舰导弹类
超类:
状态空间模型创建
建设
创建一个状态空间模型(Mdl
=舰导弹(一个
,B
,C
)Mdl
使用状态转换矩阵一个
,state-disturbance-loading矩阵B
,measurement-sensitivity矩阵C
。
创建一个使用状态空间模型状态转换关系矩阵Mdl
=舰导弹(一个
,B
,C
,D
)一个
,state-disturbance-loading矩阵B
,measurement-sensitivity矩阵C
,observation-innovation矩阵D
。
使用任何输入参数在前面的语法和附加选项指定由一个或多个Mdl
=舰导弹(___,名称,值
)名称,值
对参数。
的名字
也可以是属性名和价值
相应的价值。的名字
必须出现在单引号(”
)。您可以指定几个名称-值对参数在任何顺序Name1, Value1,…,的家
。
创建一个使用parameter-to-matrix映射函数(状态空间模型Mdl
=舰导弹(ParamMap
)ParamMap
你写的)。参数的函数映射向量矩阵一个
,B
,C
。可选地,ParamMap
可以映射参数D
,Mean0
,或Cov0
。指定的类型,函数可以返回StateType
。为了适应观测方程中回归组件,ParamMap
也可以返回泄气的观测数据。
将一个对象(状态空间模型扩散Mdl
=舰导弹(DSSMMdl
)DSSMMdl
)对象(状态空间模型Mdl
)。舰导弹
集所有初始分散状态的差异SSMMdl.Cov0
来1 e07
。
输入参数
一个
- - - - - -状态转换关系系数矩阵
矩阵|细胞矩阵的向量
状态转换关系系数矩阵显式创建状态空间模型,指定为一个矩阵或细胞的向量矩阵。
状态转换关系系数矩阵,一个t,指定如何美国,xt,预计过渡时期t——1t,尽管t= 1,…,T。在期间,预期的状态转换关系方程t是E(xt|xt1)=一个txt1。
对于定常状态空间模型,指定一个
作为一个米——- - - - - -米矩阵,米是每段的状态数。
对于时变状态空间模型,指定一个
作为一个T维单元阵列,{t}
包含一个米t——- - - - - -米t- 1状态转换关系系数矩阵。如果州的数量变化t——1t,然后米t≠米t- 1。
南
值在任何系数矩阵表示独一无二的,状态空间模型中的未知参数。一个
贡献:
sum (isnan ((:)))
未知参数定常状态空间模型。换句话说,如果是时不变的状态空间模型,然后使用相同的未知参数中定义的软件一个
在每一个时期。numParamsA
未知参数时变状态空间模型,numParamsA =总和(cell2mat (cellfun (@ (x)和(总和(isnan (x))), A,“UniformOutput”, 0)))
。换句话说,如果是随时间变化的状态空间模型,那么软件分配一个新的参数为每个矩阵一个
。
你不能指定一个
和ParamMap
同时进行。
数据类型:双
|细胞
B
- - - - - -State-disturbance-loading系数矩阵
矩阵|细胞矩阵的向量
State-disturbance-loading系数矩阵显式创建状态空间模型,指定为一个矩阵或细胞的向量矩阵。
干扰,ut,是独立的高斯随机变量均值为0和标准偏差1。state-disturbance-loading系数矩阵,Bt,指定添加剂错误结构的状态转换关系方程t——1t,尽管t= 1,…,T。也就是说,在周期状态转换关系方程t是xt=一个txt1+Btut。
对于定常状态空间模型,指定B
作为一个米——- - - - - -k矩阵,米的状态和数量吗k是国家的数量每时期干扰。B * B”
所有时间是state-disturbance协方差矩阵。
对于时变状态空间模型,指定B
作为一个T维单元阵列,B {t}
包含一个米t——- - - - - -ktstate-disturbance-loading系数矩阵。如果国家或州的数量扰动变化时期t,那么矩阵维度之间B {t - 1}
和B {t}
有所不同。{t} * B {t}’
时期是state-disturbance协方差矩阵吗t
。
南
值在任何系数矩阵表示独一无二的,状态空间模型中的未知参数。B
贡献:
总和(isnan (B (:)))
未知参数定常状态空间模型。换句话说,如果是时不变的状态空间模型,然后使用相同的未知参数中定义的软件B
在每一个时期。numParamsB
未知参数时变状态空间模型,numParamsB =总和(cell2mat (cellfun (@ (x)和(总和(isnan (x))), B, UniformOutput, 0)))
。换句话说,如果是随时间变化的状态空间模型,那么软件分配一个新的参数为每个矩阵B
。
你不能指定B
和ParamMap
同时进行。
数据类型:双
|细胞
C
