aryule
整机全极模型参数自回归- Yule-Walker方法
描述
例子
使用Yule-Walker参数估计方法
使用多项式系数向量来生成一个基于“增大化现实”技术(4)过程过滤白噪声的1024个样本。重置的随机数字生成器可重复的结果。使用Yule-Walker方法来估计系数。
rng默认的一个= [1 -2.7607 3.8106 -2.6535 0.9238];y =过滤器(1一0.2 * randn (1024,1));arcoeffs = aryule (y, 4)
arcoeffs =1×51.0000 -2.7262 3.7296 -2.5753 0.8927
每次生成50个过程的实现,改变输入噪声的方差。Yule-Walker-estimated方差的实际值进行比较。
nrealiz = 50;nrealiz noisestdz =兰德(1)+ 0.5;nrealiz randnoise = randn (1024);nrealiz noisevar = 0 (1);为k = 1: nrealiz y =过滤器(1一个noisestdz (k) * randnoise (:, k));[arcoeffs noisevar (k)] = aryule (y, 4);结束情节(noisestdz。^ 2 noisevar‘*’)标题(噪声方差的)包含(“输入”)ylabel (“估计”)
重复这个过程使用函数的多通道的语法。
Y =过滤器(1一个noisestdz。* randnoise);(多项式系数、方差)= aryule (Y, 4);持有在情节(noisestdz。^ 2,方差,“o”)举行从传奇(“单通道循环”,“多通道”,“位置”,“最佳”)
反射系数的估计模型使用衰变
使用多项式系数向量来生成一个AR(2)过程过滤白噪声的1024个样本。重置的随机数字生成器可重复的结果。
rng默认的y =过滤器(1,(1)-0.75 - 0.5),0.2 * randn (1024,1));
使用Yule-Walker方法适合的AR(10)模型的过程。输出和情节反射系数。只有前两个系数在95%置信界限之外,表明一个AR(10)模型极大地高估了时间依赖的数据。看到基于“增大化现实”技术和偏自相关序列顺序选择为更多的细节。
[据nvar ar, rc] = aryule (y, 10);茎(rc) xlim [0 11] conf95 =√(2) * erfinv (0.95) /√(1024);(X, Y) = ndgrid (xlim conf95 * [1]);持有在情节(X, Y,“——r”)举行从标题(的反射系数)
输入参数
输出参数
更多关于
算法
aryule使用Levinson-Durbin递归的偏差估计样本自相关序列计算参数。
引用
[1]海耶斯,曼森H。统计数字信号处理和建模。纽约:约翰·威利& Sons, 1996。
