[工学]数字信号处理.pptVIP

1.6.2 三种时间序列信号模型的适用性 沃尔德（Wold）分解定理： 任意一个实平稳随机序列x(n)均可以分解成： x(n) =u(n)+v(n)，式中u(n)是确定性信号, v(n)是具有连续谱分布函数的平稳随机MA序列。 由Wold分解定理可知，AR模型或ARMA模型可用一个可能是无穷阶的MA模型表示，说明MA信号模型和ARMA信号模型具有普遍适用的性质。 柯尔莫格洛夫（Kolmogorov）定理： 该定理暗示了MA模型或ARMA模型可用一个可能是无穷阶AR模型来表示，从而说明了AR信号模型的适用性。 　　一般AR模型适合表示时间序列的功率谱有尖峰而没有深谷的信号，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。 1.6.3 自相关函数、功率谱与时间序列信号模型的关系 (1.6.7) 实平稳随机信号x(n)的功率谱为： 如何按照上式唯一地分解出一个因果稳定的模型系统函数H(z)，是本节要讨论的问题。 有理谱信号： 如果信号模型输出的功率谱是ejω或者cosω的有理函数，这种信号称为有理谱信号。 谱分解定理 如果功率谱Pxx(ejω)是平稳随机序列x(n)的有理谱，那么一定存在一个零极点均在单位圆内的有理函数H(z), 满足 式中，ak, bk都是实数，a0=b0=1, 且|αk|＜1, |βk|＜1。 例1.6.1 已知有理谱如下式： 我们把所有可能的分解形式写出来： (1) (2) (3) (4) 自相关函数、功率谱、时间序列信号模型三者之间的关系： rxx(m) Pxx(z) H(z) Z变换 Z反变换 谱分解 自相关函数、功率谱、时间序列信号模型三者之间关系 * * * * * * 一般观测数据量N很大， 上式中，只有当 时，估计量的方差才趋于0。 但是，当 时，方差将很大。因此，该估计方法在一般 情况下不是一种好的估计方法；虽然是无偏估计，也不能算是一致估计。 有偏自相关函数的估计 有偏自相关函数用 表示，计算公式如下： 下面可推导出它服从渐近一致估计的原则，比无偏自相关函数的估计误差小， 因此以后需要由观测数据估计自相关函数时， 均用上式进行计算。 无偏自相关函数与有偏自相关函数的关系式为 因为 是无偏估计，因此得到 1. 偏移性 上式说明 是有偏估计，但是渐近无偏，其偏移为 的统计平均值等于其真值乘以三角窗函数wB(m)（或称巴特利特窗函数）, 三角窗函数的波形如图1.4.3所示。只有当m=0时， 才是无偏的，其它m都是有偏的，但当N→∞时，wB(m)→1，B→0, 因此 是渐近无偏。 图 1.4.3 三角窗函数 显然, 当N→∞时, ，并且 由以上得到结论： 虽然是有偏估计，但是渐近一致估计， 估计量的方差小于 的方差。 因此实际中多用这种有偏自相关函数估计。 2.估计量的方差 1.5 平稳随机序列通过线性系统 系统响应的均值、 自相关函数和平稳性分析 输出响应的功率谱密度函数 系统的输入、 输出互相关函数 相关卷积定理 线性系统 稳定系统 有界输入必导致有界输出的系统 对连续系统: 对离散系统: 因果系统 输出必在输入之后 稳定系统：h(t)绝对可积分＝收敛域包含单位圆 因果系统：收敛域内是否包含 ，即 因果稳定系统：传递函数的极点全部在单位圆内 最小相位系统：H(z)全部零点在单位圆内 可逆系统：无在单位圆上零点的系统 1.5.1 系统响应的均值、 自相关函数和平稳性分析 这样, mx与时间无关，my也与时间无关。 输出均值： 输出的自相关函数： 对于一个线性非时变系统，如果输入是平稳随机序列，则输出也是平稳随机序列。 令l=r-k, 得到 式中 1.5.2 输出响应的功率谱密度函数 将z=ejω代入上式，得到输出功率谱： Pyy (ejω)=Pxx(ejω)H(ejω)H*(ejω)=Pxx( ejω)|H(ejω)|2 如果h(n)是实序列， v(l)=h(l)*h(-l) V(z)=H(z)H(z-1) Pyy(z)=Pxx(z)H(z)H(z-1) 1.5.3 系统的输入、 输出互相关函数 输入、输出互相关定理： 1.5.4 相关卷积定理 线性系统输出的自相关函数等于输入自相关函数与线性系统单位脉冲响应的自相关函数的卷积，即 或者简单地说, 卷积的相关函数等于相关函数的卷积。 用一般公式表示如下： 如果 e(n)=a(n)*b(n