AR模型谱估计平稳随机信号的参数模型参数模型法的思路：假定所研究的过程 是一个输入序列 激励一个线性系统 的输出;由已知的 ,或其自相关函数 来估计 的参数;由 的参数来估计 的功率谱。平稳随机信号的参数模型为白噪声 的方差AR模型全极点：该模型现在的输出是现在的输入和过去p个输出的加权和。经常使用的参数模型是线性模型,其中以有理分式型应用最为普遍,有理分式模型一般表现为自回归动均模型,即ARMA模型,自回归模型(AR模型)和动均模型(MA模型)都是YuleWalker 模型的特殊情况。事实上,白噪声序列通过全极点型、全零点型滤波器会分别产生AR,MA和ARMA过程。在这三种参数模型中,AR模型得到了普遍应用,因为AR模型的参数计算是线性方程,比较简单,与建立在外推自相关函数时保持原概率空间的最大熵法是等价的,同时很适合表示很窄的频谱,在作谱估计时,由于具有递推特性所以所需的数据较短;而MA模型表示窄谱时一般需要数量很多的参数;ARMA模型虽然所需的参数数量最少,但参数估计的算法是非线性方程组,其运算远比AR模型复杂,故AR模型参数估计是重点。AR模型法AR模型法的基本理论任何具有功率
