AR模型参数的估计

一、随机信号的参数建模法

随机信号的参数建模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。

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。
这里我们选定 AR 模型，用适当的算法估计模型参数$(a_k,b_k,p,q)$，以便用模型对随机信号进行预测。

二、AR模型参数和自相关函数的关系

由上图参数模型及系统函数得到：$$x(n)=w(n)-\sum _{k=1}^p{a}_{k}x(n-k)$$

两边同时乘以 $x(n-m)$ 并求均值，得：$$E[x(n)x(n-m)]=E\left[w(n)x(n-m)-\sum _{k=1}^p{a}_{k}x(n-k)x(n-m)\right]$$

根据自相关函数的偶对称特性，可进一步化简为：$$R_{xx}(m)=R_{xw}(m)-\sum _{k=1}^p{a}_k{R}_{xx}(m-k)$$

根据$$x(n)=w(n)\ast h(n)=\sum _{k=0}^{\infty }h(k)w(n-k)$$

有：$$\begin{array}{rl}{R}_{xw}(m)& =E[x(n)w(n+m)]\\ & =E\left[\sum _{k=0}^{\infty }h(k)w(n-k)w(n+m)\right]\\ & =\sum _{k=0}^{\infty }h(k)E[w(n-k)w(n+m)]\\ & =\sum _{k=0}^{\infty }h(k)R_{ww}(m+k)\\ & =\sum _{k=0}^{\infty }h(k){\sigma }_w^2\delta (m+k)\\ & ={\sigma }_w^{2}h(-m)\end{array}$$

由于系统的单位脉冲响应 $h(n)$ 因果，故$$R_{xw}(m)=\{\begin{array}{cc}{\sigma }_w^{2}h(-m)& ,m\le 0\\ 0& ,m>0\end{array}$$

带入得：$$R_{xx}(m)=\{\begin{array}{l}{R}^{}\end{array}$$