ARMA模型在语音信号线性预测分析中的应用.docVIP

ARMA模型在语音信号线性预测分析中的应用 摘要ARMA模型是常用的拟合随机时间序列的模型，ARMA模型全称自回归滑动平均模型(uto Regressive Moving Average Model)，是研究平稳随机过程有理谱的典型方法，适用于很大一类实际问题。ARMA模型频谱分辨率高 实际应用中所遇到的很多随机过程可以用有理传输函数模型很好地逼近，如图所示，输入激励是均值为的白噪声序列系统的传输函数为。式中是前馈动平均支路的系数称为MA系数是反馈自回归，设输出功率谱和输入功率谱存在以下关系 。 ARMA模型分为以下三种：因为的值仅与系统的增益有关所以可以归结到中去不失一般性可令下面具体讨论这三种模型外其它的系数都等于，这种模型称为p模型，其传输函数为，模型的输出功率谱密度为，这是一个全极点模型中，系统的输出仅与白噪声序列的当前值和的p个过去值有关。 MA模型(Moving Average Model)： 如果除外其它的AR系数都等于，这种模型称为q阶滑动平均模型或简称为模型其传输函数为模型的输出功率谱为这是一个全零点模型模型中，系统的输出仅与白噪声序列的当前值和的q个过去值有关。 ARMA模型： 设其它的和不全为零，这种模型称为自回归滑动平均模型或简称为模型是由模型经过q模型是由模型经过p或过程都能用无限阶的或过程都能用无限阶的模型即能够很精确地模拟它模型作为它们的模型时虽然不可