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，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。

平稳随机信号，三种常用的线性模型分别是MA模型（滑动平均模型Moving average model），AR模型（自回归模型Auto-regression model）和ARMA模型（自回归滑移平均模型Auto-regression-Moving average model）。

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：

该模型的系统函数是:

该系统函数只有零点，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。

ARMA 模型

ARMA 是 AR 与 MA 模型的结合：

该模型的系统函数是：

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， 用 ARMR（ p ，q）表示。

AR 模型参数和自相关函数的关系

根据老师给出的文档，先求均值，利用自相关函数的对称性，可以得到

又因为h(n)是因果的，所以可以得到


最后带入式子，整理可得

例题

已知自回归信号模型 AR（3）为
分析题目可得

clear all;
close all;

a = [-14/24,-9/24,1/24];
A = [ 1, a(1), a