4.

2 Periodograma – metodă de estimare spectrală directă

Prin definiţie estimatorul periodogramă este dat de:

2
1 N −1
SˆPER (e jω ) := ∑u e k
− jω k

N 0

şi poate fi interpretat în trei moduri:

a) pornind de la estimatorul deplasat (polarizat) al autocorelaţiei semnalului
1 N −1
SˆPER (e jω ) =  ∑ uk e − jωk  jωl 
N −1

 ∑ ul e  =
N 0  0 
1 N −1 N −1 1 N −1 N −1−l
= ∑∑ uk ul e − jω ( k −l ) = ∑ ∑ ul + mul e − jmω
N 0 0 N l =0 m=− l
Introducând semnalele trunchiate din definiţia estimatorului de autocorelaţie
obţinem:
1 N −1 N −1−l 1 N −1 N −1
SˆPER ( e jω ) = ∑ ∑ ulN+ mul N e − jmω = ∑ ∑ ulN+ mul N e − jmω
N l =0 m =− l N l =0 −( N −1)
N −1
 1 N −1 N N  − jmω N −1 ˆ
= ∑  ∑ ul
ul + m  e = ∑ ϕ uu ( m ) e − jmω

−( N −1)  N l = 0 −( N −1)

b) pornind de la transformata Fourier DCFT a semnalului trunchiat:

∞ N −1
uˆ N (ω ) = ∑ ukN e − jωk = ∑ ukN e − jωk
−∞ 0

obţinem imediat
1
SˆPER ( e jω ) = uˆ N (ω )
2

N
c) ca rezultat al unei filtrări: definim un şir pondere prin:
 1 jkω
 e , − ( N − 1) ≤ k ≤ 0
0

hk =  N
0 , în rest
ω0 fiind o frecvenţă fixată; la această frecvenţă
2 2
1 N −1 N −1
SˆPER ( e jω ) =
0
∑u e k
− jω0 k
=N ∑h −k
uk
N 0 0

N −1 2

=N ∑h 0
n−k
uk
n =0

Caracteristica de frecvenţă a acestui filtru va fi

 0
1 0 − jk (ω −ω )
H ( e jω ) = hˆ (ω ) = ∑ hk e − jωk = ∑e 0

−( N −1) N −( N −1)
 ω − ω0 
sin  N  (ω −ω ) N
1  2 ej 2
0

=
N sin ω − ω0
2

ĥ (ω )

ω 1 ω2 ω
ω0

Se constată că am definit un filtru TB centrat pe ω0 , de fază liniară; anulările

lobului central apar la ω0 ± 2π N , lărgimea de bandă fiind 2 N s −1 .
O caracteristică importantă a periodogramei este comportamentul pentru
N → ∞ . Vom calcula valoarea medie a periodogramei pe baza primei interpretări
 m
{ }
N −1 N −1
E SˆPER ( e jω ) = ∑ E {ϕˆuu ( m )} e − jmω = ∑ 1 − ϕuu ( m ) e
− jmω

− ( N −1) −( N −1)  N
A apărut astfel transformata Fourier DCFT a autocorelaţiei ferestruite cu
fereastra Bartlett
 k
1 − , k ≤ N −1
wBk =  N
 0 , în rest

care este de tip triunghiular. Deducem

{ }
π
1
E SˆPER ( e jω ) = ∫ φ (θ ) wˆ (ω − θ ) dθ
2π
uu B
−π

unde DCFT pentru fereastra Bartlett va fi

ωN
2
 
N −1  k  − jkω 1 sin 
wˆ B (ω ) = 2
∑ 1 −  e
−( N −1)  N
= 
N  sin ω


 2 
Ultima egalitate se demonstrează folosind proprietatea de derivare în raport cu
frecvenţa
 N −1  k  − jkω N −1
1  −1 N −1

∑  1 −  ⋅ e = ∑ e − jkω
−  ∑
N  − ( N −1)
( − k ) ⋅ e − jkω
+ ∑ k ⋅e − jkω 
−( N −1)  N − ( N −1) 1 
e j ( N −1)ω − e − j ( N −1)ω 1  N −1 −1

= − j  ∑ ( − jk ) e − jkω
− ∑ (− jk )e − jkω 
1− e − jω
N 1 − ( N −1) 
1
sin( N − )ω 1 d  N −1 − jkω
2
−1

