本文介绍了随机信号的参数建模方法，特别是AR模型，用于表示随机信号由过去值和当前激励值的线性组合产生。讨论了AR模型的参数估计，包括与自相关函数的关系、L-D算法、Burg算法和Marple算法，并阐述了AR模型阶数选择的重要性，提供了基于最终预测误差（FPE）的准则。文章还给出了MATLAB代码示例，演示了AR模型参数的估计过程。
一、AR模型
为随机信号建立参数模型是研究随机信号的一种基本方法，其含义是认为随机信号x(n)是由白噪w(n)激励某一确定系统的响应。只要白噪的参数确定了，研究随机信号就可以转化成研究产生随机信号的系统。
随机信号由本身的若干次过去值x(n-k)和当前的激励值w(n)线性组合产生：
该模型的系统函数是：
p表示系统阶数，系统函数只有极点，无零点，也称为全极点模型，系统由于极点的原因，要考虑到系统的稳定性，因而要注意极点的分布位置，用 AR§来表示。
二、AR模型的参数估计
（一）AR模型参数和自相关函数的关系
1.推导过程
2.举例说明
已知自回归信号模型 AR（3）为：
（二）Y-W方程的解法——L-D算法
1.L-D算法
2.MATLAB代码实现
xn = [0.4282 1.1454 1.5597 1.8994 1.6854 2.3075 2.4679 1.9790 1.6063 1.2804 -0.2083 0.0577 0.0206 0.3572 1.6572 0.7488 1.6666 1.9830 2.6914 1.2521 1.8691 1.6855 0.6242 0.1763 1.3490 0.6955 1.2941 1.0475 0.4319 0.0312 0.5802 -
最低0.47元/天 解锁文章
196
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
