基于“增大化现实”技术
估计参数时确定为标量时间序列AR模型或阿里模型
语法
描述
例子
AR模型
估计AR模型和比较其响应的测量输出。
加载数据,其中包含时间序列tt9
与噪音。
负载sdata9tt9
估计一个四阶AR模型。
sys = ar (tt9, 4)
sys = AR模型:离散时间(z) y (t) = e (t) (z) = 1 - 0.8369 z ^ 1 - 0.4744 z ^ 2 - 0.06621 z ^ 3 + 0.4857 z ^ 4样品时间:0.0039062秒参数化:多项式订单:na = 4很多免费的系数:4使用“polydata”、“getpvec”、“getcov”参数及其不确定性。状态:估计使用AR (fb /现在)在时域数据“tt9”。适合估算数据:79.38%消防工程:0.5189,MSE: 0.5108
输出显示包含估计参数的多项式与其他评估的细节。下状态
,适合评估数据
显示估计模型1-step-ahead预测精度在75%以上。
你可以找到更多的信息关于评估结果通过研究评估报告,sys.Report
。例如,您可以检索参数协方差。
柯伐合金= sys.Report.Parameters.FreeParCovariance
柯伐合金=4×40.0015 -0.0015 -0.0005 0.0007 -0.0015 0.0027 -0.0008 -0.0004 -0.0005 -0.0008 0.0028 -0.0015 0.0007 -0.0004 -0.0015 0.0014
更多信息查看评估报告,明白了评估报告。
比较伯格Forward-Backward方法的方法
给定一个正弦信号与噪声,比较伯格的谱估计的方法与发现使用forward-backward方法。
产生一个输出信号并将其转换为一个iddata
对象。
y =罪([施用]”)+ 0.5 * randn (300 1);y = iddata (y);
估计四阶AR模型使用伯格的方法和使用默认forward-backward方法。图模型光谱在一起。
sys_b = ar (y, 4,“城”);sys_fb = ar (y, 4);谱(sys_b sys_fb)传说(“城”,“Forward-Backward”)
这两个反应匹配密切在大部分的频率范围。
ARI模型
估计一个阿里模型,其中包括噪声源的积分器。
加载数据,其中包含时间序列ymat9
与噪音。Ts
包含了样品的时间。
负载sdata9ymat9Ts
集成的输出信号。
y = cumsum (ymat9);
估计AR模型“IntegrateNoise”
设置为真正的
。使用最小二乘方法“ls”
。
sys = ar (y, 4,“ls”,“t”Ts,“IntegrateNoise”,真正的);
使用5步预测和预测模型的输出结果与集成的输出信号相比较y
。
比较(y, sys, 5)
修改默认选项
修改默认的选项基于“增大化现实”技术
函数。
加载数据,包含一个时间序列z9
与噪音。
负载iddata9z9
修改默认选项,以便使用的函数“ls”
方法,不估计协方差。
选择= arOptions (“方法”,“ls”,“EstimateCovariance”假)
选择= ar命令的选项设置:方法:“ls”窗口:“现在”DataOffset: 0 EstimateCovariance: 0最大容量:250000描述的选项
估计一个四阶AR模型使用更新的选项。
sys = ar (z9 4选择);
检索伯格反射系数的方法
检索使用伯格时反射系数和损失函数的方法。
Lattice-based方法等,如伯格的方法“城”
和几何点阵“gl”
,计算反射系数和相应的损失函数值作为评估过程的一部分。使用第二个输出参数检索这些值。
产生一个输出信号并将其转换为一个iddata
对象。
y =罪([施用]”)+ 0.5 * randn (300 1);y = iddata (y);
估计使用村四阶AR模型的方法,包括一个输出参数的反射系数。
(sys,反射)= ar (y, 4,“城”);反射
反射=2×50 -0.3562 0.4430 0.5528 0.2385 0.8494 0.7416 0.5960 0.4139 0.3904
输入参数
y
- - - - - -时间序列数据
iddata
对象|数值向量|时间表
时间序列数据,指定为以下之一:
关于处理估计数据类型的更多信息,见数据域和数据类型在系统辨识工具箱。
n
- - - - - -模型秩序
正整数
模型,指定为一个正整数。的价值n
确定的数量一个在AR模型参数。
例子:基于“增大化现实”技术(类似,2)
从单通道计算二阶AR模型iddata
对象补贴
方法
- - - - - -算法计算AR模型
“facebook”
(默认)|“城”
|“gl”
|“ls”
|“yw”
算法计算AR模型,指定为以下值之一:
“城”
:伯格lattice-based方法。解决了晶格使用向前和向后的谐波均值滤波器方程平方预测误差。“facebook”
(默认):Forward-backward方法。最小化的总和的最小二乘准则提出模型,和一个类似的标准时间反演模型。“gl”
:几何点阵的方法。伯格的方法类似,但使用几何平均,而不是调和平均数在最小化。“ls”
