تخمین پارامترهای مدل اتورگرسیو (ar) در حضور نویز

تخمین پارامترهای مدل اتورگرسیو (ar) دارای اهمیت بسیار زیادی می باشد. فرایندهای اتورگرسیو کاربردهای زیادی در پردازش سیگنال ، مخابرات ، رادار و سونار دارند. برازش یک مدل مناسب بر داده ها در عمل موجب می شود تا اطلاعات بیشتری از فرایند مولد داده ها داشته باشیم. استفاده از مدل مناسب بالاخص در روشهای پارامتری در تخمین طیف سیگنالهای تصادفی، اهمیت بسیار زیادی دارد. روشهای پارامتری تخمین طیف توان، مبتنی بر انتخاب مدل مناسب برای داده ها می باشند. برای دست یابی به تخمین طیف با قدرت تفکیک بالا مدل ar یک ابزار مناسب است. بطور کلی کار کردن با مدل ar نسبت به مدلهای دیگر بسیار راحت تر می باشد و به همین علت تکنیکهای مناسبی جهت تخمین پارامترهای مدل ar ارائه شده است. در عمل داده های مشاهده آغشته به نویز می باشند یعنی در عمل با یک مدل ar آغشته به نویز سروکار داریم. این امر باعث می شود تا تکنیکهایی که داده ها را ar بدون نویز در نظر گرفته اند و از نویز مشاهده صرف نظر کرده اند، عملا ناکارآمد باشند و به درستی قادر به برازش داده ها نباشند. در این پایان نامه به روشهای تخمین پارامتر مدل اتورگرسیو در حالتی که داده ها آغشته به نویز می باشند، پرداخته شده است و تکنیکهای بکار رفته در این حالت، مورد بررسی قرار گرفته و چند الگوریتم جدید برای تخمین مدل ar نویزی در حالت های اسکالر و برداری و نیز در حالت هایی که نویز مشاهده سفید یا رنگی باشد، پیشنهاد شده است. همچنین عملکرد الگوریتم های ارائه شده با روش های پیشین مقایسه شده است.تخمین پارامترهای مدل اتورگرسیو (ar) دارای اهمیت بسیار زیادی می باشد. فرایندهای اتورگرسیو کاربردهای زیادی در پردازش سیگنال ، مخابرات ، رادار و سونار دارند. برازش یک مدل مناسب بر داده ها در عمل موجب می شود تا اطلاعات بیشتری از فرایند مولد داده ها داشته باشیم. استفاده از مدل مناسب بالاخص در روشهای پارامتری در تخمین طیف سیگنالهای تصادفی، اهمیت بسیار زیادی دارد. روشهای پارامتری تخمین طیف توان، مبتنی بر انتخاب مدل مناسب برای داده ها می باشند. برای دست یابی به تخمین طیف با قدرت تفکیک بالا مدل ar یک ابزار مناسب است. بطور کلی کار کردن با مدل ar نسبت به مدلهای دیگر بسیار راحت تر می باشد و به همین علت تکنیکهای مناسبی جهت تخمین پارامترهای مدل ar ارائه شده است. در عمل داده های مشاهده آغشته به نویز می باشند یعنی در عمل با یک مدل ar آغشته به نویز سروکار داریم. این امر باعث می شود تا تکنیکهایی که داده ها را ar بدون نویز در نظر گرفته اند و از نویز مشاهده صرف نظر کرده اند، عملا ناکارآمد باشند و به درستی قادر به برازش داده ها نباشند. در این پایان نامه به روشهای تخمین پارامتر مدل اتورگرسیو در حالتی که داده ها آغشته به نویز می باشند، پرداخته شده است و تکنیکهای بکار رفته در این حالت، مورد بررسی قرار گرفته و چند الگوریتم جدید برای تخمین مدل ar نویزی در حالت های اسکالر و برداری و نیز در حالت هایی که نویز مشاهده سفید یا رنگی باشد، پیشنهاد شده است. همچنین عملکرد الگوریتم های ارائه شده با روش های پیشین مقایسه شده است.