张旭东 离散随机信号处理 第1章 随机信号基础new.pptVIP

现代信号处理（离散随机信号处理） 电子工程系 张旭东 信号处理算法设计面向的几个主要因素 信噪比 先验知识 雷达 通信系统 电子对抗 对先验知识的利用：统计基础上的假设、学习过程 算法复杂性与性能要求的匹配性 信号处理的不同对象和方法 高斯类信号和非高斯类信号 平稳信号与非平稳信号 规则信号与非规则信号 线性系统和非线性系统 时间处理、空间处理和时空处理 有监督系统和无监督系统 教材 张旭东，陆明泉：离散随机信号处理，2005年10月，清华大学出版社 课程成绩 平时作业10％ 2个Matlab作业40％（布置后2周内提交） 期末开卷考试50％ 国内外该类型课程的概况 国外情况 一类是专题型课程，内容窄，专深，前沿 一类是综合类课程 国内情况 两门综合课程“现代信号处理”和“统计信号处理” 一些专题课程，例如“阵列信号处理”、“小波变换”等 1. 随机过程(信号)复习 随机信号 简记为 均值 自相关 自协方差函数 附注1 在现代信号处理系统和通信系统仿真中，利用ARMA方法，产生规定功率谱性质的随机信号，是常用的方法之一。 ARMA方法可以有效的产生具有规定功率谱的高斯随机信号，和瑞利随机信号。 用ARMA方法产生平稳随机信号，要丢弃初始的瞬态值，取进入稳态的序列。 同时规定任意谱与任意PDF的随机信号产生过程可参考文献： M. M. Sondhi, Bell system Technical Journay, Vol.62,1983,679-700 附注2 ARMA模型是“时间序列分析”中的重要组成部分。 时间序列分析是一个应用范围很广泛的学科，属于统计学中的一个分支，在信息科学和金融学中的应用尤为受到关注。 除ARMA模型外，还包括描述非平稳序列的ARIMA模型，以及各种非线性模型等。 重要参考文献 P.J.Brockwell, R. A. Davis,Time Series:Theory and Methods,Springer 来源：/book/Showbook.asp?CPBH=008269-01DJ=39 下载日期：2010-04-05 复功率谱关系 功率谱密度关系 若输入是白噪声，方差为 , 则 6.连续信号与离散信号功率谱的关系 1.2 随机信号模型 有理传递函数模型 称做ARMA模型：自回归滑动平均模型 例：AR(1)分析. 一个极点对应左序列，一个极点对应右序列 反变换得 功率谱密度PSD： a．取a(1)=-0.8, 自相关序列和功率谱密度如图所示 b．取a(1)=0.8, 自相关序列和功率谱密度 1.3 自相关与模型参数的关系： Yule-Walker方程 AR过程 重写差分方程为 两边同乘 并取期望值 时 即 (1) 噪声 功率方程 模型系数方程 矩阵形式 (2) (1)式和(2)式结合, 利用自相关矩阵的增广特性, 得增广Yule_Walker 方程 若知模型阶P，P×P相关矩阵R，由Yule-Walker方程，可求得模型参数 进而可以得到PSD 实际中，R是未知的，我们只有一组观测值，构成观测矢量，由它估计r(k) 或直接估计模型参数。由随机过程的一组观测值估计它的有关参数，这个 问题是估计理论讨论的主要内容。 对于ARMA(p,q)模型 对于MA(q)模型 * * 本课程要讨论的主要问题： （1）对信号特性的了解 随机信号（随机过程，时间序列––随机过程的一个实现） 信号模型→参数估计→现代谱估计：参数化谱估计 讨论信号模型及模型参数的估计问题，比较参数谱估计方法 和周期图方法的优劣。 （2）对统计意义下最优滤波器设计的研究 平稳条件下：Wiener滤波器理论 非平稳条件下：Kalman滤波 理论上的目标，实际算法可达到的最佳结果 （3）对环境的自适应，具备“学习能力”的滤波算法 自适应均衡、波束形成、线性自适应滤波器、盲处理 （4）更多信息的利用，挖掘（针对非高斯问题） 线性系统、功率谱：二阶矩，高斯过程的完全刻划 非线性、多谱：高阶量，循环平稳 （5）对时间（空间）–––频率关系的适应性： 全局特性与局域特性，小波变换，时频分析 Born: April 30, 1777, Brunswick, GermanyDied: February 23, 1855, G?ttingen, Germany 离散随机信号处理可追溯到高斯时代！ (Carl Friedrich Gauss) A scientific biographers wrote in Nature (128 [1931], 341): He was not really a physicist i