本文介绍了随机信号的参数建模方法，重点讨论了三种常用的线性模型：AR（自回归模型）、MA（滑动平均模型）和ARMA（自回归滑移平均模型）。AR模型通过过去的信号值预测未来，MA模型则考虑当前及过去的激励值，而ARMA模型是两者的结合。文中还探讨了AR模型参数与自相关函数的关系，并通过MATLAB代码展示了参数估计的过程及其误差分析。
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。
对平稳随机信号，三种常用的线性模型分别是 AR 模型（自回归模型），MA 模型（滑动平均模型 ）和 ARMA 模型（自回归滑移平均模型 ）。
MA模型
随机信号 由当前的激励x(n)和若干次过去的激励w(n-k)线性组合产生：
该模型的系统函数是：
q 表示系统阶数，系统函数只有零点，没有极点，所以该系统一定是稳定的系统，也称为全
零点模型，用 MA（ q ）来表示。
AR模型
随机信号x(n)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ÿ
最低0.47元/天 解锁文章
294
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
