2024年最全现代数字信号处理总结 上_集总平均和时间平均(1)，面试真题解析

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

---

2.1 随机过程基本概念

实随机过程：离散时间随机过程x (n)的每个样本函数都是实信号，则都是实信号，则x (n)为实离散时间随机过程。

窄带随机过程的正交解调，实际应用中，是对每个样本函数进行正交解调。

离散时间随机过程的数字特征：均值函数、自相关函数、自协方差函数，互相关函数、互协方差函数。

平稳随机过程中自相关函数的性质：原点处自相关函数值最大、自相关函数具有共轭对称性

互相关函数的性质：互相关函数具有共轭对称性、互相关函数的模<=各个平均功率平方根的积。

如果时间均值均方收敛于统计均值，则称该随机过程是均值均方遍历的。

若时间自相关函数均方收敛于自相关函数，则称该随机过程是 相关均方遍历的。

如果平稳随机过程满足均值均方遍历和相关均方遍历，那么称该平稳随机过程为均方遍历（各态历经）的。

平稳随机过程是均方遍历的，则均值和自相关函数可以用时间平均替代集总平均。

随机过程间的独立、正交、相关：独立时条件概率密度独立，期望独立；正交指变量积的期望为0；相关由相关系数表征。

统计独立必然统计不相关，但逆命题一般不成立。
     对于高斯随机变量，统计独立与不相关等价。

2.2 相关矩阵和参数模型

平稳离散时间随机过程的相关矩阵是Hermite矩阵，是Toeplitz矩阵

平稳离散时间随机过程的相关矩阵的特征值非负，利用正交化后所得不同特征值对应的特征向量相互正交。

离散时间平稳随机过程的功率谱密度是实函数。

平稳随机过程的参数模型：根据输入输出求出系统的Z域表达式

参数模型的输出是当前输入和以前P个输出的线性组合，称为自回归模型，简称AR模型

MA模型的输出是当前输入和以前q个输入的线性组合，称为滑动平均模型，简称MA模型

根据LTI系统理论，一个ARMA或AR过程，可以由一个无穷阶MA过程表示。一个有限阶次的ARMA模型也可以用一个阶数足够高的AR模型或MA模型来近似。

随机过程高阶累积量和高阶谱可以互相转换：

高阶累积量可以通过矩-累积量转换公式（M-C）；

高阶矩可以通过累积量-矩转换公式（C-M）。

---

第3章 功率谱估计和信号频率估计方法

怎样利用随机过程u(n)的N个观测数据估计出随机过程的功率谱S (w)？

• 经典功率谱估计
• 参数模型法估计
• 基于相关矩阵特征分解的信号频率估计

3.1 经典功率谱估计方法

BT法（间接法）: 根据N个观测数据，先估计出自相关函数，然后对其进行傅里叶变换

其中，自相关函数的估计性能：均值是渐近无偏估计，方差是渐近一致估计。

周期图法（直接法）：直接通过观察数据的傅里叶变换求得。周期图法的分辨率随着信号长度的增加而提高。（因为时间窗变宽，频域窗变窄，好处是分辨率增大，坏处是不平滑）

改进：Bartlett法（分段无重叠）、Welch法（分段有重叠），目的使其平滑

BT法实际上是对周期图法的平滑，但是平滑和平均往往改善了周期图的方差性能，又降低了分辨率和增加了方差。也就是说，平滑和分辨率是矛盾的。

3.2平稳随机过程的三种参数模型估计

(1)  AR参数模型功率谱估计基本思想是，认为随机过程u (n)就是白噪声通过LTI离散时间系统得到的响应，利用观测样本估计出模型参数，也就得到了功率谱。

AR 模型求解：利用AR模型的正则方程，又称Yule-Walker方程，矩阵求逆得参数（系数）。当然，实际工程中，利用 Levinson– Durbin 迭代算法进行求解。

分析：AR模型谱估计受制于信噪比、初始相位、阶数P。

(2)  q阶MA 模型的正则方程为是一个非线性方程组，求解复杂，因此常用方法是用高阶AR模型来近似MA模型，用AR模型参数估计MA模型参数。

(3)  ARMA模型，首先修正Y-W方程，得到AR参数，进而求MA参数，得到谱估计。

3.3 MVDR信号频率估计方法

思想：选择滤波器权向量w 的原则是：使复正弦信号w1无失真地通过滤波器，而尽量抑制其余频率的信号和噪声。

数学模型：约束条件使期望信号无失真输出，输出平均功率最小来抑制其它信号和噪声。

应用拉格朗日乘子法，构造代价函数，梯度求解。

分析：MVDR谱分辨率随着抽头数 M 的增大而提高。MVDR不是信号的功率谱，而是信号的平均功率。

3.4 基于相关矩阵特征分解的信号频率估计

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

需要这份系统化的资料的朋友，可以添加戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！