生物医学信号处理习题集.doc

《生物医学信号处理习题集.doc》由会员分享，可在线阅读，更多相关《生物医学信号处理习题集.doc（42页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、生物医学信号处理习题集生物医学信号处理习题集第一章第一章 生物医学信号生物医学信号概论概论1.生物医学信号处理的对象是什么信号？ 解答： 包括生理过程自发产生的信号，如心电、脑电、肌电、眼电、胃电等电生理信号和血压、体温、脉 搏、呼吸等非电生理信号；还有外界施加于人体的被动信号，如超声波、同位素、X 射线等。2.生物信号的主要特点是什么？ 解答： 随机性强，噪声背景强。第二章第二章 数字信号处理基础数字信号处理基础You can use Matlab where you think its appropriate. 1.FIR 滤波器和 IIR 滤波器的主要区别是什么？ 解答： FIR 滤波器

2、的单位脉冲响应是有限长的序列，该滤波器没有极点，具有稳定性。 IIR 滤波器的单位脉冲响应是无限长的序列，该滤波器有极点，有可能不稳定。2.两个滤波器级联，第一个的传递函数为，第二个为，当输入为单2-1 1z2z1) z (H-1 2z1) z (H位脉冲时，求输出序列，画出级联滤波器的频率响应。 解答：=)z1)(z2z1 () z (H12-132-1zzz1h(n)=1,1,-1,-1，n=0，1，2，3。即输入单位脉冲时的输出序列值。 freqz(h,1)3.A 3rd-order lowpass filter is described by the difference equati

3、on:)3n(2781y. 0)2n(1829y. 1) 1n(76y. 1)3n(0181x. 0)2n(0543x. 0) 1n(0543x. 0)n(0181x. 0)n(y Plot the magnitude and the phase response of this filter and verify that it is a lowpass filter. 解答： b = 0.0181, 0.0543, 0.0543, 0.0181; a = 1.0000, -1.7600, 1.1829, -0.2781; m = 0:length(b)-1; l = 0:length(a)

4、-1; K = 500; k = 1:1:K; w = pi*k/K; % 0, pi 分成 501 个点. num = b * exp(-j*m*w); % 分子计算 den = a * exp(-j*l*w); % 分母计算 H = num ./ den; magH = abs(H); angH = angle(H); subplot(1,1,1); subplot(2,1,1); plot(w/pi,magH); grid; axis(0,1,0,1) xlabel(); ylabel(|H|); title(幅度响应); subplot(2,1,2); plot(w/pi,angH/p

5、i); grid on; axis(0,1,-1,1) xlabel(以 pi 为单位的频率); ylabel(以 pi 弧度为单位的相位); title(相位响应);或 freqz(b,a)明显是低通滤波器，Wc 大概在 0.25pi。 （衰减 3 个 dB，下降一半）4.Find the inverse z-transform of x(z)=.To check the result using Matlab function residuez.14z3zz2 解答：) z3111 z11(2/1z4z3z 14z3zz)z(X 112112b = 0,1; a = 3,-4,1; R,p

6、,C = residuez(b,a) b,a = residuez(R,p,C) R = 0.5000-0.5000 p = 1.00000.3333 C = b = -0.0000 0.3333 a = 1.0000 -1.3333 0.3333 笔算和程序结果一致。5.Choose an appropriate window to design a digital FIR lowpass filter with the following specifications: ,25dB. 0A,2 . 0pp50dBA,3 . 0ssDetermine the impulse response

7、 and provide a plot of the frequency response of the designed filter. (help fir1 function ) 解答： wp = 0.2*pi; ws = 0.3*pi; tr_width = ws wp； M = ceil(6.6*pi/tr_width) ；%查表求得窗长度，hamming window 即可 n=0:1:M-1; wc = (ws+wp)/2 b= fir1(M,wc/pi); h=b(1:end-1); hh,w = freqz(h,1,whole);%默认就是 hamming window hhh

