作业：随即信号的参数建模法

作业：随机信号的参数建模法

在随机信号的参数模型中，我们认为随机信号x(n)是由白噪声w(n)激励某一确定系统的响应，只要w(n)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。

对于平稳随机信号，主要有三种常用的线性模型：AR（Auto-Regression，自回归）模型、MA（Moving Average，滑动平均）模型和ARMA（Auto-Regression-Moving Average，自回归滑动平均）模型。
MA模型
随机信号x(n)由当前的激励w(n)和若干次过去的激励w(n−k)线性组合产生：

系统函数：

q表示系统阶数。可以看出，MA模型的系统函数只有零点，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：

该模型的系统函数为：
其中，p为系统阶数。
该模型系统函数中只有极点，无零点，也称为全极点模型。系统由于极点的原因，要考虑到系统的稳定性，因而要注意极点的分布位置。可表示为AR（p）
ARMA模型
是AR模型和MA模型的结合：

其系统函数为

可以看出，它既有零点又有极点，所以也称极零点模型，要考虑极零点的分布位置，保证系统的稳定。可表示为ARMR（p，q）
AR模型的参数估计
以上三种模型实际上都可以进行相互转换，实际中选用哪一种模型就要考虑到节约和计算量，剩下的任务就是用适当的算法估计模型参数 （ak，bk，p，q）以便用模型对随机信号进行预测。
实际应用中，使用较多的是AR模型，下面我们对AR模型进行参数估计，其它两种模型可以进行类比计算。
AR模型参数与自相关函数的关系
推导过程

例题

解：

对应的MATLAB程序及结果为：

将前4个相关序列值代入矩阵求得估计值：
a1=−0.6984, a2=−0.2748, a3=0.0915, a4=0.4678
与真实AR模型参数误差为：e1=0.1151, e2=0.1002, e3=0.0498