:最小二乘方法。最小平方的标准和正向预测错误。“yw”
:Yule-Walker方法。解决了Yule-Walker方程,由样本协方差。
这些算法都是变异的最小二乘法。有关更多信息,请参见算法。
例子:基于“增大化现实”技术(类似2“ls”)
使用最小二乘方法计算AR模型
窗口
- - - - - -Prewindowing和postwindowing
“现在”
|“战俘”
|“ppw”
|“prw
Prewindowing和postwindowing外的测量时间间隔(过去和未来值),指定为以下值之一:
“现在”
:没有窗口。这个值是默认的,除了当你设定方法
来“yw”
。只使用实测数据回归向量。标准的总和从样品开始指数等于n + 1
。“战俘”
:Postwindowing。缺失值替换为0结束,求和扩展N + N
(N
是观测的数量)。“ppw”
:Prewindowing和postwindowing。软件使用这个值时选择Yule-Walker方法“yw”
,不管你的窗口
规范。“prw”
:Prewindowing。丢失的过去值替换为0,这样标准可以从时间的总和等于零。
例子:ar(类似2“yw”、“ppw”)
计算一个使用Yule-Walker AR模型方法和prewindowing postwindowing。
名称-值参数
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字
在报价。
例子:“IntegrateNoise”,真的
增加了一个积分器的噪声源
OutputName
- - - - - -输出信号的名字
”“
(默认)|特征向量|字符串
时间表数据,输出通道名称指定为一个字符串或一个字符向量。默认情况下,软件解释最后一个变量tt
作为唯一的输出通道。当你想选择一个不同的时间表变量输出通道,使用“OutputName”
识别它。例如,sys = ar (tt, __, OutputName, y3)
选择的变量y3
估计的输出通道。
Ts
- - - - - -样品时间
1
(默认)|积极的标量
样品时间,指定为逗号分隔组成的“t”
和样品时间以秒为单位。如果y
是一个数值向量,那么您必须指定“t”
。
例子:基于“增大化现实”技术(y_signal 2 Ts, 0.08)
计算一个二阶AR模型与样本以0.08秒的成绩
输出参数
sys
——基于“增大化现实”技术或阿里模型
idpoly
模型对象
基于“增大化现实”技术或阿里模型符合给定的估计数据,作为一个离散时间返回idpoly
模型对象。这个模型是使用指定的模型创建的订单,延误,估计选项。
评估结果和信息存储在选择使用报告
模型的属性。报告
有以下字段。
报告字段 | 描述 | ||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
状态 |
总结模型的状态,这表明模型是由建设或是否得到评估。 |
||||||||||||||||||
方法 |
评估使用的命令。 |
||||||||||||||||||
适合 |
定量评估的评估,作为一个结构返回。看到损失函数和模型质量的指标对这些质量标准的更多信息。结构有以下字段:
|
||||||||||||||||||
参数 |
估计模型参数的值。 |
||||||||||||||||||
OptionsUsed |
选项设置用于估计。如果没有配置自定义选项,这是一组缺省选项。看到 |
||||||||||||||||||
RandState |
的随机数流的估计。空的, |
||||||||||||||||||
DataUsed |
属性的数据用于估计,作为结构与以下字段返回。
|
使用的更多信息报告
,请参阅评估报告。
反射
——反射系数和损失函数
数组
反射系数和损失函数,作为一个2×2的数组返回。两个lattice-based方法“城”
和“gl”
,反射
商店在第一行的反射系数和相应的损失函数值在第二行。第一列的反射
零级模型,(2,1)
的元素反射
是时间序列本身的规范。例如,看到的检索伯格反射系数的方法。
更多关于
AR(自回归)模型
AR模型结构没有输入,是由以下方程:
这对标量时间序列数据模型结构适应估计,没有输入通道。的结构是一个特例ARX结构。
阿里(自回归综合)模型
ARI模型是一种基于“增大化现实”技术的模型和噪声通道的积分器。ARI模型结构是由以下方程:
算法
AR和阿里模型参数估计使用最小二乘法的变体。下表总结了常见的名字与一个特定的组合方法方法
和窗口
参数值。
方法 | 方法和窗口 |
---|---|
修改后的协方差方法 | (默认)Forward-backward方法没有窗口 |
相关法 | prewindowing和postwindowing Yule-Walker方法 |
协方差方法 | 最小二乘方法没有窗口。arx 使用这个例程 |
引用
[1]玛s L。小,第八章。数字频谱分析与应用。恩格尔伍德悬崖,新泽西:Prentice Hall出版社,1987年。
版本历史
介绍了R2006aMATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。