主要内容

过滤器

应用滞后算子多项式时间序列进行过滤

语法

(Y,]=过滤器(一个,X)
(Y,]=过滤器(一个,X“初始”,X0)

描述

给定一个滞后算子多项式(左),(Y,]=过滤器(一个,X)适用于(左)时间序列数据X (t)。这相当于一个线性滤波器应用到X (t),生产过滤输出系列Y (t)=(左)X (t)

(Y,]=过滤器(一个,X“初始”,X0)适用于(左)时间序列数据X (t)presample指定值的输入时间序列X (t)

输入参数

一个

滞后算子多项式对象,所产生的LagOp

X

numObs——- - - - - -numDims矩阵的时间序列数据滞后算子多项式一个应用。最后观察被认为是最近的。numDims的尺寸是一个,除非X是一个行向量,在这种情况下X被当作一个单变量系列。对于单变量X的方向输出Y是由输入X的方向。

“初始”

Presample输入时间序列的值X (t)。如果“初始”不明,或者presample值的数量不足以初始化过滤值从一开始的X,减少了有效输出的样本大小Y。为了方便起见,标量presample值扩展到提供所有numPresampleObs——- - - - - -numDimspresample值和数据不是来自X。如果指定presample值超过必要的,只有最近的使用价值。对于单变量X,presample值可以是行或列向量。

输出参数

Y

过滤输入时间序列,Y (t) = (L) X (t)

向量的相对时间指数相同的长度Y。次表达相对,或者一个偏移量,观察乘以0,1,2,…,numObs1输入系列X (t)。一个多项式的学位p,Y (0)的一个线性组合吗X (t)为次t= 0,1,2,…,-p(presample数据)。Y (t)t> 0的线性组合X (t)为次t=t,t1,t2……t- - - - - -p

例子

全部展开

创建一个LagOp多项式和一个随机时间序列:

rng (“默认”)%使输出可再生的一个= LagOp ({1 -0.6 0.08 0.2},“滞后”[0 1 2 4]);X = randn (10、A.Dimension);

滤波器的输入时间序列没有显式初始观察,允许过滤器方法自动地带所有必需的初始数据输入时间序列的开始 X ( t )

(Y1, T1) =过滤器(A, X);

手动带所有必需presample从开始的直接观察 X ( t ) ,然后通过简约长度 X ( t ) 和剥夺presample直接观测到过滤器方法。在这种情况下,第一个4的观察 X ( t ) 剥夺了,因为下面的滞后算子多项式创建的程度是4。

(Y2, T2) =过滤器(X ((。度+ 1):最终,),“初始”X (1: A.Degree,:));

手动带需要presample观察从一开始的一部分 X ( t ) ,让过滤器方法自动带剩下的观察 X ( t )

(Y3, T3) =过滤器(X ((。度- 1):最终,),“初始”X (1:。度- 2,:));

过滤输出系列都是一样的。然而,相关的时间向量。

disp ((T1 T2 T3))
4 0 2 5 1 3 5 6 2 4 7 3 8 4 6 9 5 7

算法

过滤仅限于单一路径,所以矩阵数据被认为是一个多维的道路过程中,和三维数据(一个多维的过程的多个路径)是不允许的。

另请参阅