corrmtx

数据矩阵估计自相关矩阵

所有的页面崩溃

语法

H = corrmtx (x, m)

H = corrmtx (x, m,方法)

[H r] = corrmtx (___)

描述

H= corrmtx (x,米)返回一个(n+米)——- (米+ 1)矩形托普利兹矩阵H=H这样H^__H偏差估计的自相关矩阵的输入向量x。n的长度是x,米预测模型的顺序,H^__的共轭转置H。

例子

H= corrmtx (x,米,方法)计算矩阵H根据指定的方法方法。

(H,r)= corrmtx (___)还返回(米+ 1)————(米+ 1)自相关矩阵估计r,计算H^__H的,对于任何以前的语法。

例子

全部折叠

修改数据和自相关矩阵

打开生活的脚本

生成一个信号组成的三个复指数嵌在高斯白噪声。计算数据和自相关矩阵使用“修改”方法。

n = 0:99;s = exp(我*π/ 2 * n) + 2 * exp(我*π/ 4 * n) + exp(我*π/ 3 * n) + randn (1100);m = 12;[X, R] = corrmtx (s, m,“修改”);

情节自相关矩阵的实部和虚部。

[A, B] = ndgrid (1: m + 1);次要情节(2,1,1)plot3 (A、B的(R))标题(“Re (R)”次要情节(2,1,2)plot3 (A, B,图像放大(R))标题(“我(R)”)

图包含2轴对象。坐标轴对象1标题再保险(R)包含13线类型的对象。坐标轴对象2标题Im (R)包含13线类型的对象。

输入参数

全部折叠

`x`- - - - - -输入数据
向量

输入数据,指定为一个向量。

`米`- - - - - -预测模型的顺序
真正积极的整数

预测模型,指定为一个真正积极的整数。

`方法`- - - - - -矩阵的计算方法
`自相关的`(默认)|`“prewindowed”`|`“postwindowed”`|`协方差的`|`“修改”`

矩阵计算方法,指定为自相关的,“prewindowed”,“postwindowed”,协方差的或“修改”。

自相关的(默认)H是(n+米)——- (米+ 1)矩形托普利兹矩阵生成一个自相关估计长度-n数据向量x,推导出使用prewindowed和postwindowed数据,基于一个米阶预测模型。矩阵可用于执行使用Yule-Walker自回归参数估计方法。更多细节,请参阅aryule。
“prewindowed”:H是n————(米+ 1)矩形托普利兹矩阵生成一个自相关估计长度-n数据向量x,推导出使用prewindowed数据,基于一个米阶预测模型。
“postwindowed”:H是n————(米+ 1)矩形托普利兹矩阵生成一个自相关估计长度-n数据向量x,推导出使用postwindowed数据,基于一个米阶预测模型。
协方差的:H是(n- - - - - -米)——- (米+ 1)矩形托普利兹矩阵生成一个自相关估计长度-n数据向量x,推导出使用nonwindowed数据,基于一个米阶预测模型。矩阵可用于执行自回归参数估计使用协方差的方法。更多细节,请参阅arcov。
“修改”:H是2 (n- - - - - -米)——- (米+ 1)修改后的矩形托普利兹矩阵生成一个自相关估计长度-n数据向量x,使用前后预测误差估计,基于一个米阶预测模型。矩阵可用于执行自回归参数估计使用修改后的协方差的方法。更多细节,请参阅armcov。

输出参数

全部折叠

`H`-数据矩阵
矩阵

返回的数据矩阵,对自相关矩阵估计。的大小H取决于中指定的矩阵计算方法方法。

`r`——有偏自相关矩阵
矩阵

偏自相关矩阵,作为(返回米+ 1)————(米+ 1)矩形托普利兹矩阵。

算法

托普利兹矩阵计算的数据corrmtx取决于你选择的方法。矩阵由自相关(默认)方法是:

$H = \frac{1}{\sqrt{n}} (\begin{matrix} x (1) & 0 & \dots & 0 & 0 \\ x (2) & x (1) & \dots & 0 & 0 \\ x (3) & x (2) & \dots & 0 & 0 \\ ⋮ & ⋮ & ⋱ & ⋮ & ⋮ \\ x (米) & x (米 - 1) & \dots & x (1) & 0 \\ x (米 + 1) & x (米) & \dots & x (2) & x (1) \\ x (米 + 2) & x (米 + 1) & \dots & x (3) & x (2) \\ ⋮ & ⋮ & ⋱ & ⋮ & ⋮ \\ x (n - 1) & x (n - 2) & \dots & x (n - 米) & x (n - 米 - 1) \\ x (n) & x (n - 1) & \dots & x (n - 米 + 1) & x (n - 米) \\ 0 & x (n) & \dots & x (n - 米 + 2) & x (n - 米 + 1) \\ ⋮ & ⋮ & ⋰ & ⋮ & ⋮ \\ 0 & 0 & \dots & x (n - 1) & x (n - 2) \\ 0 & 0 & \dots & x (n) & x (n - 1) \\ 0 & 0 & \dots & 0 & x (n) \end{matrix}] 。$

在矩阵,米输入参数是一样的吗米来corrmtx和n是长度(x)。这个矩阵的变化是用来返回的输出H的corrmtx为每个方法:

自相关的——(默认)H=H。
“prewindowed”- - - - - -H是n————(米+ 1)子矩阵H是谁的第一行(x(1)…0]的最后一行(x(n)…x(n- - - - - -米)]。
“postwindowed”- - - - - -H是n————(米+ 1)子矩阵H是谁的第一行(x(米+ 1)…x(1)]的最后一行[0…x(n)]。
协方差的- - - - - -H是(n- - - - - -米)——- (米+ 1)子矩阵H是谁的第一行(x(米+ 1)…x(1)]的最后一行(x(n)…x(n- - - - - -米)]。
“修改”- - - - - -H是2 (n- - - - - -米)——- (米+ 1)矩阵H_国防部定义为

$H_{国防部} = \frac{1}{\sqrt{2 (n - 米)}} (\begin{matrix} x (米 + 1) & \dots & x (1) \\ ⋮ & ⋰ & ⋮ \\ x (n) & \dots & x (n - 米) \\ x^{*} (1) & \dots & x^{*} (米 + 1) \\ ⋮ & ⋱ & ⋮ \\ x^{*} (n - 米) & \dots & x^{*} (n) \end{matrix}] 。$

引用

马普尔[1],美国劳伦斯。数字频谱分析:应用程序。新世纪信号处理系列。恩格尔伍德悬崖,N。普伦蒂斯·霍尔出版社,1987年。

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

版本历史

之前介绍过的R2006a

另请参阅

peig|pmusic|rooteig|rootmusic|xcorr

corrmtx

语法

描述

例子

修改数据和自相关矩阵

输入参数

x- - - - - -输入数据向量

米- - - - - -预测模型的顺序真正积极的整数

方法- - - - - -矩阵的计算方法自相关的(默认)|“prewindowed”|“postwindowed”|协方差的|“修改”

输出参数

H-数据矩阵矩阵

r——有偏自相关矩阵矩阵

算法

引用

扩展功能

C / c++代码生成生成C和c++代码使用MATLAB®编码器™。

版本历史

另请参阅

`x`- - - - - -输入数据
向量

`米`- - - - - -预测模型的顺序
真正积极的整数

`方法`- - - - - -矩阵的计算方法
`自相关的`(默认)|`“prewindowed”`|`“postwindowed”`|`协方差的`|`“修改”`

`H`-数据矩阵
矩阵

`r`——有偏自相关矩阵
矩阵

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。