[工学]第一章 时域离散随机信号.ppt

第一章　时域离散随机信号 1.1 概述 　　如果　和　都是　的两个无偏估计值，对任意　，满足　 2. 估计量的方差　 　　估计量的方差　　　　　　　　　，说明估计结果相对于估计量均值的分散程度。　 则称　比　 更有效。一般希望当　　　　时，　　　。 3. 均方误差　 　　如果估计量的均方误差随着观察次数的增加趋于0，即估计量随N的加大，在均方意义上趋于它的真值，则称该估计是一致估计。 估计量的均方误差与估计量的方差和偏移的关系 上式表明，随着N的加大，偏移和估计量方差都趋于零是一致估计的充分必要条件。 对　　　　　　和　　　　　　 　求Z变换，得　　　 1.3.2输出响应的功率谱密度 将　　　代入，得输出功率谱　　　 结论：输出响应的功率谱密度等于输入随机序列的功率谱与系统频率特性幅度平方的乘积。 功率谱密度函数是实、偶、非负函数 如果　　是实序列，则 1.3.3系统的输入、输出互相关函数 LSI系统输入与输出之间互相关函数为 结论：输入输出之间的互相关函数等于系统的单位脉冲响应与输入自相关函数的卷积。 输入、输出互相关定理 设　　是零均值平稳随机序列，输入、输出的功率谱为 输出自相关序列可以用互相关与系统单位脉冲响应来计算： 系统输入、输出相关函数关系图 结论：输出的自相关函数等于输入输出互相关函数与　　的卷积，等效于　　 与　　 进行相关运算。 例1.1：若输入　　是一零均值的平稳白噪声随机序列，方差为　　，自相关序列是一个冲激　　　　　　，功率谱等于常数　　　　，则可由　　　或互功率谱求系统冲激响应或频率特性，这是一种辨识数字滤波器的方法。 解： 求Z变换，得 1.3.4相关卷积定理 例如： 相关卷积定理：如果　　　　　　　，　　　　　　　， 那么　　　　　　　　　，此关系称为相关卷积定理。或 者说，卷积的相关等于相关的卷积。 例1.2：已知实平稳白噪声　　的功率谱是　 , 使通过一个　阶的FIR网络　　　　　　，求输出自相关函数　　、功率谱　　 、互相关函数　　　和互功率谱　　　。 解： 输出的功率谱为 由于　　　　　　，　　　　　　　　　　　　　，对上式求Z反变换得 DFT　　　　　　　　　 DFT　　　　　　　　　 互功率谱为 互相关函数为 输出自相关函数为 　　为白噪声，此项为0 例1.3：设实平稳白噪声　　的方差是　 , 均值　　　,让 　通过一个网络，网络的差分方程为　　　　　　　 ,式中　是实数。求网络输出的功率谱和自相关函数。 解：用归纳法求网络输出的自相关函数 令　　　，则 令　　　，则 令　　　，则 网络输出的功率谱 用　代替　 , 则 例1.4：为了产生一个功率谱为　　　　　　　　的随机过程，可用一个具有单位方差的白噪声去激励一个线性移不变系统，求该系统的冲激响应　　。 解： 由于 则 因此 IDFT　　　　　　　　　 例1.5：有一理想带通滤波器，其频率特性如图所示，当输入作用一个功率谱为　　　、均值为零的平稳随机过程时，求输出响应的平均功率。 解： 　　由于　　　，得　　　。　　　 定义为　　　的傅里叶变换，于是 输出响应的平均功率为 上式中的积分是　　　曲线在频带　　　内所围的面积，代表输入信号无衰减地通过带通滤波器的总功率，该总功率除以　，代表输入信号在该频带内的平均功率。 理想带通滤波器的频率特性 1.4 时间序列信号模型 　　这种模型是一类线性模型，具有连续功率谱的特性，是构成一类模型法功率谱估计的基础。 　　许多平稳随机序列都可以看成是由典型噪声源激励一个线性系统产生的，这种噪声源一般是白噪声序列源。 平稳随机信号的信号模型 　　图中　　是均值为0，方差为　　的白噪声。 1.4.1三种时间序列模型 　　对于一大类随机信号，可以用一个P阶差分方程描述： 滑动平均模型（MA模型）： MA模型差分方程 系统函数 输出功率谱 MA模型也称为全零点模型。 q阶MA模型， 自回归模型（AR模型）： AR模型差分方程 p阶AR模型， 系统函数 输出功率谱 AR模型也称为全极点模型。 自回归－滑动平均模型（ARMA模型）： ARMA模型差分方程 系统函数 ARMA模型， 输出功率谱 进一步，　　可以写成一个　　　模型，即 1.4.2三种时间序列信号模型的适应性 沃尔德（Wold）分解定理： 　　一个一般的平稳随机过程能够写为 其中　　是一个规则随机过程，具有连续谱；　　是一个可预测过程，具有离散谱，并且　　　和　　　是正交的，即 ，其相关函数可以写成 可以完全由过去值预测，即 该定理说明MA信号模型具有普遍使用的性质。 沃尔德（Wold）分解定理推论： 　　对于一个ARMA或AR过程，如果其功率谱是连续的，则该过程可以由一个无穷阶MA过程表示。 柯尔莫哥洛夫（Kolmogorov)定理：