一种观测噪声方差的估计方法技术

本发明专利技术涉及一种观测噪声方差的估计方法，步骤：(1)对输入的观测数据进行预处理，包括平稳性、正态分布特性和周期性检测，如果观测数据未通过平稳性检测或正态分布特性检测，则终止估计过程；如果未通过周期性检测，则通过滤波抑制周期性信号，再转入步骤(2)；(2)去除观测数据的均值，再计算去除均值后的观测数据的自协方差；(3)采用广义特征值分解的方法，估计AR参数；(4)采用最小二乘方法估计观测噪声方差。本发明专利技术为随机噪声的精确建模奠定了良好的基础。

An estimation method of variance of observation noise

【技术实现步骤摘要】
一种观测噪声方差的估计方法
本专利技术涉及一种观测噪声方差的估计方法，属于随机信号处理

技术介绍
带观测噪声的自回归滑动平均(Auto-RegressiveMovingAverage，ARMA)有色噪声建模方法在传感器误差建模、语音识别、通信信号处理和金融数据建模等领域得到了广泛应用，在模型参数估计中，需要估计自回归(Auto-Regressive，AR)阶次、AR参数、滑动平均(MovingAverage，MA)阶次、MA参数、驱动噪声方差和观测噪声方差，其中应用最广泛的一种估计方法为噪声补偿下的修正Yule-Walker(Noise-CompensatedModifiedYule-Walker，NCMYW)方法，该方法最早见于文献“C.E.Davila.Asubspaceapproachtoestimationofautoregressiveparametersfromnoisymeasurements,IEEETransactionsonSignalProcess.46(2)(1998)531–534.”，其利用矩阵广义特征值，本文档来自技高网...

【技术保护点】
1.一种观测噪声方差的估计方法，其特征在于，包括以下步骤：/n(1)对观测数据进行预处理，所述预处理包括平稳性、正态分布特性和周期性检测，如果预处理后的观测数据不符合平稳性和正态分布特性，则终止处理；如果预处理后的观测数据包含周期性信号，则先去除周期性信号；经检测，预处理后的观测数据符合平稳性和正态分布特性，且不包含周期性信号，则转入步骤(2)；/n(2)计算预处理后的观测数据集合{y

【技术特征摘要】
1.一种观测噪声方差的估计方法，其特征在于，包括以下步骤：
(1)对观测数据进行预处理，所述预处理包括平稳性、正态分布特性和周期性检测，如果预处理后的观测数据不符合平稳性和正态分布特性，则终止处理；如果预处理后的观测数据包含周期性信号，则先去除周期性信号；经检测，预处理后的观测数据符合平稳性和正态分布特性，且不包含周期性信号，则转入步骤(2)；
(2)计算预处理后的观测数据集合{yi}的均值令再得到去均值的观测数据集合{zi}；
(3)计算观测数据集合{zi}的自协方差，构建如下方程：
(R1-λA)θ＝0(p+s-q)×1
其中：






θ＝[1a1…ap]T
其中：λ为待定的特征值，p为AR阶次，q为MA阶次，ai为AR参数，i＝1,2,…,p，rz(j)为关于{zi}的第j次自协方差，s为大于p的正整数，0m×n和Ik分别表示m×n阶零矩阵和k×k阶单位方阵；
(4)构建如下方程：
(C-λD)α＝0(2p+2)×1









其中：






B2＝ATA
(5)采用广义特征值分解方法，求解步骤(4)中的第一个式子(C-λD)α＝0(2p+2)×1，得到模值最小的特征值λmin和对应的特征向量αmin，则AR参数的估计值确定为：



其中：表...

【专利技术属性】
技术研发人员：王可东，
申请(专利权)人：南京喂啊游通信科技有限公司，
类型：发明
国别省市：江苏;32