Abstract
僅使用輸出測量作線性非時變系統鑑別在許多領域是極重要的,諸如控制 工程, 系統理論及信號處理。在過去, 由於缺乏分析的工具,我們不得不 將大部分的過程 (processes) 視為高斯過程來處理, 因此, 許多基於相 關函數 (二階統計量) 的系統鑑別方法被發表在公開文獻中。然而, 眾所 週知相關函數無法鑑別系統的相位, 而且基於相關函數的系統鑑別方法受 到高斯雜訊嚴重的影響。最近, 基於高階統計量的非最小相位線性非時變 系統之鑑別在上述領域中受到廣泛的注意, 因為這些統計量以及它們的富 氏轉換 (高階頻譜) 不僅可以抽出信號的大小也可以抽出信號的相位, 同 時它們先天上免於受高斯雜訊的影響。在本論文中, 我們提出了一些基於 高階統計量的系統鑑別方法而且將這些方法應用在信號處理上。這些方法 不僅較目前存在的方法有較佳的效果, 而且計算量較少。在另一方面, 當 我們將這些方法應用在地震信號和語音信號的反旋捲 (deconvolution) 上, 我們發現這些方法優於傳統的預估式反旋捲 (predictive deconvolution) 方法,因為地震源微波 (source wavelet) 和語音聲道濾 波器 (vocal tra- ck filter) 可能是非最小相位。一些模擬結果及一 些使用真實語音資料的實驗結果支持了本論文所提出的基於高階統計量之 系統鑑別方法。