尤尔-沃克方程(Yule–Walker equations)及推导

(尤尔-沃克方程为AR模型的系数a_k和AR过程u(n)的归一化相关系数建立起了唯一的对应关系。)

对于满足渐近平稳的AR过程:

\sum_{k=0}^Ma_k^*u(n-k)=v(n)

在式子两边同乘以u^*(n-l)且求期望:

E[\sum_{k=0}^Ma_k^*u(n-k)u^*(n-l)]=E[v(n)u^*(n-l)]

由于E[u(n-k)u^*(n-l)] = r(l-k),且噪声与信号不相关,故上式可化简为:

\sum_{k=0}^Ma_k^*r(l-k)=0, l>0,其中a_0=1,故有

r(l)=w_1^*r(l-1)+w_2^*r(l-2)+\cdots+w_M^*r(l-M),其中w_k=-a_k

令l=1,2,...,Ml = 1,2,...,M,并在两端同取共轭,得到M个方程,有:

\begin{bmatrix} r(0) & r(1) & \cdots & r(M-1) \\ r^*(1) & r^*(0) & \cdots & r(M-2) \\ \vdots & \vdots & \ddots & \vdots \\ r^*(M-1) & r^*(M-2) & \cdots & r(0) \end{bmatrix} \begin{bmatrix}w_1\\w_2\\\vdots\\w_M\end{bmatrix} = \begin{bmatrix}r_1^*(1)\\r_2^*(2)\\\vdots\\r_M^*(M)\end{bmatrix}

将上述方程组写成矩阵形式:

\textbf{Rw} = \textbf{r}

由于相关矩阵一般情况下是非奇异的,因此可写为:

\textbf{w} = \textbf{R}^{-1}\textbf{r}

上式就是尤尔-沃克方程

猜你喜欢

转载自blog.csdn.net/shuanleifa6752/article/details/82147260