- - - - - -Measurement-sensitivity系数矩阵
矩阵|细胞矩阵的向量
Measurement-sensitivity系数矩阵显式创建状态空间模型,指定为一个矩阵或细胞的向量矩阵。
measurement-sensitivity系数矩阵,Ct,指定如何将线性组合在时间t形成了观察,yt,尽管t= 1,…,T。即预期观察方程t是E(yt|xt)=Ctxt。
对于定常状态空间模型,指定C
作为一个n——- - - - - -米矩阵,n是观察和的数量吗米是每段的状态数。
对于时变状态空间模型,指定C
作为一个T维单元阵列,C {t}
包含一个nt——- - - - - -米tmeasurement-sensitivity系数矩阵。如果国家或观察的数量变化t,那么矩阵维度之间C {t - 1}
和C {t}
有所不同。
南
值在任何系数矩阵表示独一无二的,状态空间模型中的未知参数。C
贡献:
sum (isnan (C (:)))
未知参数定常状态空间模型。换句话说,如果是时不变的状态空间模型,然后使用相同的未知参数中定义的软件C
在每一个时期。numParamsC
未知参数时变状态空间模型,numParamsC =总和(cell2mat (cellfun (@ (x)和(总和(isnan (x))), C, UniformOutput, 0)))
。换句话说,如果是随时间变化的状态空间模型,那么软件分配一个新的参数为每个矩阵C
。
你不能指定C
和ParamMap
同时进行。
数据类型:双
|细胞
D
- - - - - -Observation-innovation系数矩阵
[]
(默认)|矩阵|细胞矩阵的向量
Observation-innovation系数矩阵显式创建状态空间模型,指定为一个矩阵或细胞的向量矩阵。
观察创新,εt,是独立的高斯随机变量均值为0和标准偏差1。observation-innovation系数矩阵,Dt,指定添加剂错误结构的观测方程t,尽管t= 1,…,T。即观察方程t是yt=Ctxt+Dtεt。
对于定常状态空间模型,指定D
作为一个n——- - - - - -h矩阵,n是观察和的数量吗h是观察的数量每时期的创新。D * D '
所有时间是observation-innovation协方差矩阵。
对于时变状态空间模型,指定D
作为一个T维单元阵列,D {t}
包含一个nt——- - - - - -ht矩阵。如果观测的数量或观察创新变化的时期t,那么矩阵维度之间D {t - 1}
和D {t}
有所不同。D {t} * D {t}’
时期是observation-innovation协方差矩阵吗t
。
南
值在任何系数矩阵表示独一无二的,状态空间模型中的未知参数。D
贡献:
sum (isnan (D (:)))
未知参数定常状态空间模型。换句话说,如果是时不变的状态空间模型,然后使用相同的未知参数中定义的软件D
在每一个时期。numParamsD
未知参数时变状态空间模型,numParamsD =总和(cell2mat (cellfun (@ (x)和(总和(isnan (x))), D, UniformOutput, 0)))
。换句话说,如果是随时间变化的状态空间模型,那么软件分配一个新的参数为每个矩阵D
。
默认情况下,D
是一个空矩阵表示状态空间模型中没有观察创新。
你不能指定D
和ParamMap
同时进行。
数据类型:双
|细胞
ParamMap
- - - - - -Parameter-to-matrix映射函数
空数组([]
)(默认)|函数处理
Parameter-to-matrix映射函数为隐式创建状态空间模型,指定为一个函数处理。
ParamMap
必须是一个函数,它接受至少一个输入参数,并返回至少三个输出参数。必要的输入参数是一个向量的未知参数,和必要的输出参数对应的系数矩阵一个
,B
,C
,分别。如果你只parameter-to-mapping函数需要输入参数向量参数,然后隐式地创建一个通过输入状态空间模型如下:
Mdl =舰导弹(@ParamMap)
一般来说,您可以编写一个中间函数,例如,ParamFun
使用这种语法:
函数[A, B, C, D, Mean0 Cov0, StateType, DeflateY] =…ParamFun (params otherInputArgs…)
在一般情况下,创建通过输入状态空间模型
Mdl =舰导弹(@ (params) ParamMap (params otherInputArgs…))
然而:
遵循的顺序输出参数。
参数个数
是一个向量,每个元素对应于一个未知参数。ParamFun
必须返回一个
,B
,C
对应的状态转换关系,state-disturbance-loading measurement-sensitivity系数矩阵,分别。如果你指定输入参数多参数向量(
