现代信号处理-现代谱.ppt

第七章现代谱估计7.2ARMA模型7.3功率谱估计的AR模型法7.1引言7.4AR模型谱估计的性质7.5ARMA模型谱估计7.6特征分解法谱估计

7.1引言1.经典谱估计方法的缺点：根据观察到的N个样本值来估计功率谱，认为在这N个数据以外的数据为零，与实际不符，因而导致了各种缺点。2.现代谱估计方法的根本思想：

7.1引言2.现代谱估计方法的根本思想：对平稳和遍历的随机过程采样得到的数据不仅仅是一个样本，其中包含了数据之间的相关性质通过提取这种相关性质，也就是先利用采样数据建立随机过程的模型，对数据进行外推，进而提高功率谱估计的分辨率。通常称为参数模型法。

7.1引言3.平稳随机信号通过线性系统h(n)

7.1引言平稳白噪声通过线性系统将y(n)看成是白噪声通过一个线性系统的输出，那么只要得到系统的频率响应，就能够计算出y(n)的频谱。

7.1引言4.线性系统H(z)

7.1引言MA〔MovingAverage〕系统：x(n-q-1)x(n-q)x(n-q+1)…x(n-1)x(n)x(n+1)…bq……b1b0bq……b1b0bq……b1b0

7.1引言AR〔AutoRegressive〕系统:ARMA系统:

7.2ARMA模型1.ARMA模型很多随机过程可以由或近似由均值为零、方差为的白噪声序列u(n)经过具有有理传输函数H(z)的ARMA线性系统来得到。称该随机过程为ARMA过程。 A(z)-1B(z)

7.2ARMA模型只要根据采样样本估计出ARMA模型的参数〔ai与bi〕，即可求出2.ARMA模型的分类：p阶AR模型： ，记作AR(p)。q阶MA模型： ，记作MA(q)。普通的ARMA模型： ，记作ARMA(p,q)。

7.2ARMA模型3.ARMA过程与有理式谱密度的关系任意平稳ARMA过程，其功率谱密度有如下形式：假设一平稳过程x(n)的功率谱密度形如：那么x(n)可用ARMA(p,q)模型描述，即

7.2ARMA模型4.ARMA模型的系统特性稳定系统：有限输入有限输出。冲击响应绝对值可和：收敛域包含单位圆：因果系统：0时刻以前的冲激响应为0，系统是物理可实现的。H(z)的收敛域在某个半径的圆外。

7.2ARMA模型4.ARMA模型的系统特性可逆系统：系统的逆系统1/H(z)是因果稳定的，即其零点均在单位圆内。

7.2ARMA模型5.ARMA模型的Wold分解定理任何一个具有有限方差的ARMA或MA过程都可用某一AR(?)过程唯一地描述。任何一个ARMA或AR过程都可用某一MA(?)过程唯一地描述。

7.2ARMA模型5.ARMA模型的Wold分解定理说明：实际应用中，假设模型选择有误，仍可通过使阶数足够大来进行合理近似；AR模型求解简单，可多项选择择AR模型进行估计。

7.2ARMA模型6.ARMA参数与自相关函数之间的关系自相关函数与系统冲激响应的关系 设系统为因果和最小相位系统，那么

7.2ARMA模型自相关函数与ARMA参数的关系

7.2ARMA模型当时，，因此

7.2ARMA模型自相关函数与AR参数的关系 在ARMA模型中，令q=0可得

7.3功率谱估计的AR模型法1.根本概念问题：随机序列x(n)符合AR(p)模型，即： 其中p为未知整数。现有x(0)x(1)…x(N-1)共N个样本，要求估计x(n)的功率谱密度。

7.3功率谱估计的AR模型法1.根本概念问题：估计x(n)的功率谱密度。思路：求模型阶数p；求求u(n)的方差。

7.3功率谱估计的AR模型法2.Yule-Walker方程当阶数p时，利用x(n)的自相关函数与AR模型参数的关系，可建立Y-W方程，解该方程，即可得到AR参数。AR模型的Yule-Walker方程组

7.3功率谱估计的AR模型法令解Y-W方程的Levinson-Durbin递推法请参考“自适应格形滤波器〞的有关内容。

7.3功率谱估计的AR模型法AR模型参数的可辨识性: 矩阵R的秩为p,因此Y-W方程有唯一解。即AR模型的参数可由p个Yule-Walker方程唯一确定。

7.3功率谱估计的AR模型法3.AR模型的阶数p阶数p的影响阶数太低：功率谱受到的平滑太厉害，降低分辨率。阶数太高