基于累积量的非高斯信号ar模型估计.pdf

�万方数据
H��吉嘉呻如儿;。�;嵫衳�:华:�簧劲��基于累积量的非高斯信号�模型估计�模型的参数估计方法1����������(V)=E[exp(jw)]-I��eXp[jw����(x)��刘冰雍王平波蔡志明�>�こ檀笱У缱庸こ萄г海�浜海�系统下的高斯随机信号,由于它应用的局限性,近������������������������������������������(��外还有高阶协累积量、循环累积量、倒高阶累积量基于高阶统计量的方法具有抗高斯噪声的能力,从能反映随机过程的幅值信息,而且还反映了随机过程的相位信息。目前高阶统计量的应用研究主要集中于�住�阶累积量及其相应的高阶谱方面。本文在有色非高斯数据的建模中,采用立�模型,我们关注高阶统计量在�模型方面的研究。积量的非高斯��模型的阶次确定的算法、利用高阶统计量进行非最小相位系统的辨识方法;K����������������������������������模型的阶次选择、高阶谱分析等方法。��������������������E��]������������������i��������������(v)������������������������������妒������将矽��趘�处展开成���级数【�,最后得到:因此第一特征函数又称为随机变量的矩生成函数。将第二特征函数∥��趘�点处展开成���级数‘钔,得:㈣�3莆K婊�淞縳的七阶累积量。因此,第二特征函数又称为随机变量的累积量生成函数。��高阶累积量和矩的关系����������������������x(��)���������������,��������一�c4��(fl��f2����)2E[��(r)x(f+f1)��(f+f2)x(f+f3)]��c2��(r1)c2��(f2��r3)��c2J(r2)c2��(f3��fI)����预备定理�ɡ韂:若������,���,其中��是������������������������s(��)��������������2007����2��声学与电子工程总第�期�基于二阶统计量的参数估计只适合最小相位年来高阶统计量在信号处理方面的研究和应用得到了迅速的发展。高阶统计量即高于二阶的统计������������)��������������������������������而有利于在有色高斯噪声中提取非高斯噪声,得到信号的非高斯特征;另一方面,高阶统计量不仅国外最具代表的人物是���������和���L����������MendelM���������������提出了基于高阶累积量的��.���方程,��������������(SVD)������AR����������������累积量和矩的定义设随机变量�母怕拭芏群��浅��,则工的特征函数为:��������m��������������x����������������=1��2����三、四阶累积量分别为:�,��琭��【����一�����,���,��猣�为讨论在确定信号情况下非高斯噪声的模型估计问题,先给出以下定理。��是一与��独立的零均值高斯过程。则当七�时,有:摘要:�模型,并建立基于信号高阶统计量的��.���方