随机信号的参数估计（AR模型）

随机信号的参数估计（AR模型）

201710413068
利满雯
17广电工方向三
一、AR模型简介
自回归模型（简称AR模型），是统计上一种处理时间序列的方法，用同一变数例如x的之前各期，亦即x1至xt-1来预测本期xt的表现，并假设它们为一线性关系。因为这是从回归分析中的线性回归发展而来，只是不用x预测y，而是用x预测 x（自己），所以叫做自回归。
二、定义

其中： c是常数项；εt 被假设为平均数等于0，标准差等于σ随机误差值，σ被假设为对于任何的t都不变。
文字叙述为：X的当期值等于一个或数个落后期的线性组合，加常数项，加随机误差。
三、优点与限制
自回归方法的优点是所需资料不多，可用自身变数数列来进行预测。
但是这种方法受到一定的限制：必须具有自相关，自相关系数（ φi ）是关键。如果自相关系数®小于0.5，则不宜采用，否则预测结果极不准确。
自回归只能适用于预测与自身前期相关的经济现象，即受自身历史因素影响较大的经济现象，如矿的开采量，各种自然资源产量等；对于受社会因素影响较大的经济现象，不宜采用自回归，而应改采可纳入其他变数的向量自回归模型。
四、AR模型和自相关函数的推导

举例说明
已知自回归模型为

W(n）是具有方差为1的平稳白噪声，求



C.

x_n = [0.4282 1.1454 1.5597 1.8994 1.6854 2.3075 2.4679 1.9790 1.6063 1.2804 -0.2083 0.0577 0.0206 0.3572 1.6572 0.7488 1.6666 1.9830 2.6914 1.2521 1.8691 1.6855 0.6242 0.1763 1.3490 0.6955 1.2941 1.0475 0.4319