高阶谱估计2精选.pptVIP

高阶谱估计 H(z) x(n) u(n) 随机信号的参数模型 H(z) x(n) u(n) w(n) y(n) 存在加性噪声时 设H(z)是最小相移的 设u(n)是零均值的高斯过程 功率谱密度表达信号的缺点： 不含信号的相位信息（盲相） 对高斯噪声敏感： 只利用信号的二阶信息： 只能对一个均值方差已知的高斯过程进行完整描述。 H(z) x(n) u(n) w(n) y(n) w(n)不是白色的 设H(z)不是最小相移的 u(n)不是零均值的高斯过程 累积量Cumulant与多谱 一、定义 1.随机变量x的累积量 f(v)可认为是概率密度函数f(x)的傅氏变换（差一个符号） 也可认为是ejvx的数学期望 第二特征函数（累量生成函数）： 设f(x)是随机变量x的概率密度函数，定义x的第一特征函数（矩生成函数）： f(x) 在0处的Taylon级数 f(v) 展成Taylon级数 随机变量x的k阶矩 随机变量x的矩生成函数 同样,x的第二特征函数，可作Taylon展开 Ck为随机变量x的k阶累积量 矩mk由f(v)生成，累积量Ck由y(v)生成，所以分别称f(v) 和 y(v)为随机变量x的矩生成函数和累积量生成函数 2、高斯变量的累积量： 设随机变量x服从高斯分布N (0,s2) , x的概率密度函数 矩生成函数 累积量生成函数 得各阶累积量 例p187 得各阶累积量 (1)高斯变量x的一阶和二阶累积量分别是x的均值和方差 (2)高斯变量x的高阶累积量ck(k2) 恒为0 (3)高斯变量x的高阶矩只取决于二阶矩s2，不能提供比二阶矩更多的信息，换言之，高阶矩的信息是冗余的。 3、累积量与高阶矩的关系： 将ejxv进行Taylon展开 代入生成函数 比较矩生成函数和累积量生成函数，得 几个特例 C3：偏度 描述概率分布的非对称性 4、累积量的物理意义： C1：均值 C2：方差 中心矩 称 为偏态系数。 正态随机变量的偏态系数为0 为左偏态 为右偏态 C4：峰度 设随机变量的均值为0，则： 称 为峰态 正态分布随机变量的峰态系数为0 比正偏态分布曲线尖锐 比正偏态分布曲线平坦 5、随机向量 累积量 设向量 是随机过程在任意时刻t1 ,t2 …tk所确定的随机向量 vi是xi的特征函数的自变量 X 的 累积量 第二特征函数的Taylon展开式中的系数 其中：第二特征函数为 随机向量的累积量与随机变量的累积量类似，只是用了向量代替了标量 随机向量 累积量与联合矩的关系 二、高阶谱的定义 平稳随机过程X(n)的k阶累积量： 只与k-1个时间差有关系，设这k-1个时间差为?1, ?2 ... ?k-1 将其k阶累积量记为Ck,x(?1, ?2 ... ?k-1)。 高阶谱的定义： 假设X(n)的k阶累积量Ck,x(?1, ?2 ... ?k-1)是绝对可和的，则其k阶谱定义为： k阶谱定义为k阶累积量的k-1维离散傅里叶变换 高阶谱的物理意义： 反映不同时刻信号的相关程度。 常用的特殊情况： 双谱（三阶谱）：B3, x(?1, ?2) 三谱（四阶谱）： S4, x(?1, ?2, ?3) 性质1：平稳随机时间序列三阶累积量的对称性。 三、高阶累积量和双谱的性质 以三阶累积量为例 性质2：平稳时间随机序列双谱的对称性、周期性和共轭性。 证明： 根据双谱定义及三阶累积量的对称性易得。 性质3：确定性序列h(n)的双谱 性质3说明：双谱包含信号的相位信息（以确定性信号为例）： 假设h(n)的傅立叶变换为H(?)，其双谱为Bh(?1, ?2) 例:186 因为： 则： 性质4：相互独立的两随机序列的组合序列的累积量为0 证明：根据假设有 设随机序列 由相互独立的两随机序列 与 组成，则 =0 对于独立同分布的随机过程构成的随机序列（i.i.d.过程） 其累积量 其中 注意：上述性质对高阶矩并不成立，这也是用累积量代替矩的重要原因之一 独立同分布的随机过程的k阶累积量为一k-1阶d函数 四、线性时不变系统输入输出的累积量与高阶谱 H(z) x(n) u(n) w(n) y(n) 设u(n)是非正态随机过程 h(n)是线性时不变系统 输出x(n) x(n)的累积量 简记为 的k阶谱 若u(n)是独立同分布的随机变量构成的随机序列（i.i.d.过程） 则 于是 的k阶谱 H(z) x(n) u(n) w(n) y(n) H(z) x(n) u(n) w(n