高阶累积量在AR模型系数估计中的应用
二阶统计量的参数估计只适合最小相位系统下的高斯随机信号,基于它应用的局限性,近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.已有的研究和应用表明:一方面,基于高阶统计量的方法可以有效增强信噪比;另一方面,高阶统计量不仅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3阶、4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处理中,通常是建立AR模型,我们更关注高阶统计量在AR模型方面的研究.国外最具代表的人物是Mendel J M,Giannakis G B和Nikias C L等人,其中Mendel J M提出了基于累积量的非高斯ARMA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;Akaike提出了基于高阶累积量的Yule-Walker方程,利用奇异值分解(SVD)来确定AR参数及其阶数;Tugnait J K提出了基于高阶统计量的非因果自回归模型的阶次选择、高阶谱分析等方法.
高阶累积量 AR模型 参数估计 有色非高斯数据
刘冰雍 王平波 蔡志明
海军工程大学,电子工程学院,湖北,武汉,430033
国内会议
厦门
中文
133-134
2006-10-01（万方平台首次上网日期，不代表论文的发表时间）