线性平稳序列和线性滤波简介.doc

第1章 时间序列 第 PAGE 32 页 共 NUMPAGES 32 页 §1.3 线性平稳序列和线性滤波简介 1. 有限运动平均 2. 线性平稳序列 3. 时间序列的线性滤波 1. 有限运动平均 设是, 称 为白噪声的(有限)运动平均, 也称滑动平均, 简称MA(Moving Average)0均值白噪声MA必平稳 注: 此处的=前2节中的=去除趋势季节的时间序列 *证: 对此有, 所以是平稳序列, 自协方差函数 为了推广至无限, 介绍下面定理. *定理3.1 (单调收敛定理) 设不减随机列为, 即, 则当时, 有 . 此处可以是广义随机变量, 可能有, 这时, . 对任何, 由以上定理, 得 . *定理3.2(控制收敛定理) 若随机变量序列满足和, 则当时, 有 . 2. 线性平稳序列 称是绝对可和的: 若. 设为零均值白噪声, 用绝对可和列定义: 无穷滑动和 , 则是平稳序列.(即称线性平稳序列) 即0均值白噪声无穷滑动和必平稳 *证: 故是a.s.绝对收敛, 从而是a.s.收敛. 又因为 . 故由控制收敛定理, 得 对, 定义 , 则且 . 又利用单调收敛定理, 得 故由控制收敛定理, 得 即是平稳序列, 有 定理3.3 设是,用定义的: , 是平稳序列, 且. 只证.由Cauchy不等式 . 线性平稳序列运用较广. 实用意义: 若序列平稳, 且其样本自协方差函数 , 当时, 趋于零, 则就可用 描述. 即大部分平稳序列=0均值白噪声无限滑动和 实用中, 常用到单边无穷滑动: 表明, 现在的仅受当前及过去噪声影响. 后面的任务: 若已知平稳, 如何求出. 再后: 估计或预测未来 3. 时间序列的线性滤波简介-处理信号的一种方法 线性低通滤波器: 结构--线性 功能--滤除高频噪声的变换 设为绝对可和实数列(滤波器参数), 则称 为一个保时(时不变)线性滤波器. 如 a=rand(1,100); plot(a);pause; for i=4:100 b(i)=mean(a(i-3:i))/4; end; plot(b);pause; for i=4:100 c(i)=mean(b(i-3:i))/4; end; plot(c); 若为平稳信号, 有及. 参照2中方法, 可得是平稳信号, 有 和自协方差函数 若取 则 直观意义: 前后平滑, 具有抑制噪声的作用. 例3.1 余弦波信号的滤波. 设 其中()是平稳序列, , , 随机变量且与独立. 由例2.2知: 信号的方差?信号的强度, 噪声的方差?噪声的强度 信号噪比. 用滤波器滤波 其中. 滤波器的输出与输入同频, 中信号强度 中噪声 故 信噪比. 当取时, 信噪比 例如取 滤前信噪比1.125 滤后信噪比3.245, 放大了2.884倍. §1.4 正态时间序列和随机变量的收敛性简介 1. 随机向量的数学期望和方差 设为随机向量, 则, . 对, 有 , . 定义4.1维正态分布随机向量 这里,其中独立. 则有 . 简记为. 2. 正态平稳序列(严平稳的概念) 定义4.2 正态时间序列: 若, 若又是平稳的, 则称是正态平稳序列. 定义4.3 设随机变量和的分布函数为 和 (1) 依分布收敛到: 若,在每个连续点上. (2) 依概率收敛到: 若 (3) 在下收敛到: 若. (4) 均方收敛到: 若. 定理4.2 (4)(3) (2)(1). 证明略. 定理4.3 若正态时间序列依分布收敛到随机变量, 则, 并且 . 定理4.4 若是正态, 绝对可和, 则由定义的平稳序列是零均值正态序列, 自协方差函数同前. §1.5 严平稳序列及其遍历性简介 概率中, 随机向量联合分布函数为 . 定义5.1 是严平稳序列: 对,有 与同分布. 即分布平移不变. 与平稳序列的关系: 若严平稳序列的, 则一定平稳序列. 反之不然, [参考文献] 对于正态时间序列: 严平稳与平稳等价. 因绝对时间不可重复, 希望一次实现来推断. 平稳序列的遍历性的基本含义: 只要观测的时间充分长, 它的每个现实都能“遍历”各种可能的状态, 因而一个实现按时间平均可以近似地代替它在固定时刻取值的统计平均 严平稳遍历序列: 具有遍历性的严平稳序列. 在大多数实际问题中, 皆可视为具有遍历性的平稳序列, 即可用 代; 代; 代. §1.7 平稳序列的谱函数简介 随机变量由其分布或密度惟一确定. 类似地, 平稳序列由其相应的谱函数惟一确定. 注: 谱密度不一定有. 定义7.1 设平稳序列有自协方差函数, (1) 若有上单调不减右连续, 使得 则称是的谱分布函数, 简称谱函数. (2) 若有上的非负函数, 使得 则称是的谱密度函数, 简称谱密度.