现代数字信号处理(chap2 线性模型)(2011修订版)精要.ppt

。 对理想功率谱进行同样的采样计算,得到 以k为横坐标,功率谱采样值为纵坐标,画出估计得到的功率谱图以及理想的功率谱图,观察是否基本一致. (9) 观察ARMA模型的预测精度 初始预测值 从n=5开始进行预测 上机实验 n?5的x(n)的预测直接采用已经估计出来的ARMA模型以及在n时刻以前的已经得到的观测值与预测值. 计算平均预测误差功率 以n为横坐标,数据值为纵坐标,画出n=99500至100000的x(n)和 的波形图,观察预测值与实际值的相似性及差异 注:对于预测应用而言,均值未知,需要根据已经获取的数据进行估计和更新 上机实验 。 。 。 。 第四节 ARMA模型 根据前面得到的方程 令: r=q+1,q+2,…,q+p, 得到Yule-Walker方程 求解上述线性方程组,得到a1,a2,…,ap 第四节 ARMA模型 定义新的离散随机过程 是一个MA(q)过程,容易证明,其样本自协方差函数满足 参照第三节介绍的MA模型的参数估计方法 练习 第四节 ARMA模型 递推算法实现, 任意给定噪声方差的初始估计值 以及MA系数的初始估计值 按j=1,2,3,….进行迭代运算 满足 且 第四节 ARMA模型 在单位圆内及单位圆上无零点,则得到最后的估计 否则改变初始条件重新迭代。 附：也可以采用新息法估计MA部分的参数；公式在MA模型中已经