本文目标:分析AR模型并求解AR模型的输出x(n)的功率谱。
1. AR模型概念观
数字信号处理功率谱估计方法分经典功率谱估计和现代功率谱估计,现代功率谱估计以参数模型功率谱估计为代表,参数功率谱模型如下:
u(n)——> H(z) ——>x(n)
参数模型的基本思路是:
—— 参数模型假设研究过程是由一个输入序列u(n)激励一个线性系统H(z)的输出。
—— 由假设参数模型的输出x(n)或其自相关函数来估计H(z)的参数
—— 由H(z)的参数估计x(n)的功率谱
因此,参数模型功率谱的求解有两步:
(1)H(z)模型参数估计
(2)依据模型参数求功率谱
AR模型(自回归模型,Auto Regression Model)是典型的现代参数功模型。其定义为
其中,输入设定为方差为的白噪声序列,ak是模型的参数,p是模型的阶数,Px为x(n)功率谱,也即本文要求解的目标。
AR模型是一个全极点模型,“自回归”的含义是:现在的输出是现在的输入和过去p个输出的加权和。
现在我们希望建立AR参数模型和x(n)的自相关函数的关系,也即AR模型的正则方程:
上面的正则方程也称Yule-Walker方程,其中的rx为自相关函数。由方程可以看出,一个p阶的AR模型有p+1个参数()。
通过推导可以发现,AR模型与线性预测器是等价的,AR模型是在最方意义上对数据的拟合。
2. AR模型参数求解——Levinson-Durbin Algorithm
定义我们定义初始时,则
由PART1中矩阵的对称性质,将上面的公式推广到高阶AR模型,可以推导出Levinson-Durbin递推算法:
Levinson-Durbin递推算法从低阶开始递推,,给出了每一阶次时所有参数,。这一特点有利于我们选择合适的AR模型阶次。
因为必须大于0,由式
知
,如果
,递推应该停止。
到此,选择最佳阶次的参数代入到中,求得功率谱。
3. matlab实现
matlab工具箱中提供了现成的函数实现AR模型功率谱计算。参考 [1],我们将内容摘录如下: