北航 时间序列与谱估计(2017_L3_4).ppt

AR过程的特性 Levinson算法 AR过程的特性 Levinson算法 由 有 AR过程的特性 Levinson算法 定义反射系数Kk为： AR过程的特性 Levinson算法 由 得 其中， AR过程的特性 Levinson算法 AR过程的特性 Levinson算法 AR过程的特性 AR过程的等价表示 AR(p)过程具有下列等效的表示： (A): {rxx[0],rxx[1],…,rxx[p]}； (B): {rxx[0],K1,K2,…,Kp}； (C): {a[1],a[2],…,a[p],?2}； Levinson算法： AR过程的特性 AR过程的等价表示 由初始解和(6.46)式，有 步降(Step-Down,记为SD)算法： 由(6.47)式，有 用k-i代i,在取复共轭，得 解出 代入(6.47)式，有 AR过程的特性 AR过程的等价表示 SD算法： 由(6.48)式，得 AR(p)的三种等效表示满足下面等效性质： 1. 是最小相位的，且 2. rxx[0]0和|Kk|1, i=1,2,…,p; 3. {rxx[0],rxx[1],…,rxx[p]}是正定序列； AR过程的特性 AR过程的等价表示 AR谱估计器的特性 隐含的自相关函数延拓 已知AR(p)的{rxx[0],…,rxx[p]}，由Yule-Walker方程给出 ，那么AR(p)的谱估计器在z-平面上定义为： 其中符号 表示估计值，由 的z反变换，给出隐含自相关函数 为： AR谱估计器的特性 隐含的自相关函数延拓 AR谱估计器的特性 隐含的自相关函数延拓 AR谱估计器的特性 最大熵谱估计(MESE) {rxx[0],…,rxx[p]}已知，选取{rxx[p+1],…}使之保持正定性，有无穷多种方法； Burg: ACF外推后，时间序列有最大熵，时间序列将是最随机的，从而PSD将是最平坦（白化）的，产生的谱估计器称为最大熵谱估计(MESE)； 最大熵谱估计(MESE)：对时间序列强加最小的约束，使它的随机性最大，将产生最小偏差解； 当时间序列是高斯过程时，最大熵谱估计(MESE)与AR谱估计器等价。 AR谱估计器的特性 最大熵谱估计(MESE) 设时间序列是高斯过程，则样本的熵正比于： 最大熵谱估计(MESE)：在下面的约束条件下，极大化样本的熵，即极大化(6.70)式的值： AR谱估计器的特性 最大熵谱估计(MESE) 拉格朗日(Lagrange)乘子法，得： 求解拉格朗日乘子，得： 而{a[1],…,a[p],?2}是由已知ACF给定的Yule-Walker方程的解。 AR谱估计器的特性 谱的平坦度 谱的平坦度: 功率谱的几何平均与算术平均比。 如果Pxx(f)多峰值，?x=0, Pxx(f)为常数， ?x=1. 最大熵谱估计(MESE)对应于在(6.71)式的约束下， ?x极大：(6.73)式中，分母为rxx[0]，为(6.71)式的约束条件中给定的， ?x极大对应于(6.73)式中分子极大。 AR谱估计器的特性 谱的平坦度 适当选择滤波器系数，预测滤波器 是最小相位的。 预测滤波器 是最小相位的： 设e[n]表示A(z)对x[n]的预测误差时间序列，则 AR谱估计器的特性 谱的平坦度 ?e极大?预测滤波器A(z)预测误差功率最小 对于给定信号，Pxx(f)是确定的，从而?xrxx[0]是确定的。 当信号为AR(p)过程时，使p阶预测滤波器A(z)的输出端谱的平坦度极大，则A(z)的系数等于AR(p)过程的参数，预测滤波器A(z)的输出序列e[n]的方差等于AR(p)过程的激励噪声的方差。 AR谱估计器的特性 谱的平坦度 当信号不是AR(k)过程时(k?p)，Pee(f)不为常数，因此有 对于通过解Yule-Walker方程获得AR参数的谱估计器，假设Pee(f)为常数，因此隐含在Pee(f)中的细节信息丢失。 AR谱估计器的特性 AR谱估计的界 如果已知rxx[0]及反射系数的大小，则可给出AR谱估计给出的功率谱的上下界： 当反射系数的大小接近1时，下界更小，上界更大。具有幅度大的反射系数或等效地AR过程的极点接近单位圆时，AR过程具有尖峰谱的特性。 AR过程参数和反射系数的估计 极大似然估计 理论 估计 * 第六章 自回归谱估计：概述 引言 AR过程的特性 AR过程谱估计器的特性 AR过程参数和反射系数的估计