北航 时间序列与谱估计(2017_L3).pptVIP

模型拟合 在选择模型时的一些考虑是模型能表示谱峰、谱谷和滚降的能力。对具有尖峰的谱，需要用具有极点的模型，既可以是AR模型，也可以是ARMA模型. 例如，考虑由AR过程产生的数据，试图用MA模型去估计该PSD,可以想像，结果将很差。 若数据是AR过程与一噪声过程(与此AR过程不相关)之和，则数据就成为ARMA过程。可直接按PSD的定义给出此结论。 * 时间序列与谱估计 课程内容 引论（第一～第三章） 经典非参数谱估计（第四章） 有理谱参数谱估计（第五～十章） 建模，ARMA，AR，MA 滤波器组谱估计（第十一章） 线谱参数谱估计（第十三章） 二维与多通道谱估计（第十四、十五章） 有理谱参数谱估计 参数建模（第五章） 自回归谱估计：概述（第六章） 自回归谱估计：方法（第七章） 滑动平均谱估计（第八章） 自回归滑动平均谱估计：概述（第九章） 自回归滑动平均谱估计：方法（第十章） 第五章 参数建模 引言 有理传递函数模型 AR, MA, ARMA 模型参数与自相关系数的关系 模型拟合 MA建模和BT谱估计 PSD或ACF确定模型参数 经典非参数谱估计 周期图谱估计 相关图谱估计 无偏 有偏 第五章 参数建模 经典谱估计 采用加窗数据或加窗ACF的估计值的FT来估计PSD 隐含窗外数据或ACF为0，不符合实际情况，产生谱估计值模糊 第五章 参数建模 参数建模谱估计 对待