【精选】【时间序列分析】03. 谱密度 |
您所在的位置:网站首页 › 噪声谱密度公式 › 【精选】【时间序列分析】03. 谱密度 |
Contents
谱密度谱函数和谱密度白噪声的谱密度线性序列的谱密度线性滤波与谱密度
谱密度
谱函数和谱密度
随机变量的统计性质可以由它的分布函数或概率密度刻画,类似地,平稳序列的统计性质可以由它的谱分布函数或谱密度函数刻画。平稳序列的谱分布函数是唯一存在的,但并不是所有的平稳序列都具有谱密度函数。 谱反映了平稳序列的相关结构。谱密度是将原始序列看成许多个不同频率的余弦波的叠加时,不同频率的振幅平方大小,谱密度越高的地方,对应的频率成分的振幅越大。 设平稳序列 { X t } \{X_t\} {Xt} 有自协方差函数 { γ k } \{\gamma_k\} {γk} 如果有 [ − π , π ] [-\pi,\,\pi] [−π,π] 上的单调不减右连续的函数 F ( λ ) F(\lambda) F(λ) ,使得 γ k = ∫ − π π e i k λ d F ( λ ) , F ( − π ) = 0 , k ∈ Z , \gamma_k=\int_{-\pi}^\pi e^{ik\lambda}\,{\rm d}F(\lambda) \ , \ \ \ \ F(-\pi)=0\ , \ \ \ \ k\in\Z, γk=∫−ππeikλdF(λ) , F(−π)=0 , k∈Z, 就称 F ( λ ) F(\lambda) F(λ) 是 { X t } \{X_t\} {Xt} 或 { γ k } \{\gamma_k\} {γk} 的谱分布函数。 如果有 [ − π , π ] [-\pi,\,\pi] [−π,π] 上的非负函数 f ( λ ) f(\lambda) f(λ) ,使得 γ k = ∫ − π π f ( λ ) e i k λ d λ , k ∈ Z , \gamma_k=\int_{-\pi}^\pi f(\lambda)e^{ik\lambda}\,{\rm d}\lambda \ , \ \ \ \ k\in\Z, γk=∫−ππf(λ)eikλdλ , k∈Z, 就称 f ( λ ) f(\lambda) f(λ) 是 { X t } \{X_t\} {Xt} 或 { γ k } \{\gamma_k\} {γk} 的谱密度函数。 谱函数和谱密度之间具有如下的联系 如果 { X t } \{X_t\} {Xt} 有谱密度 f ( λ ) f(\lambda) f(λ) ,则 { X t } \{X_t\} {Xt} 的谱函数就是变上限的积分 F ( λ ) = ∫ − π λ f ( s ) d s . F(\lambda)=\int_{-\pi}^\lambda f(s)ds. F(λ)=∫−πλf(s)ds. 如果 F ( λ ) F(\lambda) F(λ) 是连续函数,除去有限点外导函数存在且连续,则谱密度 f ( λ ) f(\lambda) f(λ) 是 f ( λ ) = { F ′ ( λ ) , 当 F ′ ( λ ) 存在 , 0 , 当 F ′ ( λ ) 不存在 . f(\lambda)=\left\{ \begin{array}{ll} F'(\lambda)\ , & \text{当}\ F'(\lambda)\ \text{存在} ,\\ 0\ , & \text{当}\ F'(\lambda)\ \text{不存在}\ . \end{array} \right. f(λ)={F′(λ) ,0 ,当 F′(λ) 存在,当 F′(λ) 不存在 . Herglotz 定理:平稳序列的谱函数是唯一存在的。 推论:平稳序列的谱密度如果存在,则在几乎处处的意义下是唯一的。 定理:实值平稳序列的谱密度是偶函数。 设 f ( λ ) f(\lambda) f(λ) 是实值平稳序列 { X t } \{X_t\} {Xt} 的谱密度,即证 f ( − λ ) = f ( λ ) f(-\lambda)=f(\lambda) f(−λ)=f(λ) ,从而有 C o v ( X t , X t + k ) = 2 ∫ 0 π cos ( k λ ) f ( λ ) d λ , k = 0 , 1 , 2 , . . . {\rm Cov}(X_t,\,X_{t+k})=2\int_0^\pi\cos(k\lambda)f(\lambda)\,{\rm d}\lambda \ , \ \ \ \ k=0,1,2,... Cov(Xt,Xt+k)=2∫0πcos(kλ)f(λ)dλ , k=0,1,2,... 