参数个数
),比如观察反应和预测,然后隐式地创建使用语法模式状态空间模型Mdl =舰导弹(@ (params) ParamFun (params, y, z))
可选的输出参数
D
,Mean0
,Cov0
,StateType
,DeflateY
:可选的输出参数对应observation-innovation系数矩阵
D
参数名称-值对Mean0
,Cov0
,StateType
。跳过指定一个可选的输出参数,设置参数
[]
在函数体。例如,跳过指定D
,然后设置D = [];
的函数。DeflateY
是deflated-observation数据,它提供一个回归组件的观测方程。例如,在这个函数,线性回归组件,Y
是观察到的向量响应和Z
是向量的预测数据。函数[A, B, C, D, Mean0 Cov0, StateType, DeflateY] = ParamFun (params, Y, Z)…DeflateY = Y - params (9) - params (10) * Z;…结束
的默认值
Mean0
,Cov0
,StateType
,请参阅算法。
最佳实践:
加载数据到MATLAB®工作区之前指定模式。
创建parameter-to-matrix映射函数作为其自己的文件。
如果您指定ParamMap
,那么你不能指定任何名称-值对参数或其他任何输入参数。
数据类型:function_handle
DSSMMdl
- - - - - -状态空间模型扩散
dssm
模型对象
分散状态空间模型转换为一个状态空间模型,指定为一个dssm
模型对象。
舰导弹
集所有初始分散状态的差异DSSMMdl.Cov0
从正
来1 e7
。任何与方差除了分散状态正
保留他们的价值观。
应用标准卡尔曼滤波,而不是分散卡尔曼滤波器滤波、平滑、参数估计,将分散状态空间模型的状态空间模型。
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字
在报价。
Mean0
- - - - - -初始状态的意思
数值向量
初始状态对显式创建状态空间模型,指定为逗号分隔组成的“Mean0”
和一个数字向量长度等于初始状态的数量。默认值,请参阅算法。
如果您指定ParamMap
,那么你不能指定Mean0
。相反,指定初始状态意味着parameter-to-matrix映射函数。
数据类型:双
Cov0
- - - - - -初始状态协方差矩阵
方阵
初始状态协方差矩阵显式创建状态空间模型,指定为逗号分隔组成的“Cov0”
和一个方阵尺寸等于初始状态的数量。默认值,请参阅算法。
如果您指定ParamMap
,那么你不能指定Cov0
。相反,在parameter-to-matrix映射中指定初始状态协方差函数。
数据类型:双
StateType
- - - - - -初始状态分布指标
0|1|2
初始状态分布指标明确的创作状态空间模型,指定为逗号分隔组成的“StateType”
和一个数字向量长度等于初始状态的数量。这个表总结了可用类型的初始状态分布。
价值 | 初始状态分布类型 |
---|---|
0 |
静止的(例如,ARMA模型) |
1 |
常数1(即状态为1的概率1) |
2 |
弥漫性或非平稳的(例如,随机游走模型、季节性线性时间序列)静态 |
例如,假设状态方程有两个状态变量:第一个状态变量是一个AR(1)过程,第二个状态变量是随机漫步。通过设置指定初始分布类型“StateType”, [0;2]
。
如果您指定ParamMap
,那么你不能指定Mean0
。相反,指定初始状态分布指标在parameter-to-matrix映射函数。
默认值,请参阅算法。
数据类型:双
属性
一个
- - - - - -状态转换关系系数矩阵
矩阵|细胞矩阵的向量|空数组([]
)
状态空间模型,状态转换关系系数矩阵的显式地创建指定为一个矩阵,一个细胞的向量矩阵,或一个空数组([]
)。隐式创建的状态空间模型在评估之前,一个
是[]
和只读。
状态转换关系系数矩阵,一个t,指定如何美国,xt,预计过渡时期t——1t,尽管t= 1,…,T。在期间,预期的状态转换关系方程t是E(xt|xt1)=一个txt1。
对于定常状态空间模型,一个
是一个米——- - - - - -米矩阵,米是每段的状态数。
对于时变状态空间模型,一个
是一个T维单元阵列,{t}
包含一个米t——- - - - - -米t- 1状态转换关系系数矩阵。如果州的数量变化t——1t,然后米t≠米t- 1。
南
值在任何系数矩阵表示状态空间模型中的未知参数。一个
贡献:
sum (isnan ((:)))
未知参数定常状态空间模型。换句话说,如果是时不变的状态空间模型,然后使用相同的未知参数中定义的软件一个
在每一个时期。numParamsA
