随机序列分析.pptVIP

第5章 时域离散随机信号（随机序列）分析 4. N维随机矢量的均值、自相关函数及自协方差函数的矩阵表示 令m=1，则 ryy(1)=E［y(n)y(n+1)］ ryy(1)=E［y(n)(ay(n)+x(n+1))］=aryy(0) 令m=2, 则 ryy(2)=E［y(n)y(n+2)］ =E［y(n)(ay(n+1)+x(n+2))］ =aryy(1)=a2ryy(0) 总结规律，因此有： 　下面再求网络输出的功率谱, 由给定的网络差分方程, 得到网络系统函数： 式中a是网络的极点, 为了稳定 |a|＜1 网络输出功率谱为： 5.5 时间序列信号模型 5.5.1 引言 由于平稳随机序列的自相关函数是确定的，所以对平稳随机序列的分析和处理常常在相关域进行。 近年来，构造随机序列模型（时间序列信号模型）也是处理随机序列的一种重要手段。因为当用线性时不变系统对平稳随机序列处理时，虽然信号是随机的，但系统的h(n)却是确定的，可将要分析的随机序列模型化为某系统在白噪声激励下的输出，通过构造合适的系统模型，将要分析的随机序列用系统模型的参数来表示。 图 5.5.1 平稳随机序列的信号模型 5.5.2 利用建模处理随机序列需要考虑随机序列的类型 功率谱的类型：平谱（白噪声序列） 线谱（谐波过程） 混合谱（既有波峰又有波谷，既有连续谱又 有离散谱，如通信中数字基带信号） 纯连续谱（这里重点研究） 纯连续谱的平稳随机序列模型应该是有理分式模型，即模型的系统函数为有理分式，如： (3) 谐波过程 谐波过程就是随机初相正弦序列，具有各态历经性。 Ⅰ.谐波过程x(n) 由M个实正弦信号组成： 式中，Ai和ωi(i=1, 2, 3, …, N)是常数，θi(i=1, 2, 3, …, N)是服从均匀分布的独立随机变量。 可证明实谐波过程x(n) ： 实谐波过程的功率谱由2N个线谱组成 Ⅱ.谐波过程x(n)由M个复正弦组成： 式中，Ai和ωi(i=1, 2, 3, …, N)是常数，θi(i=1, 2, 3, …, N)是服从均匀分布的独立随机变量。 可证明复谐波过程x(n) ： 复谐波过程的功率谱由N个线谱组成 由Ⅰ 、Ⅱ可知，谐波过程的相关性最强（为相同频率的正弦波），但其功率谱最窄，为线谱。 5.3 随机序列数字特征的估计 5.3.1 估计准则 　　解决两个问题： （1）估计问题： 一般来说，根据观测数据对一个量（参数）或者同时对几个量（参数）进行推断，是估计问题。例如，通信工程中的信号参数和波形包括振幅、频率、相位、时延和瞬时波形。 （2）估计质量评价：无论对何种量估计，都必须根据观测值进行估计，而观测存在观测误差（或者把观测误差看成噪声），虽然被估计的参数是确定量，观测数据却是随机的，由观测值推算出的估计量存在随机估计误差。因此，如何判定估计方法的好坏，是统计估计的基本问题。 　　假定对随机变量x观测了N次，得到N个观测值：x0, x1, x2, …, xN-1，希望通过这N个观测值估计参数α，称α为真值， 它的估计值用　表示。 　是观测值的函数，假定该函数关系用F［·］表示， 评价估计质量的常用指标有三种： 估计的偏 估计的方差 估计的均方误差与与一致性 1. 估计的偏 称估计量的统计平均值与真值之间的差值为偏移B，其公式为 如果B=0，称为无偏估计。无偏估计表示估计量仅在它的真值附近摆动，这是我们所希望的估计特性。如果B≠0，则称为有偏估计。如果随着观察次数N的加大，能够满足下式： 则称为渐近无偏估计，这种情况在实际中是经常有的。 　　2. 估计量的方差 　　如果两个估计量的观察次数相同，又都是无偏估计时，要要用估计的方差来评价。哪一个估计量在真值附近的摆动更小一些，即估计量的方差更小一些， 就说这一个估计量的估计更有效。 　如果　和　　都是x的两个无偏估计值，对任意N，它们的方差分别为： 如果 则称　比　更有效。一般希望当N→∞时，　　　 　　3. 一致性——均方误差 　　在许多情况下，比较两个有偏估