8、=hh(1:255);ww=w(1:255); % 画图 subplot(2,2,3); stem(n,h);title(实际脉冲响应) axis(0 M-1 -0.1 0.3); xlabel(n); ylabel(h(n) subplot(2,2,4); plot(ww/pi,20*log10(abs(hhh);title(幅度响应（单位： dB）);grid axis(0 1 -100 10); xlabel(频率（单位：pi）); ylabel(分贝) set(gca,XTickMode,manual,XTick,0,0.2,0.3,1) set(gca,YTickMode,manua

9、l,YTick,-50,0)第三章第三章 随机信号基础随机信号基础1.什么是平稳各态遍历的随机过程？ 解答： 如果随机信号的统计特性与开始进行统计分析的时刻无关，则为平稳随机过程，否则为非平稳随机 过程。对于平稳过程，如果所有样本在固定时刻的统计特征和单一样本在全时间上的统计特征一致， 则为各态遍历的随机过程。平稳且各态遍历是本课程分析医学信号的一个前提假设2.判断随机相位正弦波在均值意义下是否各态遍历。，A 是固定值，是)sin()(0tAtx0随机变量，分布为均匀分布：，其它为零。20 ,21)(p解答：该随机过程的时间平均为：0dt)t(Asin2T1limmTT0Tx 该随机过程的总体

10、平均为：0d )(p)t(Asindx)x(xp)x(E200AA-因此该过程在均值意义下是各态遍历的。3.讨论相互独立、互不相关、相互正交的区别和联系。 解答：随机变量统计独立的条件为：)y(p)x(p)y, x(p互不相关的条件为：0)y, x(cov正交的条件为：0)xy(E对于一般的随机变量：统计独立则互不相关；当其中有任意一个变量的均值为零，则互不相关和正 交可以互相推导。 对于高斯随机变量，统计独立和互不相关可以相互推导；当其中有任意一个变量的均值为零，则三 者都能互相推导。4.输入序列的一阶概率密度函数是。证明：；如nx)(2)(2 nx nxuexpn5 . 0)(nxE，、都

11、是具有上述分布的随机序列，求。2142xxy1x2x)(yE解答： nnnndx)x(px)x(E 0n-2x ndx2exn 0-2x nndex-=0.50n2x-2x ndxe0exnn0n2x-dxen02x-nde5 . 00)e (5 . 0n2xE（y）=E(2x1+4x2)=E(2x1)+E(4x2)=35.已知平稳随机过程 x 的自相关函数如下，求其功率谱密度及均方，并根据所得结果说明该随机过 程是否含有直流分量或周期性分量。（）cos3cos4e)(Rx（）16cos25e)(R04 x解答：（）de )(R)(Pj xx)(11 )(11 8)3()3(22514)0(R

12、)x(Ex2因为，所以含有直流分量；012 8)0(P2x 因为周期信号的自相关函数也是周期性的，而 R 中包含有一个周期性的成分，因此该随机过程含有 周期性分量。（）de )(R)(Pj xx)(161 )(16150)(322 02 0411625)0(R)x(Ex2因为，所以含有直流分量；01625032)0(P2 0x因为周期信号的自相关函数也是周期性的，而 R 中没有包含周期性的成分，因此该随机过程不含有 周期性分量。6.设 x（t）是平稳过程，证明的功率谱是：)Tt (x) t (x) t (y) t (y)Tcos1)(2P)(Pxy解答：de )(R)(Pj yy其中)t (y

13、) t (y(E)(Ry)Tt (x)t (x()Tt (x) t (x(E)Tt (x)Tt (x)Tt (x) t (x)t (x)Tt (x)t (x) t (xE)(R)T(R)T(R)(Rxxxxde )(R)(Pj yyde)T(R)T(R)(2Rj xxx )(2Pxde)T(R)T(Rj xx ee1)(2PTjTj x，得证。)Tcos1)(2Px7.一个随机信号的自相关函数是，另一个随机信号的自相关函数为) t (x1 eA)(R11) t (x2，在下列条件下，分别求信号相加后的自相关函数。eA)(R22) t (x) t (xx(t)21)(Rx（），相互独立；) t

