朱學(xué)旺，劉青林，張思箭

（中國工程物理研究院總體工程研究所，四川 綿陽 621999）

振動環(huán)境工程研究中，通常采用Welch方法來獲得隨機振動信號的功率譜密度估計（Welch譜估計）[1—2]。Welch譜估計本質(zhì)上是修正周期圖方法的一種，其做法是通過對振動信號的分段平滑、數(shù)據(jù)重疊以及加窗處理等技術(shù)，以達到降低譜估計方差的目的。Welch譜估計是一致估計，即當(dāng)用于譜估計的每段數(shù)據(jù)足夠長且數(shù)據(jù)段足夠多時，Welch譜估計結(jié)果的偏差和方差均等于0或趨于0[3—4]。令人遺憾的是，工程中用于譜估計的數(shù)據(jù)總是有限的，既不能保證每段數(shù)據(jù)足夠長，也不能保證數(shù)據(jù)段足夠多，即使對于平穩(wěn)隨機過程也是如此。為了便于操作，GJB 150.16A[5]和 MIL-STD-810F[6]對 Welch 譜估計給出了推薦要求：統(tǒng)計自由度不少于120，在試驗頻帶內(nèi)至少保證400線。換句話說，至少要60段數(shù)據(jù)，每段數(shù)據(jù)的長度要確保譜分析后的帶寬小于5 Hz（當(dāng)試驗頻率上限為2000 Hz時）。在這種狀態(tài)（自由度取128）下獲得的Welch譜估計，可以證明其隨機誤差與相同自由度χ2的隨機誤差相同（約為12.5%）。也就是說，該Welch譜估計的標(biāo)準(zhǔn)差與其均值（真值）的比為12.5%，但是其在一定置信概率下的置信區(qū)間并不知道。

為了提高welch估計的精度，加窗技術(shù)的研究一直受到相關(guān)研究人員的關(guān)注[7]。合理的窗函數(shù)，可以減小因為數(shù)據(jù)截斷帶來的能量泄露，繼而減小譜估計的系統(tǒng)誤差。譜估計的精度可以采用估計的偏差與估計的方差表示，小的方差表明單次估計接近真值的可能性大，是一種定性描述[3]。Welch譜估計的精度也可以定量描述，此時將譜估計結(jié)果作為一個隨機變量的一次實現(xiàn)，可采用置信度分析方法獲得其置信度與置信區(qū)間。文獻[8—10]采用定量方法討論了Welch譜估計的精度。針對不同的分布概率，其置信度分析的重點各異，文獻[11]對置信度分析的現(xiàn)狀進行了總結(jié)，而文獻[12—13]對t分布變量的置信區(qū)間開展了專門研究。形式上，Welch譜估計可以表述為多個變量的平方和，與數(shù)學(xué)上定義的χ2分布變量具有類似的形式。一些經(jīng)典的譜分析論著在討論譜估計時也直接給出了與χ2分布變量相同的隨機誤差[3，14—15]，卻沒有進行詳細的說明。文中給出了Welch譜估計隨機誤差的導(dǎo)出過程，試圖證明其正確性。另外，為了進一步理解Welch譜估計隨機誤差的物理意義，研究了Welch譜估計結(jié)果的置信概率及對應(yīng)的置信區(qū)間。通過正態(tài)標(biāo)準(zhǔn)化處理，能夠?qū)ⅵ?變量的置信度分析方法應(yīng)用于Welch譜估計結(jié)果的置信度分析。

1 χ2變量統(tǒng)計分析方法[14]

數(shù)學(xué)上定義的χ2（n）變量為n個獨立的N（0，1）變量x1，x2，…，xn的平方和。即：

獲得χ2（n）的均值m和方差σ2：

以均值和方差表述隨機過程χ2（n）的隨機誤差為：

χ2（n）變量的概率分布p（Z=χ2（n））為：

置信概率與置信區(qū)間存在以下關(guān)系：

式中：a，b分別為置信區(qū)間的下限和上限，可查表得到I（a，n），I（b，n）后反推獲得。自由度數(shù)較大的χ2（n）變量的分位數(shù)見表1，不同置信概率80%，95%，99%下的置信區(qū)間結(jié)果（利用了對稱性假設(shè)）如圖1所示[16]。

已知置信區(qū)間的上下限a，b時，可直接求得其對應(yīng)的置信概率；反之，已知置信概率也可以導(dǎo)出對應(yīng)的置信區(qū)間，只是此時需要假定上下限之外的概率分布。通常的做法是假定對稱[16]，即小于置信區(qū)間下限的概率與大于置信區(qū)間上限的概率相等。

