第8章 平稳时间序列的线性模型.pptVIP

8.4 模型识别与参数估计 8.4.1 样本自相关函数与样本偏相关函数 （1）样本自相关函数（样本自相关系数函数） 对于平稳序列 自协方差函数： 样本自协方差函数： 样本自相关函数： 当n-k充分大时， 一般取，n50,k≈n/10 （2） 样本偏相关函数 8.4.2 模型类别和阶数的确定 AR(p)模型:Фkk在k=p处截尾 当kp时，平均20个 中至多有一个 那么就认为Фkk在k=p处截尾，即 MA(q)模型：ρk在k=q处截尾截尾 混合模型：取Фkk与ρk都拖尾时，一般取阶数比较小 8.4.3 参数估计 利用自相关函数、偏相关函数与模型参数的关系可得 AR(1)模型： AR(2)模型： MA(1)模型： 返回 * /34 随机信号分析 中北大学信息与通信工程学院 信号课程建设组 主讲：陈友兴 使用班级08050642 第八章 平稳时间序列的线性模型（补充） 8.1 时间序列及其实例 （3） 8.2 平稳随机序列及其线性模型 （4） 8.3 各类线性模型的性质 （23） 8.4 模型识别与参数估计 （31） 8.1 时间序列及其实例 时间序列是随机序列，即参数离散的随机过程 某地区1950年元月开始每月月降水量 8.2 平稳随机序列及其线性模型 满足 ， 与时间t无关 8.2.1 平稳随机序列 （1） 定义 （2）平稳时间序列的数字特征 协方差： 自协方差函数： 自相关系数函数（标准相关函数、自相关函数） 性质： 对称性质 初值 有界 （3）白噪声序列 离散白噪声互不相关的，均值为零且方差相同的随机变量序列，表示随机误差 8.2.2 平稳时间序列的线性模型 均值为零的有理谱密度的平稳序列可表示成下列三种模型。 自回归模型 滑动平均模型 自回归滑动平均模型（混合模型） 对于已知序列Zt的期望μ，可得序列 （1）自回归模型AR(p) 任意时刻t的数值Wt可以表示成过去p个时刻Wt-1 ，Wt-2 ，……，Wt-p上的数值的线性组合再加上t时刻的白噪声at。 或 P为阶数， 为参数 ，且 （2）滑动平均模型MA(q) Wt表示成白噪声在t和t以前的q+1个时刻上的数值 的加权和 q为阶数， 为参数 ，且 （3）自回归滑动平均模型（混合模型） ARMA(p,q)，p与q为混合模型的阶数 和 为参数 自回归模型和滑动平均模型是混合模型的特例。 （4）有理谱密度 Φ(z)与Θ(z)没有公共因子，且Φ(z)与Θ(z)的零点全部在单位圆|z|=1外部。 平稳解 定义：满足上述的Φ(z)与Θ(z) ，如果均值为零的平稳序列Wt满足混合模型方程， 且当时st， ，则称Wt是随机差分方程的平稳解。 定理：具有有理谱密度的均值为零的平稳序列Wt ，一定是随机差分方程的一个平稳解，反之，方程的平稳解一定具有有理谱密度。 （5）算子表达式 ARMA(p,q)模型： AR(p)模型： MA(q)模型： B为延迟算子 则 得混合模型ARMA(p,q) 8.2.3 平稳域和可逆域 平稳域：p维欧式空间中的子集 则称为ARMA模型的平稳域 可逆域： q维欧式空间中的子集 则称为ARMA模型的可逆域 例8.1 求AR(1)或ARMA(1,q)模型的平稳域 8.2.4 格林函数及逆函数 （1）格林函数 利用平稳域，可得Φ(B)在|B|1内是可逆的 则 为ARMA模型的传递函数 MA模型 说明平稳序列可用白噪声表示 为ARMA模型的格林函数 MA(q)模型的格林函数 （2）逆函数 利用可逆域 ，可得Θ(B)在|B|1内是可逆的 则 为ARMA模型的逆转函数 AR模型 说明白噪声可用平稳序列表示 为ARMA模型的逆函数 AR(p)模型的逆函数 例8.2 求AR(1)模型 的格林函数和传递函数 解： 所以，格林函数为 传递函数为 例8.3 求ARMA(1,1)模型的逆函数 逆函数为： 例8.4 求AR(2)模型 的格林函数和传递函数