MA和ARMA模型估计.ppt

MA和ARMA模型估计 * 若 则 对上式两端求逆z变换 1、ARMA模型、MA模型参数与自相关函数之间的关系 H(z) u(n) x(n) s2 * * ----ARMA模型参数与自相关函数之间的关系 * ----MA模型参数与自相关函数之间的关系 令 k-m=l l=k * 2、MA模型参数的估计 * 另一方面，由MA模型有 * 根据维纳-辛钦定理 所以MA模型的谱估计并不需要对参数的估计。只需根据已知数据估计出|m|q时的自相关函数即可。这实际是周期图谱估计 * 说明 若仅为了对一段数据x(n)作谱估计，则没有必要求解MA模型，但MA模型在系统分析与识别中有应用。在ARMA 模型谱估计中也有用。 * 3、ARMA模型参数的估计 ARMA过程 则x(n)的功率谱： 或 * ARMA模型参数与自相关函数间的关系 因为h(k)是ARMA模型系数ak和bk的函数，故上式第一个方程是非线性方程。当mq+1时，有： * 但是，由上式求出{ai}后，并不能求出{bk}k=1,2,..q, 因为第一个方程是非线性方程。求解困难。此外，由上式求{ai}也存在问题。因为首先要估计自相关函数，当模型阶次高时，长滞后时间的自相关函数估计不准确，因而得不到{ai}的好的估计。 * 下面介绍的方法是当知道x(n)的自相关函数和p、ai 或q估计x(n)的功率谱的方法。 构造一个mq的超定线性方程组，用最小二乘法解这个超定线性方程组。 解决的方法： 用均方误差最小求{ak}，即使 最小二乘方修正Yule-Walker方法 * 4、Kaveh谱分析法 Kaveh谱分析法，不需知道 ，只需知道x(n)的 自相关函数和p、q、ai即可估计x(n)的功率谱。 * 比较两端同次项系数得 * 5、Cadzow谱分析 其中： (A) Cadzow谱分析法，不需知道 只需知道x(n)的自相关函数和p、ai即可估计x(n)的功率谱。 * 由 和(B)式 得 上式中两端同乘以 得： 另一方面，由维纳-辛钦定理： 其中： (B) * 比较两端同次项系数得 可见：Cadzow谱分析法，不需知道 只需知道x(n)的自相关函数和p、ai即可估计x(n)的功率谱。 该算法计算简单，频谱分辨率高。 *