多元随机过程的建模与谱估计.docxVIP

第七章 多元随机过程的建模与谱估计 7.1多元随机过程的表示 l维平稳随机向量过程 Y(n)由I个平稳随机过程构成 (7-1)Y(n) =［y、(n),y2(n),…,yi (n)］T (7-1) 其二阶特性由均值向量 \ 二 EV(n)； \ 二 EV(n)；十y%,…，％ ]T (7-2) 和协方差矩阵 CY(m): CY(m) =E f[Y(n) - 屯][丫(n m) - —「Cy』(m)(m)III卅CyZm)〕Cy2 CY(m) =E f[Y(n) - 屯][丫(n m) - — 「Cy』(m) (m) III 卅 CyZm)〕 Cy2y(m) (7-3) Cyy2 (m) 9%(m) 决定，其中Cy』j(m)是随机过程 ％(n)和yj(n)的协方差，即 CJm)=E｛［yi(n)-电］$(n+m)_电」］｝, 1MiM,1Mj M III yi yj 由于 Cyiyj (m) = Ryiyj (m) % \ , 1 空 i m 空 I 因此，协方差矩阵 CY (m)又可表示为 CY(m) -RY(m) - f 丫 其中，RY(m)为I维平稳随机向量过程 Y(n)的自相关矩阵。该矩阵中的第 i行第j列元素是随机过 程yi (n)和yj (n)的互相关函数 R (7-4) R丫(m) 口 j(m) ，即 %1 (m) Ry°2 (m) Ry?% (m) F Ry2『2 (m) Ryy1 (m) R j y2 (m) Cy(i m)与互相关 矩阵 III 卅 Ry1y(m)1 Ry2X (m) Ryiy(m)i III RY(m)相等。一般情况下，总是将随机向 IX] 当丫(n)的均值为零时，协方差矩阵 量减去其均值向量估计，构成一个零均值的、新的随机向量。然后对新的随机向量进行各种分析。 举例，丨维白噪声向量 W(n)的二阶特征量为： (7-5) Qw, m = 0 % =O,Cw(m)二 ? m式0 其中Qw为常数矩阵。若白噪声向量 W(n)的个分量互不相关，则其协方差矩阵 Qw是对角矩阵，即 2 2 2 (7-6)Qw =diag［仃叫，％2，11匕仃叫］ (7-6) 互相关矩阵性质: 1) (7-7)RY(m)二 r/ (「m) (7-7) 【证明：因为， Ryjyj(m) =E 冷(n)yj(n m)： - Ey( n)y/n - m)；=只力比(-口)，所以 】2)【证明：用Ry(e)二｛Ryyj(m)｝| i 二｛R^(-m)｝| i 二｛R^yj (-m)｝：广 R/(-m) 】 2) 【证明：用 Ry(0)是非负定的 I个不全为零的实数 ai , i =1,2^1, I，作随机过程 l z(n)八 q yi(n)汕丫( n) i 4 aT - ?82,111,41,则有 Rz(0) =E{z2(n)} =E{#Y(n)YT(n)a} =#E{Y(n)YT(n)}a 二aT RY(O)W _0 当且仅当Y(n) =0时，Rz(0) =0成立。】 7.2向量过程的模型表示与谱 向量过程的AR模型与功率谱 用I维AR( p)过程模型描述的随机向量过程 Y(n)表示为 Y(n) +A1Y(n- 1)^||+ApY(n- p) =W(n) (7-8) 其中A( i =1,2^1, p )为l l阶参数矩阵， W(n)是l维白噪声。 记 A(p才)=I + A z」+ 川 + Ap z, H(p,z」)=[A(p,zf (7-9) 则(7-8)式可改写为 A(p,z」)Y(n) =W(n)或 Y(n)=H(p,z」)W(n) (7-10) 随机向量过程 Y(n)的功率谱密度函数矩阵为 (ej )二[H(p,ej )]SW(ej )HT(p,e—j )=[A(p,ej )]」SW(ej )[A(p,e—j )「 (7-11) 其中S/v(e‘)二:是常数矩阵。当 W(n)的各分量互不相关时， SW(ej)是对角矩阵，即 SW(j) =diagQ12s2ll临] (7-12) 向量过程的 ARMA模型与功率谱 用l维ARMA(p,q)过程模型描述的随机向量过程表示为 Y(n) AY(n-1) ll|ApY(n- p)二 B0W(n) B1W(n -1) |||BqW(n-q) (7-13) 其中Y(n)是l维向量， W(n)是l维白噪声， A,Bj为丨況丨阶参数矩阵。 记 A(p,z°)=l Az |1| ApZ—p B(q,z」)二B。 By j |l| Bqz1 (7-14) H (p,q,z‘)=[A(p,z)]‘ B(q,z‘) 则(7-13)式可改写为 A(p, z」)Y(n) = B(q, z」)W(n)或 丫(n) = H (p, q, zJ W(n) (7-15) 向量过程Y(n)的功率谱密度函数矩阵