14、(x1) t (x2（），来自同一信号源，只是幅度差一个常数因子 K（K 不为 1）：=K。) t (x1) t (x2) t (x2) t (x1解答：（），相互独立) t (x1) t (x2)t (x) t (x(E)(Rx)t (x)t (x()t (x) t (x(E2121)t (x) t (x)t (x) t (x)t (x) t (x)t (x) t (xE22211211)(R)t (xE)t (xE)t (xE)t (xE)(R221211)(limR1)t (xE)t (x(E)t (x(E)(t(t)xlimEx12 1111 ，同理0)t (xE120)t (xE22

15、)(R)(R)(R21x)eAA(21（）=K) t (x2) t (x1由前面计算可得)(Rx)(R)t (x)t (xE)t (x) t (xE)(R221211)(R)t (Kx)t (xE)t (Kx) t (xE)(R211111)(R)(2KR)(R211)eA2KAA(2118.是零均值，方差为的白噪过程，把它先送入一个平均器，得，然后再将nx2 x)(211nnnxxy送给一个差分器，求的均值、方差、自相关函数和功率谱密度。ny1yyznnnnz解答：1yyznnn)xx(21)(212n1 -n1nnxx)(212nnxx0)xx(21(E)z(E2nnn=/2=)z (E2

16、 n2 z)z (En2)(41E2 2nnxx)x2x(41E2 2nn22nnxx2 x)0(Rnz=0) 1 (Rnz)zz(E1nn)xx)(41E1n1n2nnxx=/4)2(Rnz)zz(E2nn)xx)(41En2n2nnxx2 x当|m|=3，自相关都为 0。=)m(Rnz)2m(21)2m(21)m(212 x)w(Pnze21e211 21jw2jw2-2 xcos2w1 212 x9.随机序列各次采样互相独立，且均匀分布于11 之间，设，nx1nnnxxy，求的均值和方差；、的自相关函数212nnnnxxxznnnxww15 . 0nxnynznw和功率谱。 解答：均值：

17、= nnnndx)x(px)x(E 1 1nn00.5dxx均方值： nn22dx)x(px)x(Enn310.5dxx1 1n2n 方差：Var(xn)=31)x(E)x(En22 n=)0(Rny2 12 n)(E)y(Ennxx3231)xx)(xx(E)yy(E) 1 (Rn1n1nn1nnyn，当|m|=2 时，y 的自相关函数都为零 0)xx)(xx(E)yy(E)2(R1n2n1nn2nnyn=，。)m(Rny)1m() 1m()m(231)w(Pnye21e211 32jwjw-cosw1 32=)0(Rnz2 2n12 n)x2(E)z (Ennxx234)x2xx)(x2x

18、x(E)zz(E) 1 (R1nn1n2n1nn1nnzn，31)x2xx)(x2xx(E)zz(E)2(Rn1n2n2n1nn2nnzn当|m|=3 时，z 的自相关函数都为零 =，)m(Rnz)2m()2m() 1m(4) 1m(4)m(631。)w(Pnzee4e4e631j2w2jwjwjw-cos2w32cosw382=，由于中间一项为零，所以有)0(Rnw2 12 n)5w. 0(E)w(Ennx)w(E41)wx(E)x(E2 1n1nn2 n=，)0(Rnw)x(E342 n94(0)5R. 0w)5w. 0x(E)ww(E) 1 (Rnnwnn1n1nnw，)0(R)5 .

19、0() 1 (5R.-0)0.5wx(Ew)ww(E)2(Rnnnw2 w1n2nn2nnw所以=，)m(Rnw)0(R)5 . 0(nwmm)5 . 0(94。)(Pnw)m(RDTFTnw)5 . 0(94DTFTm cos4531)5e. 015e. 05e. 011(94jjj 第四章第四章 数字相关和数字数字相关和数字卷积卷积1.设 x=1 2 3 4；h=4 3 2 1；求 conv(x,h)、filter(h,1,x)、filter(x,1,h)的结果，并写出后两个函数对 应的传递函数。 解答： conv(x,h) 4 11 20 30 20 11 4 由于卷积的前后互换性，fi

