本文介绍了随机信号的参数建模，重点讨论了AR（自回归）和MA（滑动平均）模型。AR模型是自回归滑移平均模型的基础，其参数可以通过自相关函数进行估计。文章通过例子展示了AR模型参数的计算过程，并指出观测数据的限制可能影响参数估计的精度。
一、基本介绍
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。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。
对平稳随机信号，三种常用的线性模型分别是 AR 模型（自回归模型 Auto-regression model），MA 模型（滑动平均模型 Moving average model）和 ARMA 模型（自回归滑移平均模型 Auto-regression-Moving average model）。
二、三种参数模型
1.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
q 表示系统阶数，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
2.AR模型
ARMA 是 AR 与 MA 模型的结合&#x
最低0.47元/天 解锁文章
289
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
