期末复习自用
1.平稳随机信号:如果随机信号的平均功率存在,且均值为常数,自相关函数与起始时间无关,只与时间间隔有关,则称该随机信号为广义平稳随机信号。(2022、2021)
2.平稳随机信号的功率谱:(1)随机过程在频域上分布,表示功率随频率的变化特性 (2)平稳随机信号的自相关函数的傅里叶变换。(2022)
3.新息:(1)将某个信号正交投影到某个空间所产生的误差(2)线性预测在最小均方误差意义下的预测误差,它包含了存在于当前观测样本中新的信息即新息。(2022、2021、2019)
4.累积量:在概率论和统计学中,一个随机变量的累积量是指一系列能够提供和矩阵一样的信息的量。累积量和随机变量的矩阵密切相关。如果两个随机变量的各阶矩阵都一样,那么它们的累积量也都一样,反之亦然。(2021)
5.稳定系统:指输入有界输出必有界的系统。对线性时不变系统,当且仅当系统的单位脉冲响应h(n)绝对可和时,系统稳定。
6.最小相位序列/系统:序列x(n)的Z变换的所有零点和极点都在单位圆内的序列,能量集中在初始阶段,具有最小时延。(2021)
7.最大相位序列:序列x(n)的Z变换的所有零点和极点都在单位圆外的序列,能量集中在尾部,具有最大时延。
8.信号白化:随机信号通过线性时不变系统输出白噪声的过程。
9.线性预测:考虑一M抽头横向滤波器,滤波器各结点的输入数据为u(n-1), u(n-2),…, u(n-M),期望响应信号为d(n)=u(n),即用u(n-1), u(n-2),…, u(n-M)来预测u(n),称为M阶(一步)线性预测,简记为LP(M)。(2022、2021)
10.白化滤波器:考虑一M抽头横向滤波器,滤波器各结点的输入数据为u(n-1), u(n-2),…, u(n-M),期望响应信号为d(n)=u(n),即用u(n-1), u(n-2),…, u(n-M)来预测u(n),称为M阶(一步)线性预测,简记为LP(M)。线性预测LP(M)实际上是将一个AR(M)过程u(n)通过滤波器变成白噪声的过程,因此线性预测其通常也被称为白化滤波器。(2022、2021)
11.维纳滤波:假定横向滤波器的输入和期望相应均为广义平稳随机过程,且已知其二阶统计特性,依据最小均方误差准则,求得最优滤波器的参数。(2022、2021)
12.卡尔曼滤波:不用横向滤波器对观测数据进行滤波,而是将观测数据看成是某个用状态变量方程描述的系统的输出,通过引入新息过程的概念,采用迭代的方法直接利用观测数据进行运算,可得到原系统状态向量的估计。目的是利用各时刻的观测向量集合对状态向量x(n)进行估计。
13.自适应滤波器(自适应滤波):滤波器的工作参数随输入信号的统计特性的变化而自适应调整,使滤波器一直工作在最优状态,这种滤波方式称为自适应滤波。
14.同态滤波器:如果系统输入与输出看成矢量空间中的矢量,运算规则□和○看成标量和矢量加法,△和◇看成标量和矢量乘法,那么以输入矢量空间到输出矢量空间中的一种线性变换且遵从广义叠加原理的系统叫做同态滤波器(也叫同态系统)。(2022)
15.自适应学习曲线:在自适应调整权系数过程中,反应均方误差随迭代次数n变化的曲线。
16.AR模型谱估计:(1)认为一个随机信号要进行功率谱估计,白噪声通过线性时不变系统产生;(2)线性时不变系统是全极点(AR模型)。(2022、2021)
17.MA模型谱估计:(1)线性时不变系统是全零点(MA模型);(2)等效于经典功率谱估计中的BT法(p97)
18.白噪声:(1)指功率谱密度在整个频域内是常数的噪声;(2)所有频率具有相同能量密度的随机噪声称为白噪声。
19.高斯白噪声:若一个噪声,它的瞬时值服从高斯分布,而它的功率谱密度又是均匀分布的,则称它为高斯白噪声。(2021)
20.权矢量噪声:权矢量噪声是梯度噪声在稳态权矢量中引起的噪声。