根据谱密度的定义,可以写出 γ − k \gamma_{-k} γ−k 的表达式 γ − k = ∫ − π π f ( λ ) e − i k λ d λ = t = − λ ∫ − π π f ( − t ) e i k t d t = ∫ − π π f ( − λ ) e i k λ d λ \gamma_{-k}=\int_{-\pi}^\pi f(\lambda)e^{-ik\lambda}\,{\rm d}\lambda\xlongequal{t=-\lambda}\int_{-\pi}^\pi f(-t)e^{ikt}\,{\rm d}t=\int_{-\pi}^\pi f(-\lambda)e^{ik\lambda}\,{\rm d}\lambda γ−k=∫−ππf(λ)e−ikλdλt=−λ ∫−ππf(−t)eiktdt=∫−ππf(−λ)eikλdλ 由于 γ − k = γ k \gamma_{-k}=\gamma_k γ−k=γk ,所以 γ k = ∫ − π π f ( − λ ) e i k λ d λ \gamma_k=\int_{-\pi}^\pi f(-\lambda)e^{ik\lambda}\,{\rm d}\lambda γk=∫−ππf(−λ)eikλdλ 由 Herglotz 定理知平稳序列的谱密度若存在,则几乎处处唯一。因此 f ( − λ ) f(-\lambda) f(−λ) 也是 { X t } \{X_t\} {Xt} 的谱密度,即 f ( − λ ) = f ( λ ) f(-\lambda)=f(\lambda) f(−λ)=f(λ) ,所以 f ( λ ) f(\lambda) f(λ) 是偶函数。 因此有 f ( λ ) = 1 2 ( f ( λ ) + f ( − λ ) ) f(\lambda)=\frac{1}{2}(f(\lambda)+f(-\lambda)) f(λ)=21(f(λ)+f(−λ)) 于是 C o v ( X t , X t + k ) = γ k = 1 2 ∫ − π π ( f ( λ ) + f ( − λ ) ) e i k λ d λ = 1 2 ( ∫ − π π f ( λ ) e i k λ d λ + ∫ − π π f ( λ ) e − i k λ d λ ) = 1 2 ∫ − π π f ( λ ) ( e i k λ + e − i k λ ) d λ = ∫ − π π cos ( k λ ) f ( λ ) d λ = 2 ∫ 0 π cos ( k λ ) f ( λ ) d λ . \begin{aligned} {\rm Cov}(X_t,\,X_{t+k})=\gamma_k&=\frac{1}{2}\int_{-\pi}^\pi (f(\lambda)+f(-\lambda))e^{ik\lambda}\,{\rm d}\lambda\\ &=\frac{1}{2}(\int_{-\pi}^\pi f(\lambda)e^{ik\lambda}\,{\rm d}\lambda+\int_{-\pi}^\pi f(\lambda)e^{-ik\lambda}\,{\rm d}\lambda) \\ &=\frac{1}{2}\int_{-\pi}^\pi f(\lambda)(e^{ik\lambda}+e^{-ik\lambda})\,{\rm d}\lambda \\ &=\int_{-\pi}^\pi\cos(k\lambda)f(\lambda)\,{\rm d}\lambda \\ &=2\int_0^\pi\cos(k\lambda)f(\lambda)\,{\rm d}\lambda. \end{aligned} Cov(Xt,Xt+k)=γk=21∫−ππ(f(λ)+f(−λ))eikλdλ=21(∫−ππf(λ)eikλdλ+∫−ππf(λ)e−ikλdλ)=21∫−ππf(λ)(eikλ+e−ikλ)dλ=∫−ππcos(kλ)f(λ)dλ=2∫0πcos(kλ)f(λ)dλ. 白噪声的谱密度如果 { ϵ t } \{\epsilon_t\} {ϵt} 是 W N ( 0 , σ 2 ) {\rm WN}(0,\,\sigma^2) WN(0,σ2) ,则 { ϵ t } \{\epsilon_t\} {ϵt} 的自协方差函数为 γ k = σ 2 δ k , k ∈ Z . \gamma_k=\sigma^2\delta_k \ , \ \ \ \ k\in\Z. γk=σ2δk , k∈Z. 