=
ω
−j
N dω  1  ∑ e − ∑ e − jkω 
sin − ( N −1) 
2
1
sin( N − )ω 1 d  e − jNω − e − jω e jω e − jω − e j ( N −1)ω 
= 2 −j
ω N d ω  e − jω − 1 − e − jω − 1 
sin  
2
1
sin( N − )ω
1 ω ω 1
− j ( N − )ω −j j j ( N − )ω
2 1 d e 2
− e 2
− e 2
+ e 2
= −j
ω N d ω −j
ω
j
ω
sin e −e 22

2
1 1 ω
sin( N − )ω 1 d cos( N − )ω − cos
= 2 + 2 2
ω N dω ω
sin sin
2 2
1 ω 1 1 ω
sin( N − )ω 1 sin  −( N − )sin( N − )ω + sin 
2 + 2 2 2 2
= −
ω N 2 ω
sin sin
2 2
1 ω 1 ω
cos cos( N − )ω − cos  sin( N − 1 )ω
1 2 2 2 2 2 +
=
N ω ω
sin 2 sin
2 2
1 1 1 ω ω 1  ω 1
− cos( N − )ω cos − sin sin( N − )ω  − N sin sin( N − )ω
1 2 2 2 2 2 2  2 2
N ω
sin 2
2
2 Nω
1 1 − cos Nω 1 sin 2
= =
2 N sin 2 ω N sin 2 ω
2 2
În teoria distribuţiilor se demonstrează egalitatea:
π
1
lim
N →∞
2π
∫ φ (θ ) wˆ (ω − θ )dθ = φ (ω )
−π
uu B uu
estimatorul rezultând asimptotic nedeplasat.
Calculul altor indicatori ai periodogramei conduce la formule complicate şi
fără mare relevanţă.
Utilizarea unei secvenţe finite dintr-o realizare de suport infinit este o
ferestruire dreptunghiulară ukN = uk wkD având drept rezultat o convoluţie complexă a
spectrelor. Rezoluţia spectrală va fi limitată şi cu atât mai bună cu cât lobul central
al filtrului va fi mai îngust; aceasta implică N mare (lungimea eşantionului) şi
perioada de eşantionare mică.
Pe de altă parte prezenţa lobilor laterali poate conduce la mascarea (pierderea)
unor componente spectrale de amplitudine mică, urmare a prezenţei altora de
amplitudine mare – fenomenul este numit scurgere spectrală (leakage).
Folosirea unor alte ferestre – de exemplu dintre cele prezentate la proiectarea
filtrelor – va conduce, după cum s-a arătat deja, la lobi centrali mai mari (deci la
scăderea rezoluţiei) dar şi la lobi laterali mai mici (deci la limitarea scurgerii
spectrale).
Ameliorarea proprietăţilor periodogramei este posibilă prin periodograma
medie. În principiu, dacă dispunem de mai multe realizări particulare (deci
independente), de exemplu K realizări de lungime L a ferestrei {u1Lk } ,...,{u LkK }
putem asocia fiecărei realizări o periodogramă
2
1 L −1
SˆPER
i
( e jω ) = L ∑u
0
i
Lk
e − jω k

şi aceste periodograme se pot apoi media

1 K ˆi
S PER ( e ) = ∑ S PER ( e jω )
ˆ med jω

K 1
Presupunând cele K seturi de date ca echiprobabile vom obţine valoarea
medie a noului estimator

{ } { }
π
1
E SˆPER
med
( e jω ) = E SˆPER ( e jω ) = 2π ∫π φ (θ ) wˆ (ω − θ ) dθ
uu B
−

ceea ce arată conservarea valorii medii. În ce priveşte varianţa (dispersia), dacă

utilizăm şi independenţa seturilor de date atunci obţinem

{
var SˆPER
med
} 1 i
{
( e jω ) = K SˆPER }
( e jω ) , i = 1,..., K
adică dispersia se diminuează de K ori – numărul de seturi independente
disponibile.
În realitate însă dispunem, de regulă, de un singur set de date de lungime N;
acest set poate fi segmentat în K segmente nesuprapuse, de lungime L deci N=LK;
vom avea
u Lki = uk +iL ,0 ≤ k ≤ L − 1 , 0 ≤ i ≤ K − 1
 Aceste segmente nu sunt independente decât în unele cazuri particulare.
Totuşi dispersia se va reduce, chiar dacă nu în proporţia 1/K. Pe de altă parte
îngustarea ferestrei are ca efecte scăderea rezoluţiei şi creşterea polarizării.

