隨机信号分析基础.pptVIP

随机信号分析基础 第二讲 上一讲要点回顾 随机信号的定义、主要描述方式； 平稳随机信号的概念； 一、二阶矩的各种数字特征定义； 各态历经性（遍历性）信号的概念； 估计量的评价：无偏性、有效性（MSE小）、一致性； 维纳-辛钦定理； 高斯过程； 白噪声、谐波信号 §2 平稳过程的线性模型 绪论 2.1、有理分式模型 2.2、平稳随机信号通过线性系统 2.3、AR模型的正则方程与参数计算 2.4、用高阶AR模型近似MA、ARMA模型 绪论 本节课所要讨论的主要问题 关于信号建模以及平稳随机信号的参数模型 随机信号分析的主要涉及领域 关于信号模型 2.1 有理分式模型 2.1 有理分式模型 2.1 有理分式模型 2.1 有理分式模型 AR模型冲激响应的自相关函数 一阶AR模型的另一表现形式： 一阶AR模型的主要特性： 二阶AR模型的主要特性： 2.2、平稳随机信号通过线性系统 2.2.1 线性时不变系统的基本特性回顾 2.2.2 平稳随机信号通过线性系统 2.2.3 系统输出的功率谱密度 2.2.4 多个随机过程通过线性系统 2.2.5 窄带随机信号 2.2.6 随机序列通过离散线性系统分析 2.2.1 线性时不变系统的基本特性回顾 例题： 2.2.2 平稳随机信号通过线性系统 2.2.2 平稳随机信号通过线性系统 微分方程分析法 冲激响应分析方法 线性系统输出随机信号的统计特性 例：求白噪声输入线性系统时，系统输出信号的均方值 线性系统输出随机信号的统计特性 输入输出互相关定理示意 例：求白噪声输入线性系统时，系统输入输出信号的互相关 2.2.3 线性系统输出的功率谱密度 2.2.3 线性系统输出的功率谱密度 2.2.3 线性系统输出的功率谱密度 例：对给定的微分电路求系统输出的自相关函数 2.2.4 多个随机信号通过线性系统 多个随机信号通过线性系统时均值间的关系 多个随机信号通过线性系统时的相关函数 2.2.5 窄带随机信号 2.2.5.1 窄带随机信号及其表示方法 2.2.5.2 希尔伯特变换及其性质 希尔伯特变换举例 2.2.5.3 窄带随机信号的性质 2.2.5.4 窄带随机信号举例 窄带随机信号举例 2.2.6 随机序列通过离散线性系统分析 2.3、AR模型的正则方程与参数计算 2.3.1 关于AR模型的正则方程 2.3.2 尤勒-沃克（Yule-Walker）方程 2.3.3 尤勒-沃克方程的求解 2.3.1 关于AR模型的正则方程 “正则方程” 指在最小均方误差(MSE)准则下建立的模型参数与相关函数间的关系； 由于这类模型建立在二阶统计量上，所以一般此类建模方法只适用于高斯过程分析问题； AR模型具有最广泛的应用(ARMA、MA模型可以经过转换以AR模型的形式实现)，许多实际物理系统可直接采用或经某种变换后采用AR模型； 2.3.2 尤勒-沃克（Yule-Walker）方程 2.3.2 尤勒-沃克（Yule-Walker）方程 AR模型、线性预测器、白化滤波器 2.3.3 Yule-Walker 方程的求解 Levinson Durbin 递推算法说明 Levinson Durbin 递推算法说明 一个AR模型可以用三组完全等效的参数描述 P+1个自相关函数： Rx(0),Rx(1), … Rx(p); P+1个AR模型参数：a1, a2,…, ap,σ2 (或ρ)； P+1个反射系数： k1,…kp, 及Rx(0)（作用相当于k0，但0阶AR模型相当于输 出输入直通） 上述三组参数可以互相导出。 2.4 用高阶AR模型近似MA、ARMA模型 2.4.1 全极点模型与全零点模型相互描述的可行性 2.4.2 用高阶AR模型近似MA模型 2.4.3 用高阶AR模型近似ARMA模型 2.4.1 全极点模型与全零点模型相互描述的可行性 2.4.2 用高阶AR模型近似MA模型 用高阶AR模型近似MA模型 用高阶AR模型近似MA模型 用高阶AR模型近似MA模型 用高阶AR模型近似MA模型的具体求解步骤： 2.4.3 用高阶AR模型近似ARMA模型 用高阶AR模型近似ARMA模型 全零点、全极点和极-零点模型的性质小结 习题 x = randn(1000,1); plot(x); xlabel(n); ylabel(x(n)随机数据序列); 举例： 首先生成一个随机数据序列，然后再为该随机序列建立一个5阶AR模型。 MA模型的正则方