20、lter(h,1,x)filter(x,1,h)4 11 20 30 H1（z），H2（z）321234zzz3214321zzz2.输入到线性系统的平稳随机过程 x 是零均值、方差为 1，输出信号的功率谱为，求此系统的传递函数 H（Z） 。要求该系统稳定。5 . 0,cos211)(2aaaeSj y解答：, 1)(j xeS，5 . 0,cos211)()()()(222aaaeHeHeSeSjjj xj y因为系统要求稳定15 . 01 1)(,5 . 01 1)(zzHeeHjj 3.列举相关技术在生物医学信号处理中的部分应用。 解答： 从噪声中检测信号，例如检测超声脉冲回波。 估计两

21、个相似信号的时间延迟，例如测定微血管中的红血球流速，提取脑电诱发响应。 用于生物系统的辨识等。4.估计相关函数时如果采用，估计是否为无偏估计？是否为一致估计？ 1 -m-N0nmnnxxxN1)m(R解答：。)N(R0)m(RENmm)m(R)m(RE,N)m(RNmNxExN1)m(RExxxxx1mN0nmnnx估计的方差当 N 无穷时，趋于零。因此该估计法是一致估计。5.已知心电图的频率上限约为 50Hz，采集数据时候的采样频率至少为多少？如果采样频率为 300Hz，要求的频率分辨率为 1Hz，试确定做谱估计时每段数据的点数。 解答： 由于采样频率至少要为信号最高频率的两倍，所以这时采样

22、频率至少要为 100Hz。，做谱估计时每段数据的点数要大于 300，考虑 DFT 的计算，最好取 2Nffs300ffNs的幂次，可以取 512 点数据，或者补零到 512 点长。第五章第五章 维纳滤波维纳滤波)()()(nnnsnx)( )(nsny)(nh以下三题的系统模型图都参看该图。1.设上图滤波器的方程是，输入 sn是确定性信号 sn=bn，b 是常数。nn是白噪序列，零1 -nnnxxy均值，方差为。求2 n（）输出中的信号分量； （）输出中噪声分量的均方和方差； （）输出中噪声分量的功率谱。 解答： （）输出中的信号分量1nn1nn1n1nnn1 -nnnnnbbnsnsxxy前

23、两项是由于信号引起的输出，后面两项是噪声分量引起的输出。 （）输出中噪声分量的均方和方差，因此输出中噪声分量的均方等于方差：0nnE1nn2 n1 -nn2 1 -n2 n2 1nn2n2nnnE)nn(E（）输出中噪声分量的功率谱由于，则，1z1) z (Hjje1)e (H2 nj n)e (P)e (P)e (H)e (Pj n2jj noise)2cos2(2 n2.对于上图中的系统模型，假设 h（n）是因果的，用相关函数法推导出维纳滤波器的维纳霍夫方程的离散形式，以及从该方程中解出了最佳滤波器后的最小均方误差的最简式。)(nhopt解答：，0, 0)(nnh。0)()()( )(mm

24、nxmhnsny， 202) )()()()(mmnxmhnsEneE2 , 1 , 00)() )()()(20 jjnxmnxmhnsEmopt0)()()()()(0jjnxmnxEmhjnxnsEmopt维纳-霍夫方程：0)()()(0jmjRmhjRmxxoptxs最小均方误差为： 20min2) )()()()(moptmnxmhnsEneE )()()()()()()(2)(0002mroptopt mrnxrhmnxmhmnxmhnsnsE 000)()()()()(2)0(mrxxoptopt mxsoptssrmRrhmhmRmhR0min2)()()0()(mxsopts

25、smRmhRneE3.设线性系统如上图所示，已知相互独立，且，。要求设计一nnns ,2sin)(j seS21)(j neS个滤波器，试确定 c 使得滤波后的输出与真实信号的均方误差最小，即2sin)(ceHjns ns最小。)(2 nnssE解答：设误差为nnns se其自相关为：)m(R)m(R)m(R)m(R)s s)(s s(E)ee (E)m(Rs s s s ssmnmnnnmnne做傅立叶变化：)()()()()(j sj s sj s sj sj eeSeSeSeSeS4262j nj s2jj x2j sin21sin )(eS)(eS)e (H)(eS)e (H)(cce