4.3 Estimatorul Blackman – Tukey – metodă de estimare spectrală indirectă

În încercarea de a depista cauzele limitărilor periodogramei, una din căi este

de a utiliza interpretarea bazată pe estimarea autocorelaţiei. Formula de definiţie a
acesteia
1 N −1− p
φˆuu ( p ) = ∑ uk uk + p
N− p 0

arată, de exemplu că φˆuu ( N − 1) = u0u N −1 adică nu există nici o mediere, deci acest
termen poate avea fluctuaţii mari; cu cât p e mai mare fluctuaţia creşte, ceea ce
sugerează o ponderare a valorilor φˆuu ( p ) pe măsura apropierii de valorile de capăt,
pe baza unei ferestre bine alese.
Această idee au avut-o Blackman – care a conceput şi un tip specific de
fereastră – şi Tukey, unul din creatorii transformatei Fourier rapide.
Estimatorul Blackman – Tukey se defineşte prin
N −1
SˆBT ( e jω ) = ∑ wmϕˆuu ( m ) e − jω m
− ( N −1)

unde fereastra wk se defineşte prin

0 ≤ wk ≤ 1 = w0 , w− k = wk , wk = 0 , k > M , M ≤ N − 1
Rezultă, în fapt
M
SˆBT ( e jω ) = ∑ wkϕˆuu ( k ) e − jωk
−M

Acest estimator este cunoscut şi sub numele de estimator al covarianţei (corelaţiei)

ponderate. Efectul ponderării este o reducere a dispersiei în schimbul unei creşteri
a polarizării.
În principiu pot fi folosite toate ferestrele cunoscute dar pentru unele din ele
sunt posibile valori negative ale estimatorului; într-adevăr, estimatorul fiind o
transformată Fourier DCFT:
π
1
SˆBT ( e jω ) = F (w ) ∗ F (ϕˆuu ) = ∫π wˆ (ω − θ ) Sˆ ( e ) dθ
θ j

2π
PER
−

şi wˆ (.) poate lua şi valori negative; pentru fereastra Bartlett, după cum s-a văzut
mai sus, wˆ B ia numai valori pozitive.
Valoarea medie a estimării rezultă tot din ecuaţia de mai sus, prin mediere,
având în vedere faptul că fereastra are caracter determinist
 { } ∫π wˆ (ω − θ ) E {Sˆ ( e )} dθ
π
1
E SˆBT = θ
j

2π
PER
−

În această egalitate este posibilă trecerea la limită sub semnul integralei şi,
cum periodograma este un estimator asimptotic nedeplasat, vom obţine

{ }
π
N →∞
1
E SˆBT →
2π
∫π wˆ (ω − θ )φ (θ ) dθ
−
uu

Expresia convolutivă arată că rezoluţia estimatorului, deci capacitatea de a

identifica două componente spectrale apropiate, depinde de lărgimea lobului
central al caracteristicii de frecvenţă a ferestrei.
Dispersia estimatorului este dată de formule complicate dar, dacă se cunoaşte
apriori că φuu este suficient de netedă, atunci se poate obţine aproximaţia
φ (ω )
2

{ }
M
var SˆBT ( e jω ) ≈ uu ∑ wk2
N −M
care sugerează două abordări contradictorii:
- o deplasare mică impune M mare pentru ca wˆ (.) să tindă spre distribuţia δ ;
- o dispersie mică impune M mic.

În rezumat, ambele metode standard de estimare, ca şi alte metode standard,

operează pe o fereastră finită a unei realizări, presupunându-se implicit, că
semnalul realizării este nul în afara ferestrei, ceea ce introduce o falsificare iniţială
a estimării.
Cele de mai sus sugerează ideea unei modelări a procesului ce a modelat
respectivele date – adică seriile temporale înregistrate – pe baza unor informaţii
apriori sau a unor ipoteze ce se vor testa ulterior prin compararea predicţiei de
model cu datele disponibile.