多元随机过程的建模与谱估计
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第七章 多元随机过程的建模与谱估计
7.1 多元随机过程的表示
l 维平稳随机向量过程)(n Y 由l 个平稳随机过程构成
T l n y n y n y n Y )](,),(),([)(21 = (7-1)
其二阶特性由均值向量Y μ: {}T y y y Y l
n Y E ],,,[)(2
1
μμμμ
== (7-2)
和协方差矩阵()Y C m :
{}()[()][()]T Y Y Y C m E Y n Y n m μμ=-+-111212122212()()
()()()
()()()
()l l l l l l y y y y y y y y y y y y y y y y y y C m C m C m C m C m C m C m C m C m ⎡⎤
⎢
⎥
⎢⎥
=⎢
⎥⎢⎥
⎢⎥⎣⎦
(7-3) 决定,其中)(m C j i y y 是随机过程)(n y i 和)(n y j 的协方差,即
{}
()[()][()]i j i j y y i y j y C m E y n y n m μμ=-+-,l j l i ≤≤≤≤1,1
由于
)(m C j i y y ()i j y y R m =i j y y μμ+,l j l i ≤≤≤≤1,1
因此,协方差矩阵()Y C m 又可表示为
()Y C m ()T
Y Y Y
R m μμ=- (7-4) 其中,()Y R m 为l 维平稳随机向量过程)(n Y 的自相关矩阵。该矩阵中的第i 行第j 列元素是随机过程)(n y i 和)(n y j 的互相关函数)(m R j i y y ,即
()Y R m 1112121
22212()()
()()()()()()()l l l l l l y y y y y y y y y y y y y y y y y y l l
R m R m R m R m R m R m R m R m R m ⨯⎡⎤⎢⎥⎢⎥=⎢⎥
⎢⎥
⎢⎥⎣⎦ (7-5)
当)(n Y 的均值为零时,协方差矩阵)(m C Y 与互相关矩阵)(m R Y 相等。一般情况下,总是将随机向
量减去其均值向量估计,构成一个零均值的、新的随机向量。然后对新的随机向量进行各种分析。
举例,l 维白噪声向量)(n W 的二阶特征量为:
,0
0,()0,0W W W Q m C m m μ=⎧==⎨
≠⎩
其中W Q 为常数矩阵。若白噪声向量)(n W 的个分量互不相关,则其协方差矩阵W Q 是对角矩阵,即
12
22
2
[,,,]l
W w w w Q diag σσσ= (7-6) 互相关矩阵性质:
1)
()()T Y Y R m R m =- (7-7)
【证明:因为,{}
()()()i j y y i j R m E y n y n m =+{}
()()j i E y n y n m =-()j i y y R m =-,所以
(){()}{()}{()}()i j j i i j T T
Y y y l l y y l l y y l l Y R m R m R m R m R m ⨯⨯⨯==-=-=-
】
2)(0)Y R 是非负定的
【证明:用l 个不全为零的实数i a ,1,2,
,i l =,作随机过程
1
()()()l
T i i i z n a y n a Y n ===∑
[]12,,,T l a a a a =,则有
2(0){()}{()()}{()()}(0)0T T T T T z Y R E z n E a Y n Y n a a E Y n Y n a a R a ====≥
当且仅当()0Y n =时,(0)0z R =成立。】 7.2 向量过程的模型表示与谱
①向量过程的AR模型与功率谱
用l 维()AR p 过程模型描述的随机向量过程)(n Y 表示为
1()(1)()()p Y n A Y n A Y n p W n +-+
+-= (7-8)
其中i A (1,2,
,i p =)为l l ⨯阶参数矩阵,()W n 是l 维白噪声。
记
111(,)p p A p z I A z A z ---=++
+,111(,)[(,)]H p z A p z ---= (7-9)
则(7-8)式可改写为
1
(,)()()A p z Y n W n -= 或 1
()(,)()Y n H p z W n -= (7-10)
随机向量过程)(n Y 的功率谱密度函数矩阵为
1()[(,)]()(,)[(,)]()[(,)]j j j T j j j j T Y W W S e H p e S e H p e A p e S e A p e ωωωωωωω----== (7-11)
其中()j W S e ω=Γ是常数矩阵。当)(n W 的各分量互不相关时,()j W S e ω是对角矩阵,即
222
12()[,,
]
j W l S e diag ωσσσ= (7-12) ②向量过程的ARMA 模型与功率谱
用l 维(,)ARMA p q 过程模型描述的随机向量过程表示为
101()(1)()()(1)()p q Y n A Y n A Y n p B W n B W n B W n q +-+-=+-+- (7-13)
其中)(n Y 是l 维向量,)(n W 是l 维白噪声,,i j A B 为l l ⨯阶参数矩阵。
记
11111011111(,)(,)(,,)[(,)](,)p
p q
q A p z I A z A z B q z B B z B z H p q z A p z B q z ----------⎧=+++⎪⎪=+++⎨⎪=⎪⎩
(7-14)
则(7-13)式可改写为
1
1
(,)()(,)()A p z Y n B q z W n --= 或 1
()(,,)()Y n H p q z W n -= (7-15) 向量过程)(n Y 的功率谱密度函数矩阵为 *
()[(,,)]()[(,,)]j j j j T Y W S e
H p q e S e H p q e ω
ω
ωω--=
1*
1
[(,)(,)]()[(,)(,
)]
j j j j j T
W
A p e
B q e
S
e
A p e
B q e ω
ω
ωω
ω------= 1
(,)(,)()(,)(,)j j j T
j T j W A p e B q e S e B q e
A p e ω
ω
ω
ω
ω----= (7-16)
其中()j W S e ω=Γ l l
R
⨯∈是白噪声的协方差矩阵。
显然,如果我们获得了过程模型参数及l 维白噪声的协方差矩阵Γ的估计,也就获得了过程功
率谱的估计。前面讨论的标量过程的AR 、ARMA 建模与谱估计可以推广到多变量过程。
7.3 向量AR 过程的建模
1.()AR p 过程的Y W -方程
对(7-8)式右乘()T
Y n m +并取期望,得
1{[()(1)()]()}{()()}T T p E Y n A Y n A Y n p Y n m E W n Y n m +-+
-+=+ (7-17)
因此,有