26、Sj s4i sii sxi sin)e (S)e (H)e (S)e (H)(ceSj s s4i sii xsis sin)e (S)e (H)e (S)e (H)(ceSj s2 21 43 21cc求导等于零： 43optc4.是白噪过程，零均值，方差为，把作为输入加到一线性系统上，系统的冲激响应是)n(x2 x)n(x，输出是。证明：)n(h)n(y（）)0(h)n(y)n(xE2 x（）-n22 x2 y)n(h解答：（）mxmm)m(R)m(h)mn(x)n(xE)m(h )m(h)mn(x)n(xE)n(y)n(xE当 m=0 时，当 m 为其它时，代入上式，2 xx)0(R0

27、)m(Rx)0(h)n(y)n(xE2 x（） )kn(x)k(h)mn(x)m(hEyyEmknn2 y mk)kn(x)mn(xE)k(h)m(h mkx)km(R)k(h)m(h当 m=k 时，当 m 为其它时，代入上式，2 xx)km(R0)k-m(Rx-n22 x2 xk22 y)n(h(k)h得证。第六章第六章 卡尔曼滤波卡尔曼滤波1.有一信号，其自相关函数，被一零均值，方差为 0.4 的白噪)n( s2, 1, 0,7 . 0)(mmRm s所淹没，与统计独立。)n(n)n( s)n(n（）设计一个长度等于 3 的 FIR 数字滤波器，其输出使得最小化。)n(y)n( sy(n)

28、(E2。（）设计一个因果的最优滤波器，并说明如何在计算机上实现。 解答： （）根据均方误差最小准则得到 W-H 方程：，其中 x=s+n，表示输入信号，1, 2 , 1 , 0)()()(10NjmjRmhjRNmxxoptxs因为 N=3，且，)m(R)m(R)m(Rnsxx，代入 W-H 方程得：)m(R)mn( s )n(n)s(n)(E)mn( s )n(xE)m(Rsxs2 , 1 , 0)()()()(n20ss jmjRmjRmhjR mopt把，代入上式得三个方程：2, 1, 0,7 . 0)(mmRm s)m(4 . 0)m(Rn20mm-2 opt220mm- 1 opt2

29、0mm- optm)(20.4(m)0.7h0.7:2jm)(10.4(m)0.7h0.7:1jm)(0.4(m)0.7h1:0j。 2 optoptopt227 . 0 7 . 0 1)2(h) 1 (h )0(h4 . 17 . 07 . 0 7 . 04 . 17 . 0 7 . 07 . 04 . 1解得： 0517. 01681. 00.6121)2(h) 1 (h )0(hoptoptopt所以设计的滤波器的传递函数为：-210517z. 01681z. 06121. 0) z (H（）设计一个因果的最优滤波器因为)m(R)m(R)m(Rnsxx所以输入信号的 z 变换为：4 .

30、0)7z. 01)(7z. 01 (51. 0)z(R)z(R)z(R1nsxx)7z. 01)(7z. 01 ()az1)(az1 (b )7z. 01)(7z. 01 (0.28z-0.28z-1.1060111-1列出方程求系数 a 与 b，利用 solve 函数解出 a，b： 28. 0ab1060. 128.a0ba=3.68 ，0.2718，b=0.76， 1.03，a 取小于 1 的数，所以 a=0.2718，b=1.03因此)7z. 01)(7z. 01 ()2718z. 01)(2718z. 01 (1.03)z(R11xx则，03. 12 w)7z. 01 ()2718z.