容易验证令 f ( λ ) = σ 2 2 π , λ ∈ [ − π , π ] f(\lambda)=\frac{\sigma^2}{2\pi}\ , \ \ \ \ \lambda\in[-\pi,\,\pi] f(λ)=2πσ2 , λ∈[−π,π] 有 γ k = ∫ − π π f ( λ ) e i k λ d λ , k ∈ Z \gamma_k=\int_{-\pi}^\pi f(\lambda)e^{ik\lambda}\,{\rm d}\lambda \ , \ \ \ \ k\in\Z γk=∫−ππf(λ)eikλdλ , k∈Z 事实上, { ϵ t } \{\epsilon_t\} {ϵt} 是白噪声的充分必要条件是其谱密度 f ( λ ) f(\lambda) f(λ) 为非零常数。 线性序列的谱密度如果 { ϵ t } \{\epsilon_t\} {ϵt} 是 W N ( 0 , σ 2 ) {\rm WN}(0,\,\sigma^2) WN(0,σ2) ,实数列 { a j } \{a_j\} {aj} 平方可和,则线性平稳序列 X t = ∑ j = − ∞ ∞ a j ϵ t − j , t ∈ Z X_t=\sum_{j=-\infty}^\infty a_j\epsilon_{t-j} \ , \ \ \ \ t\in\Z Xt=j=−∞∑∞ajϵt−j , t∈Z 有谱密度 f ( λ ) = σ 2 2 π ∣ ∑ j = − ∞ ∞ a j e i j λ ∣ 2 . f(\lambda)=\dfrac{\sigma^2}{2\pi}\left|\sum_{j=-\infty}^\infty a_je^{ij\lambda}\right|^2. f(λ)=2πσ2∣∣∣∣∣j=−∞∑∞ajeijλ∣∣∣∣∣2. 特别地,对于白噪声序列,令 a j = δ j = { 1 , j = 0 0 , j ≠ 0 a_j=\delta_j=\left\{ \begin{array}{ll} 1\ , & j=0 \\ 0\ , & j\neq 0 \end{array} \right. aj=δj={1 ,0 ,j=0j=0 , 即可得到零均值白噪声 W N ( 0 , σ 2 ) {\rm WN}(0,\,\sigma^2) WN(0,σ2) 的谱密度 f ( λ ) = σ 2 2 π f(\lambda)=\dfrac{\sigma^2}{2\pi} f(λ)=2πσ2 线性滤波与谱密度设 { X t } \{X_t\} {Xt} 是平稳序列, H = { h j } H=\{h_j\} H={hj} 是绝对可和的保时线性滤波器, { Y t } \{Y_t\} {Yt} 为输出过程 Y t = ∑ j = − ∞ ∞ h j X t − j , t ∈ Z , Y_t=\sum_{j=-\infty}^\infty h_jX_{t-j} \ , \ \ \ \ t\in\Z, Yt=j=−∞∑∞hjXt−j , t∈Z, H ( z ) H(z) H(z) 是滤波器 H H H 的特征多项式 H ( z ) = ∑ j = − ∞ ∞ h j z j , ∣ z ∣ ≤ 1. H(z)=\sum_{j=-\infty}^\infty h_jz^j \ , \ \ \ \ |z|\leq1. H(z)=j=−∞∑∞hjzj , ∣z∣≤1. 如果 { X t } \{X_t\} {Xt} 有谱函数 F X ( λ ) F_X(\lambda) FX(λ) ,则 { Y t } \{Y_t\} {Yt} 有谱函数 F Y ( λ ) = ∫ − π λ ∣ H ( e − i s ) ∣ 2 d F X ( s ) . F_Y(\lambda)=\int_{-\pi}^\lambda\left|H(e^{-is})\right|^2\,{\rm d}F_X(s). FY(λ)=∫−πλ∣∣H(e−is)∣∣2dFX(s). 如果 { X t } \{X_t\} {Xt} 有谱密度 f X ( λ ) f_X(\lambda) fX(λ) ,则 { Y t } \{Y_t\} {Yt} 有谱密度 f Y ( λ ) = ∣ H ( e − i s ) ∣ 2 f X ( λ ) . f_Y(\lambda)=\left|H(e^{-is})\right|^2f_X(\lambda). fY(λ)=∣∣H(e−is)∣∣2fX(λ). 