Adaptive Filter Learning Notes 自适应滤波学习笔记02 随机过程模型

这是一个学习笔记系列。为督促自己看书，尽量更新。但同时也在学其他东西，也不知道能不能实现。少玩耍，多读书。

应该会慢慢改进，会慢慢补充每一个部分的笔记。

Stochastic Progress and Models

三个常见线性随机模型

本节出现的定义高斯白噪声(white Guassian noise)，自回归模型(Autoregressive Models)，过程分析器(process analyzer)，全零点滤波器(all-zero filter)，过程产生器(process generator)，全极点滤波器(all-pole filter)，滑动平均模型(Moving-Average Models)，自回归滑动平均模型(Autoregressive-Moving-Average Models)

高斯白噪声(white Guassian noise) $\mathbb{E}[\nu (n)]=0,\forall n,\mathbb{E}[\nu (n)\nu (k)]=\{\begin{array}{ll}{\sigma }_{\nu }^2,& k=n\\ 0,& \text{otherwise}\end{array}$
输入为$\nu (n)$，输出为$u(n)$。

滤波部分为$$\begin{gathered} \left(\text{模型当前输出值}\right)+\left(\text{模型之前输出值的线性组合}\right) \\ =\left(\text{模型之前输入值及当前输入值的线性组合}\right) \end{gathered}$$

自回归模型(Autoregressive Models)

$$u(n)+a_1^{\ast }u(n-1)+\cdots +a_M^{\ast }u(n-M)=\nu (n)$$
{ a i } \{a_i\} { ai​}是常数，为自回归参数(AR parameters)，KaTeX parse error: Undefined control sequence: \nv at position 1: \̲n̲v̲为白噪声，此自回归模型的阶为$M$