31、 01 ()z(B11)7z. 01 ()2718z. 01 ()z(B1 - )(zHopt)()(/ )(211zBzBzRwxs )()(/ )(211zBzBzRws )2718. 01)(7 . 01 (51. 0)2718. 01 (03. 17 . 01111zzzz )7 . 01 (6298. 0)2718. 01 (03. 17 . 01111zzz )2718. 01 (03. 16298. 01z)n(u)2718. 0(6115. 0)n(hn opt计算机实现可以利用均方误差，当取 N 与 N+1 时它们的10min2)()()0()(NmssoptssmRmhRn

32、eE均方误差非常接近时就可以确定 N 了。2.比较维纳滤波和卡尔曼滤波方法的区别和联系。 解答： 维纳滤波和卡尔曼滤波都是解决线性滤波和预测问题的方法，并且都是以均方误差最小为准则的， 在平稳条件下两者的稳态结果是一致的。但是它们解决问题的方法有很大区别。维纳滤波是根据全部过去观测值和当前观测值来估计信号的当前值，因此它的解形式是系统的传递函数)(zH或单位脉冲响应)(nh；卡尔曼滤波是用当前一个估计值和最近一个观测值来估计信号的当前值，它的解形式是状态变量值。维纳滤波只适用于平稳随机过程，卡尔曼滤波就没有这个限制。设计维纳滤波 器要求已知信号与噪声的相关函数，设计卡尔曼滤波要求已知状态方程和

33、量测方程，当然两者之间 也有联系。3.写出卡尔曼滤波的状态方程与量测方程，并解释。画出卡尔曼滤波的信号模型。 解答：状态方程：1)(kw1)A(k)S(kS(k)1表示的含义就是在 k 时刻的状态可以由它的前一个时刻的状态来求得，即认为 k1S(k)1)S(k 时刻以前的各状态都已记忆在状态中了。1)S(k 量测方程：w(k)C(k)S(k)X(k)用表示量测到的信号矢量序列，表示量测时引入的误差矢量，称为量测矩阵，它X(k)w(k)C(k)的引入原因是，量测矢量的维数不一定与状态矢量的维数相同，因为我们不一定能观测X(k)S(k)到所有需要的状态参数。 卡尔曼滤波的信号模型：S(k)C(k)

34、1)A(k 1zw(k)(k)w1X(k)1)S(k 4.根据卡尔曼滤波的状态方程和量测方程，假设和是已知的，是观测到的数据，A(k)C(k)X(k)也是已知的，假设信号的上一个估计值已知，如何来求当前时刻的估计值？1)(kS(k)S解答：，1)(kw1)A(k)S(kS(k)1w(k)C(k)S(k)X(k)假设暂不考虑与，用上两式得到的和分别用和表示，得：(k)w1w(k)(k)S(k)X(k)S(k)X，1)(kSA(k)(k)S1)(kSC(k)A(k)(k)SC(k)(k)X必然，观测值和估计值之间有误差，它们之间的差称为新息（innovation）：X(k)(k)X(k)X(k)X

35、X(k)(k)X新息的产生是由于我们前面忽略了与所引起的，也就是说新息里面包含了与(k)w1w(k)(k)w1的信息成分。因而我们用新息乘以一个修正矩阵，用它来代替式的来对w(k)(k)XH(k)(k)w1进行估计：S(k)(k)XH(k)1)(kSA(k)(k)S1)(kSC(k)A(k)H(K)X(k)1)(kSA(k)1)(kSC(k)A(k)w(k)(k)H(K)C(k)S1)(kSA(k)(k)S1)(kSC(k)A(k)w(k)1)(kw1)(kSA(k)H(K)C(k)1)(kSA(k)1H(k)w(k)1)(kw1)(kS(k)H(K)C(k)AH(k)C(k)1)I(kSA(

36、k)1根据上式来求最小均方误差下的，然后把求到的代回去则可以得到估计值。H(k)H(k)(k)S第七章第七章 参数参数滤波滤波1.对于一个随机信号，可以对它进行频谱分析，叙述 AR 谱法和周期图法相比的优点。 解答： 平滑、需要较短数据即可、频率分辨率高、峰值包络线的好估计等。2.设已知，用 L-D 算法为此信号估计 p1，2，32, 1, 0),4 . 0(113)8 . 0(1114)(mmRmm s阶 AR 模型的系数和激励白噪的功率。 解答：计算自相关函数：1113 1114)0(sR9091. 04 . 01138 . 01114) 1 (sR7709. 016. 011364. 0

