[20200620]AR模型的参数估计

为随机信号建立参数模型是研究随机信号的一种基本方法。在对语音信号进行编码时，往往通过分析不同种类语音信号的特点及产生，用数学模型表示信源，而编码器根据输入信号计算模型参数，然后对模型参数进行编码，也就是说，只需要对编码后的参数进行传送（而不需要传送语音信号本身），解码器通过收到的模型参数，直接利用相同的数学模型即可重建出语音信号，大大减小了传送的数据量。

一、AR模型

1.概念

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（自回归）模型、MA（滑动平均）模型和ARMA（自回归滑动平均）模型。

AR模型中，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。
$$x(n)=w(n)-\sum _{k=1}^p{a}_{k}x(n-k)$$

系统函数为
$$H(x)=\frac{1}{1+{\sum }_{k=1}^p{a}_k{z}^{-k}}$$
其中，ppp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 )

2.AR模型参数与自相关函数的关系推导

二、实例

【例1】已知自回归信号模型AR(3)为：
x ( n ) = 14 24 x ( n − 1 ) + 9 24 x ( n −