未知参数时变状态空间模型,numParamsA =总和(cell2mat (cellfun (@ (x)和(总和(isnan (x))), A,“UniformOutput”, 0)))
。换句话说,如果是随时间变化的状态空间模型,那么软件分配一个新的参数为每个矩阵一个
。
数据类型:双
|细胞
B
- - - - - -State-disturbance-loading系数矩阵
矩阵|细胞矩阵的向量|空数组([]
)
State-disturbance-loading系数矩阵的显式地创建状态空间模型,指定为一个矩阵,一个细胞的向量矩阵,或一个空数组([]
)。隐式创建的状态空间模型在评估之前,B
是[]
和只读。
干扰,ut,是独立的高斯随机变量均值为0和标准偏差1。state-disturbance-loading系数矩阵,Bt,指定添加剂错误结构的状态转换关系方程t——1t,尽管t= 1,…,T。也就是说,在周期状态转换关系方程t是xt=一个txt1+Btut。
对于定常状态空间模型,B
是一个米——- - - - - -k矩阵,米的状态和数量吗k是国家的数量每时期干扰。B * B”
所有时间是state-disturbance协方差矩阵。
对于时变状态空间模型,B
是一个T维单元阵列,B {t}
包含一个米t——- - - - - -ktstate-disturbance-loading系数矩阵。如果国家或州的数量扰动变化时期t,那么矩阵维度之间B {t - 1}
和B {t}
有所不同。{t} * B {t}’
时期是state-disturbance协方差矩阵吗t
。
南
值在任何系数矩阵表示状态空间模型中的未知参数。B
贡献:
总和(isnan (B (:)))
未知参数定常状态空间模型。换句话说,如果是时不变的状态空间模型,然后使用相同的未知参数中定义的软件B
在每一个时期。numParamsB
未知参数时变状态空间模型,numParamsB =总和(cell2mat (cellfun (@ (x)和(总和(isnan (x))), B, UniformOutput, 0)))
。换句话说,如果是随时间变化的状态空间模型,那么软件分配一个新的参数为每个矩阵B
。
数据类型:双
|细胞
C
- - - - - -Measurement-sensitivity系数矩阵
矩阵|细胞矩阵的向量|空数组([]
)
Measurement-sensitivity系数矩阵的显式地创建状态空间模型,指定为一个矩阵,一个细胞的向量矩阵,或一个空数组([]
)。隐式创建的状态空间模型在评估之前,C
是[]
和只读。
measurement-sensitivity系数矩阵,Ct,指定如何预计美国将线性周期t形成了观察,yt,尽管t= 1,…,T。即预期观察方程t是E(yt|xt)=Ctxt。
对于定常状态空间模型,C
是一个n——- - - - - -米矩阵,n是观察和的数量吗米是每段的状态数。
对于时变状态空间模型,C
是一个T维单元阵列,C {t}
包含一个nt——- - - - - -米tmeasurement-sensitivity系数矩阵。如果国家或观察的数量变化t,那么矩阵维度之间C {t - 1}
和C {t}
有所不同。
南
值在任何系数矩阵表示状态空间模型中的未知参数。C
贡献:
sum (isnan (C (:)))
未知参数定常状态空间模型。换句话说,如果是时不变的状态空间模型,然后使用相同的未知参数中定义的软件C
在每一个时期。numParamsC
未知参数时变状态空间模型,numParamsC =总和(cell2mat (cellfun (@ (x)和(总和(isnan (x))), C, UniformOutput, 0)))
。换句话说,如果是随时间变化的状态空间模型,那么软件分配一个新的参数为每个矩阵C
。
数据类型:双
|细胞
D
- - - - - -Observation-innovation系数矩阵
矩阵|细胞矩阵的向量|空数组([]
)
Observation-innovation系数矩阵的显式地创建状态空间模型,指定为一个矩阵,一个细胞的向量矩阵,或一个空数组([]
)。隐式创建的状态空间模型在评估之前,D
是[]
和只读。
观察创新,εt,是独立的高斯随机变量均值为0和标准偏差1。observation-innovation系数矩阵,Dt,指定添加剂错误结构的观测方程t,尽管t= 1,…,T。即观察方程t是yt=Ctxt+Dtεt。
对于定常状态空间模型,D
是一个n——- - - - - -h矩阵,n是观察和的数量吗h是观察的数量每时期的创新。D * D '
所有时间是observation-innovation协方差矩阵。
对于时变状态空间模型,D
是一个T维单元阵列,D {t}
包含一个nt——- - - - - -ht矩阵。如果观测的数量或观察创新变化的时期t,那么矩阵维度之间D {t - 1}