37、1114)2(sR，6342. 0064. 0113512. 01114)3(sR下面为了简写，省略下标 s。按照 L-D 算法得初始功率和系数为：1a1,)0(E00sRP=1：1736. 0)1 (a1 EE9091. 0E/ ) 1 (R) 1 (a2 01011P=2：1558. 0)2(a1 EE2 . 1)2(a1)1 (a) 1 (a32. 0E) 1 () 1 (a)2()2(a2 21221211 2RRP=3：1558. 0)2(a1 EE0.32(1)(3)aa(2)a)2(a2 . 1)2(3)aa) 1 (a) 1 (a0E) 1 (R)2(a)2() 1 (a)3(

38、)3(a2 21223232323222 3 RR3.某随机过程用 AR 模型拟和的结果是，试由它432158. 06 . 258. 45 . 31 1)(zzzzzH导出一个 ARMA（2，1）模型。 解答：设，要使得它与 H（z）相等则有2 21 11 1 ARMAzaza1zb1 )z(A)z(B)z(H2 21 11 1 zaza1zb1432158. 06 . 258. 45 . 31 1zzzz 列出各系数方程：，利用后三个方程，最小二乘法解出 b1来，然后再利用前两个方程求出 a1，a2058b. 006b. 258. 0058b. 46 . 2a58. 45 . 3ba5 .

39、3b1112111，两边同乘以4.58 2.6 0.58 3211 eee058. 06 . 2b 58. 06 . 2 58. 4得伪逆解 b1=0.4779，所以 a1=3.0221，a2=2.9074ARMA（2，1）模型为：211ARMA9074z. 20221z. 310.4779z1) z (H4.如何用 MATLAB 实现对一段脑电数据的 AR 建模？该段数据如下1.7190.743-0.722-2.187 -2.187-1.2110.2540.7430.7430.2540.2540.7431.7191.231- 0.234-2.187-3.652-3.164-1.2111.23

40、12.2071.231-0.722-1.699-2.187 -0.7220.2541.2310.743-0.234-1.699-3.164-4.14-5.117-5.605- 5.117-3.652-2.187-1.211-1.211-2.187-4.14-5.117-5.117-4.14-3.164 -2.675-2.675-2.675-3.164-3.164-3.164-2.675-2.187-1.699-1.211- 1.211-1.699-2.187-2.187-2.187-2.187-2.187-1.699-1.211-0.2340.254 -0.234-1.699-2.675-3.

41、652-2.675-1.2110.2540.254-0.722-1.699- 2.187-2.675-2.675-3.164-3.652-3.164-2.187-0.722-0.234-0.722-2.187 -2.675-2.675-1.699-0.722-0.722-1.211-0.7220.2541.2311.231- 0.234-2.675-4.628-4.628-2.675-0.2341.2310.743-0.234-1.699-1.699 -2.187-2.187-2.187-2.187-1.699-0.722-0.722-1.211-1.211-1.699- 1.699-1.69

42、9-2.187-2.675-4.14-4.14-3.164-1.699-1.699-3.164-4.628 -5.117-4.628-3.652-2.187-1.699-2.187-2.187-2.187-1.211-0.234 0.254-0.234-0.722-1.699-2.187-2.187-2.187-0.7220.7431.719 1.7190.743-0.722-0.722-0.7220.2541.2310.254-0.234-1.211- 1.211-0.7220.2541.2311.2310.743-0.722-2.675-3.652-4.14-3.652 -2.187-0.

43、7220.7431.7192.2072.2072.2071.7191.2311.231 1.2311.7192.2071.7190.743-0.722-2.187-2.675-2.187-1.211- 0.234-0.234-1.699-3.164-3.652-3.164-1.699-0.2340.7430.7430.254 -0.722-1.211-1.211-0.722-0.2340.2540.2540.2540.7431.231 1.7192.6962.6962.2070.743-0.722-1.211-0.7220.2540.254 0.2540.254-0.234-0.2340.254-0.234-1.211-1.699-1.699-0.722 0.2540.7430.254-1.211-2.187-2.187-1.211-0.2340.7430.743 0.2540.2540.2540.254-0.234-0.234-1.211-1.211-0.722-0.2