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