67、线性时不变系统的参数估计与建模

线性时不变系统的参数估计与建模

1. 信号的参数估计基础

在信号处理中，我们常常会遇到用一个常数来估计随机信号的情况。此时，我们的目标是最小化均方误差（MSE），而非之前的累积平方误差。均方误差的表达式为：
[
E_{MS} = E\left{ \left[ x[n] - \hat{x}[n] \right]^2 \right} = E\left{ \left( x[n] - c \right)^2 \right}
]
这里，我们要找到一个常数 ( c ) 来代表感兴趣区域内的信号。若信号 ( x[n] ) 是平稳的，我们可以通过对参数 ( c ) 求导来解决这个估计问题：
[
\frac{\partial E_{MS}}{\partial c} = -E \left{ 2 \left( x[n] - c \right) \right}
]
令上式等于 0，可得：
[
0 = -2E \left{ x[n] \right} + 2c
]
解得：
[
c = m_x
]
这表明，对于一个宽平稳（WSS）随机信号，最小均方误差（MMSE）的常数估计就是该信号的均值。

2. 线性时不变（LTI）系统的参数模型

在信号处理领域，参数估计常用于对生成或作用于感兴趣信号的系统进行建模。我们从 LTI 系统开始研究参数系统模型，因为 LTI 系统在数学上易于处理，并且能代表许多实际系统，如电子电路、平稳环境中的声学传播以及数字信号处理滤波器等。此外，LTI 系统常是更复杂的非线性和时变系统的良好小规模或短期近似。