AR模型参数估计、Y-W方程、L-D算法原理部分

一、实验目的

1. 学习建立随机信号的AR模型
2. 理解Yule-Walker方程，掌握Levinson-Durbin递推算法；
3. 掌握FPE、AIC等估计模型阶数。

二、实验内容

1. 编程实现 Levinson- Durbin递推算法。
2. 使用AR模型仿真生成随机信号，求解Yue- Walker方程估计AR模型的参数，并与 MATLAB自带函数 anyue进行比较，检验程序是否正确。
3. 应用FPR、AC等准则估计模型的阶数，并与真实值进行比较。
4. 讨论AR模型阶数及白噪声方差对参数估计的影响。

三、实验原理及方法

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，其含义是认为随机信号x(n) 是由白噪 w(n) 激励某一确定系统的响应，如图一所示。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。

图一 随机信号的参数模型

3.1 AR模型

AR 模型（自回归模型 Auto-regression model）是研究平稳随机信号的一种常用的线性模型。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：

P是系统阶数，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，用AR*p来表示。

3.1.1 AR模型参数估计

随机信号的建模法最近在生物医学信号处理中应用相当普遍，在自发脑电、