主要内容
使用复杂数据 - Marple的测试用例的频谱估计
这个例子展示了如何对时间序列数据进行谱估计。我们使用Marple的测试用例(The complex data in L. Marple: S.L. Marple, Jr, Digital Spectral Analysis with Applications, Prentice-Hall, Englewood Cliffs, NJ 1987.)。
测试数据
让我们首先加载测试数据：
加载mar
系统识别工具箱™中的大多数例程都支持复杂数据。金宝app然而，对于策划，我们将分别检查数据的实数和虚部。
首先，看看数据：
子图（211），绘图（真实（Marple）），标题（“数据的真实部分”。）子图（212），plot（imag（marple）），标题（'虚部的数据。'）
作为初步的分析步骤，让我们检查数据的周期图:
per = etfe（marple）;W =每。频率;clf h = spectrumplot（每，w）;选择= getOptions（h）;opt.freqscale ='线性'；opt.FreqUnits =“赫兹”；setoption (h,选择)
由于数据记录仅为64个样本，并且计算为128个频率的周期图，从而清楚地看到窄频窗口的振荡。因此，我们将一些平滑的顺序相对于周期图（对应于1/32 Hz的频率分辨率）：
马普尔sp = etfe (32);spectrumplot(每sp w);
让我们现在尝试Blackman-Tukey方法来频谱估计：
ssm = spa（marple）;％函数spa执行频谱估计Spectrumplot（SP，'B'，SSM，'G'，W，选择）;传奇（{'平滑一期间'那'Blackman-Tukey估计'}）;
默认窗口长度为此少量数据提供了一个非常窄的LAG窗口。我们可以选择一个更大的滞后窗口：
SS20 = SPA（Marple，20）;Spectrumplot（SP，'B'，ss20，'G'，W，选择）;传奇（{'平滑一期间'那'Blackman-Tukey估计'}）;
估算自回归（AR）模型
参数5阶AR模型由以下计算：
T5 = AR（Marple，5）;
与期限评论估计进行比较：
Spectrumplot（SP，'B'，t5，'G'，W，选择）;传奇（{'平滑一期间'那'第五阶AR估计'}）;
ar命令实际上涵盖了20种不同的频谱估计方法。上面这个就是马普尔书中所谓的“修正协方差估计”。
有一些其他众所周知的人是：
TB5 = AR（Marple，5，“城”）;％Burg的方法Ty5 = AR（Marple，5，'yw'）;圣诞老人沃克法Spectrumplot（T5，TB5，TY5，W，OPT）;传奇（{'修改协方差'那'Burg'那“Yule-Walker”}）
利用工具变量法估计AR模型
AR建模也可以使用乐器可变方法完成。为此，我们使用该功能Ivar.：
马普尔ti = ivar (4);spectrumplot (t5、钛,钨,选择);传奇（{'修改协方差'那'ofternal变量'}）
自回归移动平均（ARMA）光谱模型
此外，系统识别工具箱涵盖光谱的ARMA建模：
Ta44 = armax(marple，[4 4]);% 4 ar参数和4 ma参数Spectrumplot（T5，Ta44，W，OPT）;传奇（{'修改协方差'那'arma'}）
你也可以从以下列表中选择一个网站:
