第6章节 随机信号的参数建模法3.pptVIP

前、后向预测误差和反射系数在不同阶次的递推关系： 反射系数 前后预测误差之间的相关系数 6 AR模型系数的求解 n的取值范围 在令预测误差功率最小时，是单独使前向预测误差功率最小，还是使前后向预测误差功率之和最小 是先估计自相关函数再求解还是直接由数据递推求解。 6.1自相关法 由自相关函数，利用L-D递推算法所得到的AR模型的参数等效于前向预测器的系数，AR模型白噪声的方差等效于前向预测的最小预测误差功率。 6.2 Burg算法 令前后向预测误差功率之和最小 预测误差功率的求和范围 令 ，可得 Burg算法的步骤 初始条件 计算 m=1时参数 计算 m=2时参数 重复上述过程，直到m=p 习 题 1.对于一个随机信号，可以对它进行频谱分析，叙述AR谱法和周期图法相比的优点。 2.设已知 用L-D算法为此信号估计p＝1，2，3阶AR模型的系数和激励白噪的功率。 从（7-13）求得输入的白噪声方差为： (7-16) 将(7-15)和(7-16)结合，把该式的下标简化并写成矩阵的形式，可以写成单一的正规矩阵方程： (7-17) 【例7-1】已知自回归信号模型AR(3)为： 式中 是具有方差 =1的平稳白噪声，求 a. 自相关序列 ，m＝0，1，2，3，4，5。 b. 用a求出的自相关序列来估计AR(3)的参数 ，以及输入白噪声的方差 大小。 c. 利用给出的AR模型，用计算机仿真给出32点观测值 ,用观测值的自相关序列直接来估计AR(3)的参数 以及输入白噪声的 。 32点观测值 ＝[0.4282 1.1454 1.5597 1.8994 1.6854 2.3075 2.4679 1.9790 1.6063 1.2804 -0.2083 0.0577 0.0206 0.3572 1.6572 0.7488 1.6666 1.9830 2.6914 1.2521 1.8691 1.6855 0.6242 0.1763 1.3490 0.6955 1.2941 1.0475 0.4319 0.0312 0.5802 -0.6177] 解：a. 已知的是模型参数 ， ＝－14/24 ＝－9/24， ＝1/24，来求自相关序列 。 利用式（7-17）， 把 代入，利用自相关函数的偶对称，得到一个4×4的的矩阵： 解线性方程组得： R(0)= 4.9377 R(1)＝4.3287 R(2)＝4.1964 R(3)＝3.8654 利用式（7-14） 可以求出R(4)，R(5)… 3.6481， 3.4027 当然还可以求出无穷多的自相关序列值。 b. 已知自相关序列值，来估计3阶AR模型的参数 以及 利用式（7-17）得到矩阵： (7-18) 解线性方程组得到： ＝－14/24， ＝－9/24， ＝1/24， ＝1 c. 利用给出的32点观测值，先求自相关序列（按照上节的样本自相关定义 计算） 由于偶对称只给出m＝0，1，2…31的 [1.9271 1.6618 1.5381 1.3545