Covariance, and
Modified covariance methods
五阶或六阶AR模型已在某些研究中成功应用