表1 χ2（n）分布的概率分布Table 1 Probability contribution of large D.O.F.χ2（n）variable

圖1 χ2（n）變量的置信區(qū)間隨統(tǒng)計自由度的變化Fig.1 Relationship between confidence interval and D.O.F.of χ2（n）variable

2 Welch譜估計的隨機誤差

為了導(dǎo)出Welch譜估計隨機誤差的表達式，首先回顧Welch譜估計方法。本質(zhì)上，Welch譜估計是B-T估計的一種修正，其技術(shù)特點是加窗、分段平滑和重疊。具體過程是：將N個數(shù)據(jù){x（0），x（1），…，x（N-1）}分為K段，每段數(shù)據(jù)長度為L，其中有L－D個數(shù)據(jù)為相鄰段的重疊數(shù)據(jù)（D≤L），則：

第i段的L個數(shù)據(jù)為：

對每一段數(shù)據(jù)進行加窗處理，并分別計算其B-T周期圖，有：

然后對各周期圖進行平滑處理，獲得N個數(shù)據(jù)的Welch譜估計：

由公式（5），（6）可知，Welch譜估計與原始信號（已經(jīng)加窗處理）傅立葉變換的實部與虛部的平方和成正比。這樣，公式（6）可改寫為：

可以證明，當(dāng)原始信號滿足零均值正態(tài)分布時，其傅立葉變換的實部與虛部也滿足零均值正態(tài)分布，且相互獨立[15]，但是，不能保證其方差為1。為了能夠利用第1節(jié)的結(jié)論，對傅立葉變換的實部與虛部進行正態(tài)標(biāo)準(zhǔn)化處理，此時，式（7）改寫為：

式中：θ=γλ2，λ為傅立葉變換的實部與虛部的標(biāo)準(zhǔn)差（假設(shè)其相同）。顯然，

3 Welch譜估計的置信分析

這樣，便可以獲得相應(yīng)的置信概率。

4 算例及分析

算例一[14]：假定譜估計結(jié)果S0滿足χ2分布，其分析自由度為10，則其在置信概率為80%的置信區(qū)間為（4.87，15.99），即：

式中：SM為譜估計變量的統(tǒng)計均值。

相應(yīng)地，99%的置信概率對應(yīng)的置信區(qū)間為：0.397S0＜SM＜4.63S0。

算例二：假定S0的自由度為64，重復(fù)算例一的計算過程。其結(jié)果為：0.82S0＜SM＜1.28S0對應(yīng)于置信概率80%；0.66S0＜SM＜1.66S0對應(yīng)于置信概率99%。

算例三：假定S0的自由度為128，重復(fù)算例一的計算過程。其結(jié)果為：0.86S0＜SM＜1.19S0對應(yīng)于置信概率80%；0.74S0＜SM＜1.41S0對應(yīng)于置信概率99%。

從上述3個算例可以看出，隨著自由度的增加，Welch譜估計的置信區(qū)間越來越趨向于均值集中。應(yīng)用公式（12）可知，上述結(jié)果同樣適用于工程中經(jīng)常出現(xiàn)的高斯過程（均值為0，方差不等于1）的Welch譜估計。

GJB 150.16A和MIL-STD-810F都推薦譜估計的自由度要大于120，下面針對算例三進行專門分析。其結(jié)果表明，對應(yīng)于置信概率80%，128自由度的Welch譜估計的均值在估計值的0.86～1.19倍之間，換句話說，估計值可能是均值的0.84～1.16倍；對應(yīng)于置信概率99%，128自由度的Welch譜估計的均值在估計值的0.74～1.41倍之間，即估計值可能是均值的0.71～1.35倍。這一結(jié)果應(yīng)該引起工程界的重視，因為獲得的Welch譜估計可能比真實的譜高，也可能低。

128自由度的Welch譜估計的隨機誤差為12.5%，用此構(gòu)造相對置信區(qū)間，則具有相同置信概率的χ2變量的置信區(qū)間為（87.5%×128，112.5%×128），對應(yīng)的置信概率為68.4%。這是一個令人遺憾的結(jié)果，其表明128自由度的Welch譜估計結(jié)果僅有68.4%的置信概率能夠?qū)崿F(xiàn)其結(jié)果在真值的上下12.5%的范圍內(nèi)。

為了提高置信概率（依然以均值的上下波動12.5%作為相對置信區(qū)間），增加Welch譜估計的自由度，例如自由度取512，則其置信概率為95.5%。即有95.5%的可能，保證512自由度的Welch譜估計結(jié)果在均值的上下12.5%的范圍內(nèi)，此時，Welch譜估計的隨機誤差為6.25%。從這個意義上說，也許標(biāo)準(zhǔn)推薦的Welch譜估計的自由度120未必合適，尤其對于具有長數(shù)據(jù)的平穩(wěn)隨機振動的項目。

