中科院现代数字信号处理课件.pptVIP

1.4.4 自相关函数的估计 无偏自相关函数的估计 估计公式为 0≤m≤N-1 1-Nm0 将上面两式写成一个表达式： 1. 偏移性 因此, B=0, 这是一种无偏估计。 为了分析简单，假设x(n)是实的、均值为0的高斯随机信号。对于均值为0的高斯随机变量，其四阶矩为： 2.估计量的方差 利用上式，求和号内的部分可以写成下式： 由此， 式中，令 r=k-n，此时求和域发生了变化，如图1.4.2所示。 (1.4.25) 图 1.4.2 根据变化后的求和域(k, r)， 估计量的方差推导如下: 一般观测数据量N很大， 上式中，只有当 时，估计量的方差才趋于0。 但是，当 时，方差将很大。因此，该估计方法在一般 情况下不是一种好的估计方法；虽然是无偏估计，也不能算是一致估计。 有偏自相关函数的估计 有偏自相关函数用 表示，计算公式如下： 下面可推导出它服从渐近一致估计的原则，比无偏自相关函数的估计误差小， 因此以后需要由观测数据估计自相关函数时， 均用上式进行计算。 无偏自相关函数与有偏自相关函数的关系式为 因为 是无偏估计，因此得到 1. 偏移性 上式说明 是有偏估计，但是渐近无偏，其偏移为 的统计平均值等于其真值乘以三角窗函数wB(m)（或称巴特利特窗函数）, 三角窗函数的波形如图1.4.3所示。只有当m=0时， 才是无偏的，其它m都是有偏的，但当N→∞时，wB(m)→1，B→0, 因此 是渐近无偏。 图 1.4.3 三角窗函数 显然, 当N→∞时, ，并且 由以上得到结论： 虽然是有偏估计，但是渐近一致估计， 估计量的方差小于 的方差。 因此实际中多用这种有偏自相关函数估计。 2.估计量的方差 1.5 平稳随机序列通过线性系统 系统响应的均值、 自相关函数和平稳性分析 输出响应的功率谱密度函数 系统的输入、 输出互相关函数 相关卷积定理 线性系统 稳定系统 有界输入必导致有界输出的系统 对连续系统: 对离散系统: 因果系统 输出必在输入之后 稳定系统：h(t)绝对可积分＝收敛域包含单位圆 因果系统：收敛域内是否包含 ，即 因果稳定系统：传递函数的极点全部在单位圆内 最小相位系统：H(z)全部零点在单位圆内 可逆系统：无在单位圆上零点的系统 1.5.1 系统响应的均值、 自相关函数和平稳性分析 这样, mx与时间无关，my也与时间无关。 输出均值： 输出的自相关函数： 对于一个线性非时变系统，如果输入是平稳随机序列，则输出也是平稳随机序列。 令l=r-k, 得到 式中 1.5.2 输出响应的功率谱密度函数 将z=ejω代入上式，得到输出功率谱： Pyy (ejω)=Pxx(ejω)H(ejω)H*(ejω)=Pxx( ejω)|H(ejω)|2 如果h(n)是实序列， v(l)=h(l)*h(-l) V(z)=H(z)H(z-1) Pyy(z)=Pxx(z)H(z)H(z-1) 1.5.3 系统的输入、 输出互相关函数 输入、输出互相关定理： 1.5.4 相关卷积定理 线性系统输出的自相关函数等于输入自相关函数与线性系统单位脉冲响应的自相关函数的卷积，即 或者简单地说, 卷积的相关函数等于相关函数的卷积。 用一般公式表示如下： 如果 e(n)=a(n)*b(n) f(n)=c(n)*d(n) 那么 ref(m)=rac(m) * rbd(m) 例1.5.1 假设系统的输入、输出和单位脉冲响应分别用x(n)、 y(n)和h(n)表示，试求输入、输出互相关函数和输入自相关函数之间的关系。  解： 按照相关卷积定理，得到 x(n)=x(n)*δ(n) y(n)=x(n)*h(n) Rxy(m)=Rxx(m)*Rδh(m) 式中 相应的有： 例1.5.2 按照图1.5.2推导两个系统的输出互相关函数与输入互相关函数之间的关系。 图1.5.2 均值、 方差和均方值均与时间无关： 自相关函数与自协方差函数是时间差的函数: 对于两个各自平稳且联合平稳的随机序列, 其互相关函数为 显然, 对于自相关函数和互相关函数, 下面公式成立: 如果对于所有的m ，满足公式：Rxy(m)=0，则称两个随机序列互为正交。 如果对于所有的m ，满足公式: Cxy (m)=0，则称两个随机序列互不相关。 Rxx(m)是Hermitian对称的 1.2.2 实平稳随机信号相关函数的性质 （1） 自相关函数和