西安交通大学医学信号处理第三章.ppt

例3-3：一个零均值的离散时间随机过程各值xn，xn+m（m不等于零）均互相独立。求它的自相关函数和功率谱。 例3-4：把上例的xn送入到两点平均器中，得输出为，求yn的自相关函数和功率谱。 例3-4：把上例的xn送入到两点平均器中，得输出为，求yn的自相关函数和功率谱。 3-5：已知平稳随机过程x的自相关函数如下，求其功率谱密度及均方，并根据所得结果说明该随机过程是否含有直流分量或周期性分量。 例3-6：已知一线性系统输入为零均值平稳随机序列x(n)，自相关函数Rx(m)=?x2?(m) 例题3-8：线性系统如图所示，输入为零均值，方差为1的白噪，求输出的自相关和功率谱。 3.3 经典谱估计 3.3.2 基本的估计算法 一、相关函数的估计 根据定义用有限样本来进行估计： 相关函数估计的质量： 偏差：看估计的均值，是有偏估计，但是渐进无偏。 方差：估计的方差当N无穷时，趋于零。 因此该估计法是一致估计。 二、FFT法估计相关函数 3.3.5谱估计 随机信号的功率谱反映它的频率成分以及各成分的相对强弱。 经典估计法：1）先估计相关函数，然后傅立叶变换；2）对信号傅立叶变换后求模平方再除以N。 估计的方差特性不好，起伏剧烈，数据越长越严重。 1、周期图法估计功率谱 2、相关法谱估计 MN 当M=N时周期图法和自相关法结果是一致的 功率谱估计的质量 偏差：看估计的均值，是有偏估计，但是渐进无偏。 方差：估计的方差当N无穷时，估计值不会趋于零。 因此该估计法不是一致估计。 3、改进法估计功率谱 平滑：加窗对单一功率谱估计加以平滑。 平均：对同一随机过程做多次周期图法，再加以平均。 估计的质量：均值是渐进无偏，方差是趋于零，是一致估计。 为随机信号建立参数模型是研究随机信号的一种基本方法。 其含义是认为随机信号是由白噪激励某一确定系统的响应（图3.1）。 只要白噪的参数确定了，研究随机信号就可以转化成研究产生随机信号的系统。 经典信号建模法（classical modeling method for signal）：前面已经指出，医学信号处理的目的是提取包含于随机信号中的确定性成分，以便在一定的准确性（最小二乘意义）上进行预测。 这就是建立各种各样的确定性数学模型，包括代数、微分、积分、差分方程模型。这是经典的信号建模方法。 信号的现代建模方法（Modern modeling method for signal）：是建立在具有最大的不确定性基础上的预测。 提出了众多的数学模型( mathematical models)。根据Wold的证明：任何平稳的ARMA（自回归移动平均）模型或MA模型均可用无限阶或阶数足够的AR模型去近似。因此本节着重介绍AR模型的基本原理和方法。 随机信号 由当前的激励 和若干次过去的激励 线性组合产生： 随机信号 由本身的若干次过去值 和当前的激励值 线性组合产生： 它既有零点又有极点，所以也称极零点模型，要考虑极零点的分布位置，保证系统的稳定，用ARMR（ p ，q ）表示。 2 AR模型参数的估计 随机信号的建模法最近在生物医学信号处理中应用相当普遍，在自发脑电、诱发脑电、肌电、心电、胃电等方面都有人尝试应用模型法进行研究。 应用较多的是AR模型，因为建立这种的模型计算工作比较容易。作为数学逼进，三种模型都可以互相转换。实际中选用哪一种模型就要考虑到节约和计算量，选定模型后，剩下的任务就是用适当的算法估计模型参数（ 、 、 、 ），以便用模型对随机信号进行预测。 1) AR模型参数和自相关函数的关系 根据图3.1： 系统的单位脉冲响应 是因果的，所以输出的平稳随机信号和输入的白噪声之间的互相关函数有下列推导： 所以 显然，AR模型输出信号的自相关函数具有递推的性质，即： 把上式的下标简化