现代信号处理第4章old.pptVIP

4.5 AR谱估计的方法 自相关法的出发点是选择AR模型的参数使预测误差功率最小，预测误差功率为 假设信号x(n)的数据区在0≤n≤N-1范围，有p个预测系数，N个数据经过冲激响应为api(i=0,1, 2, …, p)的滤波器，输出预测误差e(n)的长度为N+P 4.5.1 自相关法——列文森(Levenson)递推法 由信号的观测数据，估计信号的功率谱 显然,e(n)的长度长于数据的长度，上式中数据x(n)的两端需补充零点，这相当于无穷长的信号经过加窗处理，得到长度为N的数据。用上式对系数api求微分的方法使预测误差功率最小，得到 上面的矩阵就是Yule-Walker方程 式中的自相关函数采用有偏自相关估计 m=0, 1, 2, …, p m=-p, -p+2, …, -1 因此自相关法是基于解Yule-Walker方程的一种方法。首先由信号的观测数据估计出自相关函数，再解该方程，得到模型参数，便可求出信号的功率谱。因此该方法也称为Yule-Walker法。但是直接解该方程，需要计算逆矩阵，很不方便。利用Yule-Walker方程中自相关矩阵的性质，可以导出Levenson-Durbin递推法，这是一种高效的解方程方法。简称为列文森递推法。 i=1, 2, 3, …, k-1 由k=1开始递推，递推到k=p，依次得到{a11,σ21}，{a21,a22, σ2