nfft=256
五：结果比较分析
(1) 在采样点相同的时，周期图法的特点是离散性大，曲线粗糙，方差较大，但是分辨率较高；采用周期突发估计得出的功率谱很不平滑，相应的估计协方差比较大。而且采用增加采样点的办法也不能吃周期图变得更加平滑，这是周期图法的缺点。周期图法得出的估计谱方差特性不好：当数据长度N太大时，扑线的起伏加剧；N太小时谱的分辨率又不好。对其改进的主要方法有二种，即平均和平滑，平均就是将截取的数据段xN(n)再分成L个小段，分别计算功率谱后取功率谱的平均，这种方法使估计的方差减少，但偏差加大，分辨率下降。平滑是用一个适当的窗函数W(e)与算出的功率谱SX(e)进行卷
jwjw?积，使谱线平滑。这种方法得出的谱估计是无偏的，方差也小，但分辨率下降。
(2)相关法当延迟与数据长度之比很小时，可以有良好的估计精度，相关法的收敛性较好，曲线平滑，方差较小，但是功率谱主瓣较宽，分辨率低。
（3）用Burg算法进行功率谱估计时令前后向预测误差功率之和最小,即对前向序列误差和后向序列误差前后都不加窗。Burg算法是建立在数据基础之上的，避免了先计算自相关函数从而提高计算速度。是较为通用的方法，计算不太复杂 并且分辨率优于自相关法。但对于白噪声加正弦信号有时会出现谱线分裂现象，并且从上两个图中可以看出burg法产生的功率谱曲线比较平滑即方差小，分辨率高，可以明显的观察到两个谱峰，在降低模型阶次后谱的分辨率降低(两个谱峰几乎变成一个谱峰)，但是曲线的平滑性更好。
并且采样点数越大，谱图的分辨率就越高。对比nfft=128和nfft=256即可发现。除此之外还发现对于上面三种情况采样点数越大，其功率谱密度也越大。还有就是阶数p应该选择在N/3 第一次作业在上课的时候被老师点到，当时老师问到burg法产生的图像是否正确，当时我觉得应该没错误啊，不过因为自己对整个过程的理解有限，没听出老师要表达什么意思，所以就只能沉默了。。不过这篇实验报告确实不是复制粘贴得到的，是经过查询很多资料自己写 出来的。 后来下课后自己看了下程序，发现老师说的应该是burg法产生的图像没有两个信号的谱峰，这是因为X轴没有进行单位的调节导致谱图在最左侧位置所以看不到。并且自己上次是直接调用matlab中的Pburg函数，这虽然简单省事但是对burg算法无法进行较为深入的认识，并且后来问了同学才知道老师是不允许直接调用burg函数的。虽然上课时被老师点到，出了点小丑，不过我觉得这倒是对自己的一个激励，否则的话我到以为自己做的还行，实际上自己做的根本没有达到老师的要求，在下课后自己为了用burg算法进行求解功率谱自己又在网上查找了很多资料并结合课本上的介绍，网上很多资料要么是直接调用burg函数的方法，要么就是描述有些问题，所以花费了不少时间，我看了很多次，对有些不懂得语句和公式来回看课本和程序，最后结合课本和网上的介绍，自己搞懂了burg算法的设计过程，现在看来虽然这个过程比着直接调用matlab中的pburg函数耗时很多，但是在这个过程中我不仅对matlab的编程有了更深入的了解，而且也明白了burg算法的设计原理，自己收获很大，这也应了有付出就有回报的那句话。