第8章参数化建模..docVIP

第8章 参数化建模 由前几章的讨论可见，无论是模拟滤波器还是数字滤波器，均是根据输入信号和系统的传递函数求得系统的输出信号。反过来，能否通过系统的输入信号和输出信号，或滤波器的频率响应或脉冲响应求得系统的传递函数呢？这在一定的假设下是可以得到的。这种技术涉及本章要讲的参数化建模。所谓参数化建模就是根据未知系统的某些信息（如脉冲响应、频率响应或输入输出序列）建立该系统的有理传递函数模型。这项技术用于求一个信号、系统或过程的模型参数，并广泛应用于语言分析、数据压缩、高分辨谱估计、信号处理等领域。参数化建模分为时间域建模和频率域建模两类，本章将分别介绍。 8.1 时间域建模 时间域建模就是给定系统时间域内的信息，如脉冲响应或系统输入和输出时间序列，求数字滤波器有理传递函数分子和分母多项式系数。MATLAB中提供了三种时间域建模函数，下面分别叙述。 8.1.1 线性预报法(AR模型) 如果一个信号的各个采样值不是独立的，其任一时刻k的采样值x(k)是它过去的n个采样值及一个白噪声序列k时刻的值u(k)线性组合而成（线性预报）,即 x(k)=-a(2)x(k-1)-a(3)x(k-2)…-a(n)x(k-n-1)-a(n+1)x(k-n)+u(k) （8-1） 如果知道参数个数n，根据这个信号序列可以得到这n个系数的值。数字信号处理中称这个信号x符合n阶自回归(automatic regression, AR)线性模型，它可用一个全极点IIR滤波器脉冲响应来逼近，全极点滤波器的传递函数具有如下形式： （8-2） MATLAB信号处理工具箱函数lpc利用自回归(AR)模型的相关法来求出AR模型系数a，也是全极点滤波器模型。其调用格式为： [a,g]=lpc(x,n) 其中，x为信号，是一个实时间序列；n为AR模型阶次；a为AR模型系数，a=[1,a(2),…,a(n+1);g为AR模型的增益。这就是说，要建立起AR模型，必须知道其阶次。 函数lpc的算法可简要地分为几个步骤：（1）调用函数xcorr求信号x的相关估计。（2）调用函数levinson实现Levinson-Durbin递推算法，求出系数a。函数levinson的调用格式为： a=levinson(r,n) 其中，r为x的自相关序列；n为AR模型阶次。 【例8-1】设信号x是一个带白噪声的4阶IIR滤波器的脉冲响应，IIR滤波器的传递函数无零点，其分母多项式系数为a=[1 0.1 0.1 0.1 0.1]，用线性预报法建立其AR模型。 %Samp8_1 randn(state,0); %设置随机函数的状态 a=[1 0.1 0.1 0.1 0.1]; %滤波器分母多项式系数 x=impz(1,a,10)+randn(10,1)/20; %求得带噪声的滤波器脉冲响应 %采用第一种方法 r=xcorr(x); %求信号x的自相关r，参考第9章的该函数用法。 r(1:length(x)-1)=[];%该序列的前面部分(相当于x的长度-1)受到边界的影响，扣除 aa=levinson(r,4) %用Levison-Durbin递推算法采用自相关序列求出系数aa %采用第二种方法 a1=lpc(x,4) %直接调用lpc（Linear Predictor Coefficients）函数求得结果 该程序的运行结果为： aa = 1.0000 0.1849 0.1279 0.1114 0.1839 a1 = 1.0000 0.1849 0.1279 0.1114 0.1839 程序中两种方法求得的结果完全相同。若信号不包含随机噪声，用上面的程序求得信号AR模型和所采用全极点滤波器模型完全相同。即使加入随机噪声，得到结果也与原模型参数a接近。这说明，如果一个信号x是IIR滤波器的脉冲响应，可以利用函数lpc建立的向量a作为滤波器参数化模型。 8.1.2 Prony 法（ARMA模型） 如果已知某滤波器（或系统）的脉冲响应序列，可以采用Prony方法求得该滤波器（IIR）传递函数的系数。MATLAB信号处理工具箱提供了Prony法建模的函数prony,其调用格式为： [b,a]=prony(h,nb,na) 式中，h为时间域脉冲响应序列；nb,na分别为滤波器分子和分母多项式阶数；b,a分别为滤波器分子和分母多项式系数向量。这就是说，要想建立起ARMA模型，必须知道传递函数分子和分母多项式的最高阶次。 滤波器传递函数表示为： （8-3） Prony法是用一个IIR滤波器脉冲响应逼近信号h