第五章时间的序列模型.pdfVIP

实用标准文案 5 时间序列模型 5.1 时间序列 数字化技术的应用和发展使得随机序列的分析变得日益广泛和 重要，并由平稳随机过程在时间轴上的 取样引出平稳离散随机信号 或时间序列的概念。 对于这类随机序列， 主要采用相关函数和功率谱 进行分析。 对于平稳离散时间信号， 还常用时间序列描述方法进行研 究，由此提出时间序列模型法。 它是采用各种随机差分方程表示时间 序列信号的模型。 在许多情况下， 一个平稳离散随机信号可以视为白 噪声序列通过某一离散时间线性系统所产生的。 在时间序列信号模型分析中， AR（自回归）模型、MA（滑动平均） 模型和 ARMA（自回归滑动平均）模型是三种最常见的标准线性模型， 它们均由白噪声序列通过离散时间线性系统而产生。 而实际应用中许 多平稳时间序列往往可由这些模型近似表示， 使得有关的分析变得更 为简单，也为平稳随机序列的分析和产生提供了有效方法。另外，这 些线性模型都具有连续功率谱形状， 在参数谱估计方面显示出极大的 优点。除非特别说明，本章只讨论具有连续谱特性的平稳时间序列。 5.2 自回归 (AR)模型 2 设 (n) 为具有零均值，方差为 n 的平稳白噪声序列，随机序列 x( n) 由如下随机差分方程表示： p x(n) a x(n k) (n) k k 1 精彩文档 实用标准文案 式中 p 为一正整数， a k (k 0,1, , p) 为实常数，不失一般性，设 a0 1 ， 并设 a p 0 。上式表示的信号称为 p 阶自回归模型。 显然， x(n) 是它的 p 个过去值和白噪声 (n) 的线性组合。用 AR ( p) 表示上式的模型。对 于上式，从统计观点讲，称 x(n) 以随机误差 ( n) 线性回归于它的 p 个 过去值。 为使分析方便，首先研究一阶和二阶 AR模型，然后根据 p 阶 AR 模型的分析，研究 AR模型的自相关函数及功率谱密度。 1. 一阶 AR模型 根据随机序列的差分表达式，当 p 1 时，可得一阶 AR模型 x (n) ax(n 1) ( n) 式中 a 为不等于零的实常数。 上式为一阶随机差分方程。 若设 x(0) 0 ， 可得： 2 x(n) (n) ax(n 1) ( n) a (n 1) a x(n 2) n 1 (n) a (n 1) a (1) 容易得到一阶矩 n 1 E[ x(n)] (1 a a ) E[ (n)]