5 結(jié)論

1）Welch譜估計的隨機誤差與標(biāo)準(zhǔn)χ2變量的隨機誤差相同，僅與統(tǒng)計自由度有關(guān)。

2）基于χ2變量的置信分析方法可以應(yīng)用于Welch譜估計的置信分析。

3）128自由度的Welch譜估計的隨機誤差為12.5%，以此作為譜估計的相對置信區(qū)間，其置信概率僅為68.4%，若要提高置信概率到95%，則Welch譜估計的自由度要512以上，此時的隨機誤差小于6.25%。

4）結(jié)論未考慮χ2變量概率密度函數(shù)的不對稱性。

[1] 鄧澤懷，劉波波，李彥良.常見的功率譜估計方法及其Matlab仿真[J].電子科技，2014，27（2）：50—52.DENG Ze-huai，LIU Bo-bo，LI Yan-liang.Common Power Spectrum Estimation Methods and Matlab Simulation[J].Electronic Sci＆ Tech，2014，27（2）：50—52.

[2] 姚武川，姚天任.經(jīng)典譜估計方法的Matlab分析[J].華中理工大學(xué)學(xué)報，2000，28（4）：45—47；YAO Wu-chuan，YAO Tian-ren.Analyzing Classical Spectral Estimation by MATLAB[J].J Huazhong Univ of Sci&Tech，2000，Vol.28（4）：45—47

[3] 姚天任，江太輝.數(shù)字信號處理[M].武漢：華中科技大學(xué)出版社，2000.YAO Tian-ren，JIANG Tai-hui.Digital Signal Processing[M].Wuhan：Huazhong Univ of Sci&Tech Press，2000.

[4]LINDA S，MALENKA M，WOLFGANG M，et al.Optimized Spectral Estimation for Nonlinear Synchronizing Systems[J].Physical Review，2014，89（3）：032912.

[5]GJB 150.16A—2009，軍用裝備實驗室環(huán)境試驗方法第16部分振動試驗[S].GJB 150.16A—2009，Military Equipment Laboratory Environmental Test Methods Part 16：Vibration Test[S].

[6]MIL-STD-810F，Environmental Engineering Considerations and Laboratory Tests，Method 514.5 vibration[S].

[7]TURGAY K，MELIH C I.The Obtaining of Window Function Having Useful Spectral Parameters by Helping of Genetic Algorithm[J].Procedia-Social and Behavioral Sciences，2013，83：563—568.

[8] ALEKSEEV V G."Welch-Type Estimator for a Spectral Density Function，the Case of Discrete-Time Parameter"，[J].Avtometriya，2001（6）：77—91.

[9]ALEKSEEV V G，SUKHODOEV V A.Welch-Type Spectral Density Estimator，Additional Recommendations[J].Optoelectronics，Instrumentation and Data Processing，2008，44（4）：302—305.

[10]ALEKSEEV V G，SUKHODOEV V A.Welch-Type Estimator for a Spectral Density Function，Case of a Continuous-time[J].Optoelectronics，Instrumentation and Data Processing，2009，45（2）：107—112.

[11]RICHARD K B，JORGE Q，HARIHARAN K I.The Present Status of Confidence Interval Estimation for One-factor Random Models[J].Journal of Statistical Planning and Inference，2006，136：4307—4325

[12]JOANNA T.Confidence Intervals for the Power of Student′s t-test[J].Statistics&Probability Letters，2005，73：125—130.

[13]DENNIS G，MINGFEI L.A Note on Confidence Intervals for the Power of T-test[J].Statistics&Probability Letters，2008，78：488—489.

[14]紐蘭D E.隨機振動與譜分析概論[M].北京：機械工業(yè)出版社，1980.NEWLAND D E.An Introduction to Random Vibration and Spectral Analysis[M].Beijing：China Machine Press，1980.

[15]戴詩亮.隨機振動實驗技術(shù)[M].北京：清華大學(xué)出版社，1984.DAI Shi-liang.Random Vibration Experiment Technique[M].Beijing：Tsinghua University Press，1984.

[16]蔣書法.最短置信區(qū)間的求解[J].上海電力學(xué)院學(xué)報，2014，30（2）：188—192.JIANG Shu-fa.Solution to the Shortest Confidence Interval[J].Journal of Shanghai University of Electric Power，2014，30（2）：188—192.

[17]吳昌昊，龔俊，劉子琪.基于CUDA實現(xiàn)經(jīng)典功率譜估計[J].四川兵工學(xué)報，2013（10）：98—101.WU Chang-hao，GONG Jun，LIU Zi-qi.Achievement of Classic Power Spectrum Estimation Based on CUDA[J].Journal of Sichuan Ordnance，2013（10）：98—101.