2020第12章参数模型功率谱估计.ppt

（ 12.3.2 AR 模型阶次的选择 2 ）信息论准则： AIC ( k ) ? N ln( p 为数据 k ) ? 2 k 其中 N x N ( n ) 的长度，当阶次 k 由 1 增加 时， FPE ( k ) 和 AIC ( k ) 都将在某一个 小值。将此时的 k 定为最合适的 p k 处取得极 。在实际 运用时发现，当数据较短时，它们给出的阶次 偏低，且二者给出的结果基本上是一致的。上 面两式仅为阶次选择提供一个依据，究竟阶次 取多少为好，还要在实践中由所得到的结果作 多次比较后，予以确定。 12.4 AR 模型的稳定性及对信号建模问题 的讨论 ? 12.4.1 AR 模型的稳定性 重新定义自相关矩阵 R 为： ? r x ( 1 ) ? r x ( p ) ? ? r x ( 0 ) R r x ( 1 ) r x ( 0 ) ? r ? x ( p ? 1 ) p ? 1 ? ? ? ? ? ? ? ? ? ? ? r x ( p ) r x ( p ? 1 ) ? r ( 0 ) ? x ? 并记其行列式的值为 det( R p ? 1 ) 。用三个结论来 说明矩阵 R p ? 1 的性质与 AR 模型稳定性的关系。 12.4.1 AR 模型的稳定性 R p ? 1 是正定的，那么，由 Yule- Walker 方程解出的 a ( 1 ), a ( 2 ), ? , a ( p ) 构成的 p 阶 AR 模型是稳定的，且是唯一的。也即 A ( z ) 的零点都在单位圆内。此性质称为 AR 模型的最 小相位性质。 x ( n ) p p 由 个复正弦组成，即 x ( n ) ? ? A K exp ? j ? ? k n ? ? k ? ? k ? 1 结论一：如果 结论二：若 12.4.1 AR 模型的稳定性 式中 A k , ? k 为常数， ? x k ? ? ~ ? ) 内均匀分布 的零均值随机变量， ( n 是在 ( ) 的自相关函数为 : ? p r m ) ? A 2 x ( k exp( j ? k m ) k ? 1 p ? 1 个值 r x ( 0 阵 R ), r x ( 1 ), ? , r x ( p ) 组成的自相关矩 p ? 1 是奇异的，而 R 1 , R 2 , ? , R p 是正定的， 即： det( R p ? 1 ) ? 0 , det( R k ) ? 0 k ? 1 , 2 , ? p 则由前 12.4.1 AR 模型的稳定性 x ( n ) 由 p 个正弦组成（实的或复 的），则 x ( n ) 是完全可以预测的，即预测误差 等于零。 结论二指出了 R p ? 1 何时奇异何时正定的条件， 它和结论三一起正弦信号的某些性质。特别说 明，用 AR 模型对纯正弦信号建模是不合适 的， 会出现自相关矩阵为奇异的情况，要克服自相 关阵奇异的情况，最常用的方法是加上白噪声， 这样 det( 不会等于零。 R p ? 1 ) 结论三：如果 12.4.2 关于信号建模问题的讨论 * 信号建模的本质： 准确建模的定义： ? x ( n ) 设平稳随机过程 存在 阶模型，使得模 ? ? x ( n ) 的同 型的输出 在 阶统计特性上和 x ( n ) ? 阶统计 x ( n ) 称为 阶统计特性相一致，则把 意义上可准确建模的随机过程，而把改模型称 ? 阶统计意义上的准确模型。 作在 12.6 AR 模型系数的求解算法 12.6.1 ? 自相关法 e f e f f f ? , e f ? T p ? p ( 0 ), e p ( 1 ), ? , e p ( p ), p ( N ? 1 ? p ) a ? ? ? 1 ? 式中 a f