第二章 现代信号处理基础 - 通信与信息工程学院.ppt

估计ARMA或MA模型参数需要解非线性方程组，相对复杂； 估计AR模型参数只需解线性方程组，相对简单，是研究重点。 模型参数与功率谱 基本思路：将模型参数 与已知或估计的自相关函数 联系起来，构成求解模型参数的方程组，从而估计对应模型下时间序列的功率谱。 Y-W方程的建立推导： 对Sx(z)求z反变换来获得Y-W方程； 根据模型的差分方程求输出时间序列x(n)的自相关函数。 由差分方程： 有 AR模型的Yule-Walker方程 为求AR(p)的模型参数，应先Y-W方程的第二式选择m0的p个方程构成方程组求出p个模型参数 ，然后代入第一个方程求出 。 设已知自相关函数的头p+1个值为{R(0),R(1),…,R(p),则Y-W方程的矩阵形式为： 系数矩阵的特征： 对称性 Toeplitz性（对角元素相等，与对角线平行的各位置元素相等） 练习题：1.1、1.2、1.3、1.7、1.8、1.15、1.16 Schmidt正交化： 一维的情形 二维的情形 第二章 现代信号处理基础 随机矢量及其统计特性 随机信号的估计评价及估计方法 随机信号通过LTI系统 相关抵消与正交分解 谱分解定理 信号模型参数与功率谱 最小相位系统 若离散系统传递函数H(z)的所有零点都在单位圆内，则称其为最小相位系统。 最小相位序列 序列 ，若其Z变换的所有零点都在单位圆内，则称该序列为最小相位序列。即： 式中零点 几个重要的概念 （1） 倒序列: （2） 共轭系数多项式: （3） 共轭反射多项式： （4） 共轭倒序多项式： 容易推导： 相位序列 变换 最大相位（时延）序列：零点全在单位圆外。 可证明：共有2M个序列具有相同振幅谱 。 部分能量： 序列总能量： * 最小相位序列能量集中在初始阶段(时延最小），最大相位序列能量集中在尾部(时延最大）。（证明见P12） 零点 零点 若将 不变 零点倒易 对应的功率谱估计： * 具有相同振幅谱的2M个序列，其自相关函数相同。 自相关函数的不变性： 定义序列 的取样自相关： * 最小相位谱分解：找出 成对共轭对称零点 （共2M个）；将单位圆内零点归总构成最小相位多项式A(z)。 零点倒易 零点0.5 零点2 零点0.2 零点5 零点倒易 例： 对应序列： 对应序列： 对应最小相位序列： 对应最大相位序列： 序列 序列 序列 序列 具有相同幅度谱 不同序列的部分能量 部分能量： * 不同序列总能量相同。 * 最小相位序列能量集中在初始阶段(时延最小），最大相位序列能量集中在尾部(时延最大）。（证明见P12） 谱分解定理 其 为常数，B(z)是有理函数，即 ，其中 任何实平稳随机信号x(n)的有理功率谱Sx(z)都可唯一地表示成最小相位形式： 都是最小相位多项式。 例：某平稳随机信号x(n)的有理功率谱为 试利用谱分解定理将其分解为最小相位形式。 解： Re 1 j 0 z1 z2 p2 p1 p4 p3 Im 于是， 谱分解定理的推论 任何平稳随机信号x(n)都可以看成由白噪声序列 激励一个因果和稳定的线性时不变系统B(z)产生的输出。 平稳随机信号模型 (白噪声) N(z)、D(z)最小相位多项式 实际上， 白噪声 色噪声 白化滤波器 例：已知一离散时间有色噪声 ，其自功率谱为 试设计一线性数字滤波器H(z)对其进行白化处理。 解：系统框图如下 （零极点都在单位圆内） 第二章 现代信号处理基础 随机矢量及其统计特性 随机信号的估计评价及估计方法 随机信号通过LTI系统 相关抵消与正交分解 谱分解定理 信号模型参数与功率谱 出发点： 设所研究的时间序列是由u(n)激励一个因果LTI系统H(z) 所产生的输出； 若H(z)是稳定的，则单位脉冲响应是确定性的， x(n)是平稳的； 若u(n)是确定的，则x(n)确定；反之， x(n)随机。特别地， u(n)为白噪声，根据不同的传输函数H(z)可对不同的时间序列建模； 由已知的x(n)或其自相关函数Rx(n)来估计H(z)的参数 由H(z)的参数来估计x(n)的功率谱。 对一个研究对象建模是现代工程常用方法（精确的数学表达、模型灵活性） 时间序列x(n)的参数模型： 信号模型与系统模型的关系： 信号模型不完全等同于系统模型，如FIR和IIR滤波器。 信号模型的输入输出已知：激励源为白噪声，输出为随机序列；而系统模型的I/O具有多