信号处理(二):离散随机信号、估计与平稳随机过程的线性模型
对应信号处理(二)(三):随机序列的数字特征与平稳、各态历经,自相关矩阵与功率谱,随机信号通过线性系统,估计与最大似然估计;AR、MA、ARMA 模型的参数与自相关、谱的关系,谱分解,谐波模型。
本节导读
这一节对应信号处理的「(二)离散时间随机信号和估计理论基础」与「(三)平稳随机过程的线性模型」(大纲标题中「平稳」与「过程」两词直接相连,本课写作「平稳随机过程」)。(二)有四条:
- 离散随机信号的主要数字特征:均值、自相关、自协方差、高阶统计量。平稳性、广义平稳、各态历经的概念,时间平均和集合平均。几种常见随机分布。
- 广义平稳信号的自相关序列的性质、互相关的定义、随机信号矢量、自相关矩阵、自相关矩阵的性质,功率谱密度(PSD)、互谱密度。
- 随机信号通过线性系统:输入输出信号的互相关、输出信号的自相关,输出功率谱密度。常用的基本过程:白噪声过程和谐波过程的自相关和功率谱。
- 估计的基本概念、常用数字特征量(如均值、方差、自相关序列)的估计、最大似然估计。
(三)有四条:
- 线性非参数模型;
- 线性参数模型:自回归(AR)模型(全极点模型)、动均(MA)模型(全零点模型)、自回归动均(ARMA)模型(零极点模型);「动均」即滑动平均;
- 上述三种模型间模型参数的转换关系。模型参数与自相关序列的关系、模型参数与谱的关系。谱分解和最小相位特性;
- 谐波模型,谐波模型的自相关阵及其特征分解。
学完要做到:会算自相关、自相关矩阵和功率谱;会求随机信号通过线性系统后的相关函数与谱;会算自相关的估计;会由 AR、MA 模型参数求自相关和谱,会做简单的谱分解。
记号:E[⋅] 为数学期望,上标 ∗ 为共轭,H 为共轭转置;w(n) 为白噪声,方差 σ2(注意 w 与数字频率 ω 不是同一个字母);rx(m)=E[x(n+m)x∗(n)];Px(ω) 为功率谱密度。
数字特征、平稳与各态历经
对随机序列 x(n):均值 mx(n)=E[x(n)];自相关 rx(n1,n2)=E[x(n1)x∗(n2)];自协方差 cx(n1,n2)=rx(n1,n2)−mx(n1)mx∗(n2)。三阶及以上的矩和累积量叫高阶统计量。高斯序列三阶以上的累积量全为零,统计特性完全由均值和自相关决定,所以高阶统计量主要用来处理非高斯信号。
- 严平稳:任意阶的统计特性都不随时间平移而改变。
- 广义平稳(宽平稳):均值为常数,自相关只与时间差有关,记为 rx(m)。
- 集合平均:在同一时刻对所有样本序列求平均,就是数学期望;时间平均:沿一条样本序列对时间求平均,例如 ⟨x⟩=N→∞lim2N+11∑n=−NNx(n)。
- 各态历经:时间平均以概率 1 等于集合平均。实际处理中常默认信号平稳且各态历经,于是由一次记录就能估计均值和自相关。
几种常见随机分布:
| 分布 | 概率密度 | 信号处理里的典型来源 |
|---|---|---|
| 均匀分布 | b−a1,a≤x≤b | 量化误差、谐波过程的随机相位 |
| 高斯分布 | 2πσ1e−(x−μ)2/(2σ2) | 热噪声、大量独立因素叠加 |
| 瑞利分布 | σ2xe−x2/(2σ2),x≥0 | 窄带高斯噪声的包络 |
| 指数分布 | λe−λx,x≥0 | 窄带高斯噪声包络的平方 |
自相关、自相关矩阵与功率谱
广义平稳信号自相关序列的性质:rx(0)=E[∣x(n)∣2] 是平均功率;共轭对称 rx(−m)=rx∗(m),实序列时为偶函数;∣rx(m)∣≤rx(0);不含周期分量时,m→∞ 时 rx(m)→∣mx∣2。互相关定义为 rxy(m)=E[x(n+m)y∗(n)],满足 rxy(−m)=ryx∗(m)。
随机信号矢量 x(n)=[x(n),x(n−1),⋯,x(n−M+1)]T,它的自相关矩阵
R=E[x(n)xH(n)]第 i 行第 j 列的元素是 rx(j−i)。自相关矩阵的性质:共轭对称(RH=R);Toeplitz 阵(每条对角线上的元素相同);非负定,特征值都是非负实数;不同特征值的特征向量相互正交。
功率谱密度是自相关序列的 DTFT(维纳—辛钦定理):
Px(ω)=m=−∞∑∞rx(m)e−jωm它是非负实函数,在一个周期上积分再除以 2π 等于 rx(0)。互谱密度 Pxy(ω) 是 rxy(m) 的 DTFT,一般是复数。
随机信号通过线性系统
广义平稳的 x(n) 通过冲激响应为 h(n) 的 LTI 系统,输出 y(n) 也是广义平稳的:
ryx(m)ry(m)Py(ω)=h(m)∗rx(m)=h(m)∗h∗(−m)∗rx(m)=∣H(ejω)∣2Px(ω)互谱 Pyx(ω)=H(ejω)Px(ω)。输入是白噪声时把 rx(m)=σ2δ(m) 代进第一式,就得到互相关与冲激响应的关系,可以用来辨识系统。
| 常用的基本过程 | 自相关 | 功率谱 |
|---|---|---|
| 白噪声(方差 σ2) | σ2δ(m) | 常数 σ2,平坦 |
| 谐波过程 Acos(ω0n+φ),φ 均匀分布 | 2A2cos(ω0m) | ±ω0 处两根谱线,强度各 πA2/2 |
估计的基本概念
估计量 θ^ 是观测数据的函数,本身是随机变量。评价它看偏差 E[θ^]−θ(为零叫无偏)、方差和均方误差(方差加偏差的平方);样本数 N→∞ 时收敛到真值叫一致估计。
常用数字特征量的估计(N 个样本):均值用样本均值,无偏,独立样本时方差为 σ2/N;方差用 N1∑(x(n)−m^)2 时有偏,改除以 N−1 才无偏;自相关序列(0≤m≤N−1)常用
r^(m)=N1n=0∑N−1−mx(n+m)x∗(n)本节后面还有约 2930 字:报名学员看全文
每门课前 10 节免费看全文;从第 11 节起,完整教程要报名后由顾问在后台为你的账号开通才能看。
题库账号可以直接登录,但第 11 节起的完整教程要报名后由后台开通才能看。
学完练一练
按本节考点从本课的课后练习里抽题(每次 10 道以内),做完看解析、错题自动进错题本。第 11 节起的课后练习报名学员才能练。
本节内容由 AI 辅助编写,配图由 AI 生成,仅供备考参考;考试要求以《全国各类成人高等学校招生考试大纲(2024 年版)》及浙江省教育考试院当年公布为准。