高阶统计量信号处理方法.pdf

现代信号处理 —— 高阶统计量信号处理方法 Signal Processing with Higher-order Statistics 授课教师： 吴嗣亮 教授 联系方式： 四号教学楼 106 专题内容 一、概述 1 二、高阶统计量的定义、性质和估计 5 (一) 高阶矩、高阶累积量及其谱 5 （二）高阶累积量与高阶谱的性质 11 （三）高阶累积量与高阶谱的估计 19 三、非最小相位系统的辨识 21 （一）基本问题 21 (二) MA 系统的辨识 25 (三)ARMA 系统的辨识 35 四、谐波恢复 42 (一) 基本问题 42 (二) 谐波恢复的高阶累积量方法 43 五、空间窄带信号源的波达方向估计 46 (一) 基本问题 46 (二) 基于二阶统计量的 DOA 估计方法及其不足 47 (三) 基于高阶统计量的 DOA 估计方法 53 一、概述 高阶统计量(Higher-order Statistics)是指比二阶统计量更高阶的随机变 量或随机过程的统计量。 二阶统计量有： 随机变量（矢量）：方差、协方差（相关矩）、二阶矩。 随机过程：自相关函数、功率谱、互相关函数、互功率谱、自协 方差函数等。 高阶统计量有： 随机变量（矢量）：高阶矩(Higher-order Moment) ，高阶累积量 (Higher-order Cumulant) 。 随机过程：高阶矩、高阶累积量、高阶谱(Higher-order Spectra, Polyspectra) 。 从统计学的角度，对正态分布的随机变量（矢量），用一阶和二阶统 计量就可以完备地表示其统计特征。如对一个高斯分布的随机矢量，知道 了其数学期望和协方差矩阵，就可以知道它的联合概率密度函数。对一个 高斯随机过程，知道了均值和自相关函数（或自协方差函数），就可以知 道它的概率结构，即知道它的整个统计特征。 但是，对不服从高斯分布的随机变量（矢量）或随机过程，一阶和二 阶统计量不能完备地表示其统计特征。或者说，信息没有全部包含在一、 二阶统计量中，更高阶的统计量中也包含了大量有用的信息。高阶统计量 信号处理方法，就是从非高斯信号的高阶统计量中提取信号的有用信息， 1 特别是从一、二阶统计量中无法提取的信息的方法。从这个角度来说，高 阶统计量方法不仅是对基于相关函数或功率谱的随机信号处理方法的重 要补充，而且可以为二阶统计量方法无法解决的许多信号处理问题提供手 段。可以毫不夸张地说，凡是使用功率谱或相关函数进行过分析与处理， 而又未得到满意结果的任何问题，都值得重新试用高阶统计量方法。 高阶统计量的概念于 1889 年提出。 高阶统计量的研究始于六十年代初，主要是数学家和统计学家们在做 基础理论的研究，以及针对光学、流体动力学、地球物理、信号处理等领 域特定问题的应用研究。直到八十年代中、后期，在信号处理和系统理论 领域才掀起了高阶统计量方法的研究热潮。标志性的事件有： 1. K. S. Lii , M. Rosenblatt “Deconvolution and Estimation of Transfer Function Phase and Coefficients for non-Gaussian Linear Processes”. Ann. Statistcs,Vol.10, pp.1195-1208, 1982 首次用