伯格AR估计器
利用Burg方法计算自回归(AR)模型参数估计
图书馆
估计/参数估计
dspparest3
描述
Burg AR Estimator块使用Burg方法来拟合自回归(AR)在约束AR参数满足Levinson-Durbin递归的同时,通过最小化(最小二乘)前向和后向预测误差,对输入数据进行建模。
输入必须是列向量或无向向量,假设是白噪声驱动的AR系统的输出。该输入表示来自单通道信号的连续时间采样帧。该块计算AR系统参数的归一化估计,一个(z),为每个连续的输入帧独立。
当你选择从输入维度继承估计顺序参数,顺序,p的值小于输入向量的长度。方法指定的值估计订单参数。
的输出(年代)参数允许您在AR过程的两种实现之间进行选择:
一个
-顶部输出,一个,是长度的列向量p+1与输入帧状态相同,包含AR模型多项式系数降幂归一化估计z.1 a(2)…(p + 1))
K
-顶部输出,K,是长度的列向量p具有与输入相同的帧状态,并且包含反射系数(这是Levinson递归的次要结果)。A和K
-该块输出两个实现。
标量增益,G,在底部输出(G
).
下表比较了Burg AR Estimator块与协方差AR Estimator、Modified协方差AR Estimator和Yule-Walker AR Estimator块的特征。
伯格AR估计器 | 协方差AR估计器 | 修正协方差AR估计器 | Yule-Walker AR估计器 | |
---|---|---|---|---|
特征 |
不应用窗口的数据 |
不应用窗口的数据 |
不应用窗口的数据 |
将窗口应用于数据 |
最小化最小二乘意义上的正向和反向预测误差,约束AR系数以满足L-D递归 |
最小化最小二乘意义上的前向预测误差 |
最小化最小二乘意义上的正向和反向预测误差 |
最小化最小二乘意义上的前向预测误差(也称为“自相关方法”) |
|
|
总是产生一个稳定的模型 |
总是产生一个稳定的模型 |
||
|
可能产生不稳定的模型 |
可能产生不稳定的模型 |
对于较短的数据记录,性能相对较差 |
|
|
顺序必须小于或等于输入帧大小的一半 |
顺序必须小于或等于输入帧大小的2/3 |
由于有偏估计,自相关矩阵保证是正定的,因此是非奇异的 |
参数
- 输出(年代)
-
实现输出,模型系数,反射系数,或两者。
- 从输入维度继承估计顺序
-
选中后,设置估计顺序p比输入向量的长度小1。
- 估计订单
-
AR模型的阶数,p.不选择时,启用此参数从输入维度继承估计顺序.
参考文献
凯,s.m。现代谱估计:理论与应用。恩格尔伍德悬崖,新泽西州:Prentice-Hall, 1988。
马普尔,s.l., Jr.数字光谱分析及其应用。恩格尔伍德悬崖,新泽西州:Prentice-Hall, 1987。
金宝app支持的数据类型
港口 | 金宝app支持的数据类型 |
---|---|
输入 |
|
一个 |
|
G |
|
另请参阅
伯格方法 | DSP系统工具箱 |
协方差AR估计器 | DSP系统工具箱 |
修正协方差AR估计器 | DSP系统工具箱 |
Yule-Walker AR估计器 | DSP系统工具箱 |
arburg |
信号处理工具箱 |