已经证明过输出过程的自协方差函数为 γ Y ( k ) = ∑ j = − ∞ ∞ ∑ k = − ∞ ∞ h l h j γ X ( k + l − j ) \gamma_Y(k)=\sum_{j=-\infty}^\infty\sum_{k=-\infty}^\infty h_lh_j\gamma_X(k+l-j) γY(k)=j=−∞∑∞k=−∞∑∞hlhjγX(k+l−j) 由绝对收敛性和控制收敛定理, γ Y ( k ) = ∑ j = − ∞ ∞ ∑ k = − ∞ ∞ h l h j ∫ − π π e i ( k + l − j ) λ d F X ( λ ) = ∫ − π π ∑ j = − ∞ ∞ ∑ k = − ∞ ∞ h l h j e i ( l − j ) λ e i k λ d F X ( λ ) = ∫ − π π ∣ ∑ j = − ∞ ∞ h j e − i j λ ∣ 2 e i k λ d F X ( λ ) = ∫ − π π ∑ j = − ∞ ∞ ∑ k = − ∞ ∞ h l h j e i ( l − j ) λ e i k λ d F X ( λ ) = ∫ − π π ∣ H ( e − i λ ) ∣ 2 e i k λ d F X ( λ ) \begin{aligned} \gamma_Y(k) &=\sum_{j=-\infty}^\infty\sum_{k=-\infty}^\infty h_lh_j\int_{-\pi}^\pi e^{i(k+l-j)\lambda}\,{\rm d}F_X(\lambda) \\ &=\int_{-\pi}^\pi\sum_{j=-\infty}^\infty\sum_{k=-\infty}^\infty h_lh_je^{i(l-j)\lambda}e^{ik\lambda}\,{\rm d}F_X(\lambda) \\ &=\int_{-\pi}^\pi\left|\sum_{j=-\infty}^\infty h_je^{-ij\lambda}\right|^2e^{ik\lambda}\,{\rm d}F_X(\lambda) \\ &=\int_{-\pi}^\pi\sum_{j=-\infty}^\infty\sum_{k=-\infty}^\infty h_lh_je^{i(l-j)\lambda}e^{ik\lambda}\,{\rm d}F_X(\lambda) \\ &=\int_{-\pi}^\pi\left|H(e^{-i\lambda})\right|^2e^{ik\lambda}\,{\rm d}F_X(\lambda) \end{aligned} γY(k)=j=−∞∑∞k=−∞∑∞hlhj∫−ππei(k+l−j)λdFX(λ)=∫−ππj=−∞∑∞k=−∞∑∞hlhjei(l−j)λeikλdFX(λ)=∫−ππ∣∣∣∣∣j=−∞∑∞hje−ijλ∣∣∣∣∣2eikλdFX(λ)=∫−ππj=−∞∑∞k=−∞∑∞hlhjei(l−j)λeikλdFX(λ)=∫−ππ∣∣H(e−iλ)∣∣2eikλdFX(λ) 因此 d F Y ( λ ) = ∣ H ( e − i λ ) ∣ 2 d F X ( λ ) . {\rm d}F_Y(\lambda)=\big|H(e^{-i\lambda})\big|^2\,{\rm d}F_X(\lambda). dFY(λ)=∣∣H(e−iλ)∣∣2dFX(λ). 得到 { Y t } \{Y_t\} {Yt} 的谱函数 F Y ( λ ) = ∫ − π λ ∣ H ( e − i s ) ∣ 2 d F X ( s ) . F_Y(\lambda)=\int_{-\pi}^\lambda\left|H(e^{-is})\right|^2\,{\rm d}F_X(s). FY(λ)=∫−πλ∣∣H(e−is)∣∣2dFX(s). 当 { X t } \{X_t\} {Xt} 有谱密度 f X ( λ ) f_X(\lambda) fX(λ) 时 F Y ( λ ) = ∫ − π λ ∣ H ( e − i s ) ∣ 2 f X ( s ) d s . F_Y(\lambda)=\int_{-\pi}^\lambda\left|H(e^{-is})\right|^2f_X(s)\,{\rm d}s. FY(λ)=∫−πλ∣∣H(e−is)∣∣2fX(s)ds. 得到 { Y t } \{Y_t\} {Yt} 的谱密度 f Y ( λ ) = ∣ H ( e − i s ) ∣ 2 f X ( λ ) . f_Y(\lambda)=\left|H(e^{-is})\right|^2f_X(\lambda). fY(λ)=∣∣H(e−is)∣∣2fX(λ). |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |