一离散随机信号-.pptVIP

第六节　时间序列信号模型 一、引言 二、三种时间序列模型 1、滑动平均模型（Moving Average,简称MA模型） 2、自回归模型（Autoregressive,简称AR模型） 3、自回归－滑动平均模型　　（简称ARMA模型） 三、三种时间序列信号模型的适应性 为了说明三种信号模型都有普遍适用性质，先介绍沃尔德（Wold)分解定理。 1、沃尔德（Wold)分解定理 2、沃尔德（Wold)分解定理对于AR信号模型的适用性 3、沃尔德（Wold)分解定理对于ARMA信号模型的适用性 总结 三种信号模型可以相互转化，而且都具有普遍适用性。 对于同一时间序列用不同信号模型表示时，却有不同的效率。这里说的效率，指的是模型的系数愈少，效果愈高。 一般AR模型适合表示时间序列的功率谱有尖峰而没深谷的信号，MA模型适合表示其功率谱有深谷而没有尖峰的信号，ARMA模型则适合尖峰和深谷都有的情况。 如果信号的功率谱有尖峰而没有深谷，用具有极点的AR模型表示将比用MA模型表示用的系数少，即效率高。 AR模型比较其它两种模型计算简单，许多设计人员喜欢采用AR模型，只要阶数选高些，似似性较好。 四、自相关函数、功率谱与时间序列信号模型的关系 自相关函数、功率谱与时间序列信号模型是对平稳随机序列三种不同方式的描述，它们从不同方面说明信号的统计特性。 自相关函数和功率谱是一对傅里叶变换关系。 1、有理