Adaptive Filter Learning Notes 自适应滤波学习笔记03 自回归模型

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。
IT的应用里面当然会用滤波知识啦
应该会慢慢改进，会慢慢补充每一个部分的笔记。

Stochastic Progress and Models

渐近平稳自适应模型

回顾一下$M$阶自适应模型$$u(n)+a_1^{\ast }u(n-1)+\cdots +a_M^{\ast }u(n-M)=\nu (n).$$该系统的解可以表示为补充函数(complementary function)$u_c(n)$和特解(particular solution)$u_p(n)$的和，即$u(n)=u_c(n)+u_p(n)$。

1. $u_c(n)$是齐次方程(homogeneous equation)$u(n)+a_1^{\ast }u(n-1)+\cdots +a_M^{\ast }u(n-M)=0$的解。一般地，$u_c(n)=B_1{p}_1^n+B_2{p}_2^n+\cdots +B_M{p}_M^n$，$B_1,B_2,\dots ,B_M$是任意常数，$p_1,p_2,\dots ,p_M$是 1 + a 1 ∗ z − 1 + a 2 ∗ z − 2 + ⋯ + a M ∗ z − M = 0 1+a_1^*z^{-1}+a_2^*z^{-2}+\dots+a_M^*z^{-M}=0 1+a1∗​z