[利用协方差法估计AR模型参数.docx

随机信号分析基础大作业利用协方差法估计AR模型参数进而估计功率谱严 奎（学号：3222008008）陈 韬（学号：3222008022）朱燕豪（学号：3222008021）2011年01月15日作业综述：本作业中采用面向对象的程序设计方法，将用到的子程序封装在一个类中，防止其他函数的干扰，具有良好的信息内聚性。类中定义的有获得（0,1）分布随机数的函数uniform()，产生高斯分布随机数的函数gauss()，产生自回归滑动平均模型ARMA（p,q）数据的函数arma()，用乔布斯基（Cholesky）算法求解对称正定方程组的函数cholesky（），计算ARMA模型的功率谱密度的函数psd（），用协方差方法估计AR模型参数，进而实现功率谱估计的函数covar（）。采用的编程工具是VC++6.0以及VS2010，用MATLAB对生成的数据进行画图。一．题目要求给定一段信号数据及采样率，利用现代谱估计理论编程估计信号的功率谱。二．基本原理及方法现代谱估计是通过观测数据估计参数模型再按照求参数模型输出功率的方法估计信号功率谱，主要是针对经典谱估计的分辨率低和方差性能不好等问题提出的，应用最广的是AR参数模型。现代谱估计的参数模型有自回归滑动平均（ARMA）模型、自回归（AR）模型、滑动平均（MA）模型，Wold分解定理阐明了三者之间的关系：任何有限方差的ARMA或MA模型的平稳随机过程可以用无限阶的AR模型表示，任何有限方差的ARMA或MA模型的平稳随机过程可以用无限阶的AR模型表示。但是由于只有AR模型参数估计是一组线性方程，而实际的物理系统往往是全极点系统，因而AR应用最广。我们用协方差法估计AR模型参数，进而实现功率谱估计。若已知平稳随机序列x（n）的AR模型为其中a（i）是AR系数，w(n)是均值为零，均方差为σ的白噪声。计算协方差用乔布斯基算法解对称正定方程组N阶对称正定方程组的矩阵形式为AX=B，即矩阵A的乔布斯基分解这里D是主对角元素都为正实数的对角阵，即D=diag(d1,d2,…,dn)，L为主对角元素是1的下三角矩阵。用乔布斯基算法解对称正定方程组的方法是，先用回代法求解方程组LY=B，得到Y之后，再用回代法求解方程3.计算激励白噪声的方差4．用AR模型参数的估计值，可以计算功率谱密度三．算法设计与实现1．程序流程图采用协方差的方法进行功率谱估计。如下图所示开始输入有限序列AR模型系数根据噪声均值、方差产生自高斯白噪声产生自回归滑动平均模型ARMA（p,q）模型的数据用协方差法估计无限序列AR模型参数计算AR模型系数功率谱密度根据已存储的数据用Matlab做图结束图1算法流程图12.主要模块的设计：产生随机序列的函数uniform（），采用线性同余法由种子seed产生随机数。产生高斯白噪声的函数gauss（），gauss(double mean,double sigma,long int * s){int i;double x,y;for(x=0,i=0;i12;i++)x+=uniform(0.0,1.0,s); x=x-6.0; y=mean+x*sigma;return(y);}ARMA模型数据的生成函数为arma（）略乔里斯基算法解对称正定方程组的函数cholesky（）略由协方差函数covar（）求AR参数；再根据AR参数求出功率谱的函数psd()略；最终用MATLAB的画图工具给出直观的功率谱图形，四．结果分析输入平稳随机序列x（n）的AR模型为其中1，-2.76,3.809,-2.654,0.924为AR系数，根据要求产生W(n)是均值为零，方差为1的白噪声。根据均匀分布产生（0,1）分布的随机序列，再由均值和方差生成高斯白噪声如下图所示：由图可知产生的随机序列近似于高斯分布，符合题目要求。由白噪声求自回归滑动平均模型ARMA（p,q）模型的数据，用协方差法估计AR模型参数，结果为：a(0)= 1.0000000a(1)=—2.7310949a(2)= 3.7478402a(3)=—2.5951549a(4)= 0.9022404可以看出估计出的AR模型参数与原AR模型系数基本接近，但是不相等，这是因为现代谱估计是由有限长序列估计无限长的随机序列AR模型参数，但是结果基本接近。其中预测误差功率是Pe=1.0995336，与原方差1较接近。计算AR模型系数功率谱密度根据已存储在covar1.dat的数据，用Matlab做图在归一化频率的基础上做的功率谱五．任务分工三人合作进行了前期的资料查找，阅读文献，确定现代谱估计，分析算法。严奎（学号：3222008008）完成了程序调试，绘图。陈韬（学号：3222008022）完成答辩PPT的制作，以及负责主讲。朱燕豪（学号：322200