杭州紫金港培训学校(紫金港专升本)杭州紫金港培训学校(紫金港专升本)
同等学力申硕信息与通信工程学科综合考前辅导第二门 信号处理(选考)第 11 节 / 共 32 节约 30 分钟报名学员看全文

信号处理(三):平稳随机过程的线性模型

对应信号处理(三):线性非参数模型与沃尔德分解,AR(全极点)、MA(全零点)、ARMA(零极点)模型,三种模型参数的相互转换,模型参数与自相关序列、与功率谱的关系,谱分解与最小相位特性,谐波模型的自相关阵及其特征分解。

本节考点:线性非参数模型AR、MA、ARMA 模型模型参数与自相关模型参数与谱谱分解与最小相位谐波模型

本节导读

这一节对应信号处理「(三)」四条(大纲标题中「平稳」与「过程」两词直接相连,本课写作「平稳随机过程的线性模型」):

  1. 线性非参数模型
  2. 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)。
  3. 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。
  4. 谐波模型,谐波模型的自相关阵及其特征分解。

大纲的「动均」就是现在常说的「滑动平均」。学完要做到:会由模型参数求自相关和功率谱,会由自相关解尤尔—沃克方程求 AR 参数;会在 AR、MA、ARMA 之间换算;说清谱分解为什么取最小相位因子;会写谐波模型的自相关阵并说明它的特征分解。

本节记号:白噪声 w(n)w(n)w(n),方差 σ2\sigma^2σ2;A(z)=1+∑k=1pakz−kA(z)=1+\sum_{k=1}^{p}a_kz^{-k}A(z)=1+∑k=1p​ak​z−k,B(z)=1+∑k=1qbkz−kB(z)=1+\sum_{k=1}^{q}b_kz^{-k}B(z)=1+∑k=1q​bk​z−k。注意符号约定与第 8 节不同:这里 AR 模型写成 x(n)=−∑akx(n−k)+w(n)x(n)=-\sum a_kx(n-k)+w(n)x(n)=−∑ak​x(n−k)+w(n),所以 ak=−φka_k=-\varphi_kak​=−φk​。

线性非参数模型

沃尔德分解:任一广义平稳序列都可以分成互不相关的两部分之和——一部分能由它自己过去的值无误差地预测(确定性部分),另一部分是白噪声通过一个因果、稳定的系统得到的

x(n)=∑k=0∞h(k)w(n−k),h(0)=1x(n)=\sum_{k=0}^{\infty}h(k)w(n-k),\quad h(0)=1x(n)=k=0∑∞​h(k)w(n−k),h(0)=1

这就是线性非参数模型:用无穷多个冲激响应值描述,不预设有限个参数。它说明「白噪声 + 线性系统」可以生成任何正则的平稳随机序列,参数模型就是用有理传递函数 H(z)=B(z)/A(z)H(z)=B(z)/A(z)H(z)=B(z)/A(z) 去近似这个 h(k)h(k)h(k)。

AR、MA、ARMA 三种参数模型

模型差分方程传递函数特点
AR(ppp)x(n)=−∑k=1pakx(n−k)+w(n)x(n)=-\sum_{k=1}^{p}a_kx(n-k)+w(n)x(n)=−∑k=1p​ak​x(n−k)+w(n)1A(z)\dfrac{1}{A(z)}A(z)1​,全极点谱峰尖锐,参数由线性方程求
MA(qqq)x(n)=w(n)+∑k=1qbkw(n−k)x(n)=w(n)+\sum_{k=1}^{q}b_kw(n-k)x(n)=w(n)+∑k=1q​bk​w(n−k)B(z)B(z)B(z),全零点谱谷深,自相关 qqq 步后截尾
ARMA(p,qp,qp,q)两边都有B(z)A(z)\dfrac{B(z)}{A(z)}A(z)B(z)​,零极点用最少的参数同时表现峰和谷

AR 模型平稳要求 A(z)A(z)A(z) 的根(极点)都在单位圆内;MA 模型总是平稳的,可逆(能写成 AR(∞))要求 B(z)B(z)B(z) 的根在单位圆内。

三种模型的换算:平稳的 AR(ppp)可写成 MA(∞),1A(z)\dfrac{1}{A(z)}A(z)1​ 展开成幂级数即可;可逆的 MA(qqq)可写成 AR(∞);ARMA 的冲激响应可由差分方程递推出来。由此也说明:任何一种模型都可以用另一种无穷阶模型逼近,选哪种看用哪种参数最省。

模型参数与自相关序列

AR:在差分方程两边乘 x(n−m)x(n-m)x(n−m) 取期望,得尤尔—沃克方程

r(m)={−∑k=1pakr(m−k),m≥1−∑k=1pakr(k)+σ2,m=0r(m)=\begin{cases}-\sum_{k=1}^{p}a_kr(m-k),&m\ge 1\\[1mm]-\sum_{k=1}^{p}a_kr(k)+\sigma^2,&m=0\end{cases}r(m)={−∑k=1p​ak​r(m−k),−∑k=1p​ak​r(k)+σ2,​m≥1m=0​

已知 r(0),⋯ ,r(p)r(0),\cdots,r(p)r(0),⋯,r(p) 就能解出 a1,⋯ ,apa_1,\cdots,a_pa1​,⋯,ap​ 和 σ2\sigma^2σ2;反过来,自相关会按差分方程无限延伸下去(拖尾)。

MA:r(m)=σ2∑kbkbk+∣m∣r(m)=\sigma^2\sum_kb_kb_{k+\lvert m\rvert}r(m)=σ2∑k​bk​bk+∣m∣​(b0=1b_0=1b0​=1),∣m∣>q\lvert m\rvert\gt q∣m∣>q 时为零(截尾)。由自相关求 MA 参数是非线性方程,一般借助谱分解。

模型参数与谱;谱分解和最小相位特性

模型的功率谱直接由参数写出:

Sx(ω)=σ2∣B(ejω)∣2∣A(ejω)∣2S_x(\omega)=\sigma^2\frac{\lvert B(e^{j\omega})\rvert^2}{\lvert A(e^{j\omega})\rvert^2}Sx​(ω)=σ2∣A(ejω)∣2∣B(ejω)∣2​

极点靠近单位圆的方向上出现谱峰,零点靠近单位圆的方向上出现谱谷。

谱分解:有理谱 S(z)S(z)S(z) 可以写成 σ2H(z)H(z−1)\sigma^2H(z)H(z^{-1})σ2H(z)H(z−1),S(z)S(z)S(z) 的零点、极点成对出现(z0z_0z0​ 与 1/z0∗1/z_0^*1/z0∗​)。从每一对中取单位圆内的那个组成 H(z)H(z)H(z),得到的是最小相位因子:它因果稳定、逆系统也因果稳定,并且在 h(0)=1h(0)=1h(0)=1 的约定下唯一。于是白噪声通过 H(z)H(z)H(z) 能生成 x(n)x(n)x(n),x(n)x(n)x(n) 通过 1/H(z)1/H(z)1/H(z) 又能还原出白噪声(白化),这正是线性预测的基础。

本节后面还有约 1716 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。

我要提问免费报名咨询