和D {t}
有所不同。D {t} * D {t}’
时期是state-disturbance协方差矩阵吗t
。
南
值在任何系数矩阵表示状态空间模型中的未知参数。D
贡献:
sum (isnan (D (:)))
未知参数定常状态空间模型。换句话说,如果是时不变的状态空间模型,然后使用相同的未知参数中定义的软件D
在每一个时期。numParamsD
未知参数时变状态空间模型,numParamsD =总和(cell2mat (cellfun (@ (x)和(总和(isnan (x))), D, UniformOutput, 0)))
。换句话说,如果是随时间变化的状态空间模型,那么软件分配一个新的参数为每个矩阵D
。
数据类型:双
|细胞
Mean0
- - - - - -初始状态的意思
数值向量|空数组([]
)
初始状态的意思是,指定为一个数值向量或一个空数组([]
)。Mean0
长度等于初始状态的数量(大小(1)
或大小(1){1},
)。
Mean0
是高斯分布的均值的州在0。
隐式创建的状态空间模型在评估之前,Mean0
是[]
和只读。然而,估计
指定Mean0
在评估之后。
数据类型:双
Cov0
- - - - - -初始状态协方差矩阵
方阵|空数组([]
)
初始状态协方差矩阵,指定为一个方阵或一个空数组([]
)。Cov0
尺寸等于初始状态的数量(大小(1)
或大小(1){1},
)。
Cov0
协方差的高斯分布的州在0。
隐式创建的状态空间模型在评估之前,Cov0
是[]
和只读。然而,估计
指定Cov0
在评估之后。
数据类型:双
StateType
- - - - - -初始状态分布类型
数值向量|空数组([]
)
初始状态分布指标,指定为一个数值向量或空数组([]
)。StateType
长度等于初始状态的数量。
隐式创建的状态空间模型或模型的未知参数,StateType
是[]
和只读。
这个表总结了可用类型的初始状态分布。
价值 | 初始状态分布类型 |
---|---|
0 |
固定(如ARMA模型) |
1 |
常数1(即状态为1的概率1) |
2 |
不稳定(如随机游走模型,季节性的线性时间序列)静态 |
例如,假设状态方程有两个状态变量:第一个状态变量是一个AR(1)过程,第二个状态变量是随机漫步。然后,StateType
是[0;2]
。
对于非平稳的状态,舰导弹
集Cov0
来1 e7
默认情况下。随后,该软件实现了卡尔曼滤波器进行滤波,平滑和参数估计。本规范规定相对较弱的知识扩散的初始状态值,并使用初始状态协方差之间的所有国家。
数据类型:双
ParamMap
- - - - - -Parameter-to-matrix映射函数
函数处理|空数组([]
)
Parameter-to-matrix映射函数,指定为一个函数处理或一个空数组([]
)。ParamMap
完全指定状态空间模型的结构。也就是说,ParamMap
定义了一个
,B
,C
,D
可选地,Mean0
,Cov0
,StateType
。对于显式地创建状态空间模型,ParamMap
是[]
和只读。
数据类型:function_handle
对象的功能
复制语义
价值。学习如何价值类影响复制操作,明白了复制对象。
例子
显式创建标准已知和未知参数状态空间模型
创建一个标准包含两个独立的状态空间模型、自回归状态,观察是确定性的和两个国家。象征性地,方程组
指定状态转换矩阵。
= (NaN 0;0 NaN);
指定state-disturbance-loading矩阵。
B =[南0;0 NaN);
指定measurement-sensitivity矩阵。
C = [1];
定义使用状态空间模型舰导弹
。
Mdl =舰导弹(A, B, C)
Mdl =类型:状态空间模型的地对地导弹状态向量与长度:2观测向量长度:1状态扰动向量长度:2观察创新向量长度:0样本量模型:支持无限的未知参数估计:4状态变量:x1, x2,…金宝app国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…未知参数:c1, c2,…状态方程:x1 (t) = (c1) x1 (t - 1) + (c3) u1 (t) x2 (t) = (c2) x2 (t - 1) + (c4) u2 (t)观测方程:日元(t) = x1 (t) + x2 (t)初始状态分布:初始状态意味着不指定。没有指定初始状态协方差矩阵。国家没有指定类型。
Mdl
是一个舰导弹
含有未知参数的模型。一个详细的总结Mdl
打印命令窗口。
这是良好的实践验证状态和观测方程是正确的。如果方程是不正确的,那么它可能有助于扩大手动状态方程。
显式地创建与观测误差状态空间模型
创建一个包含两个独立的状态空间模型、自回归状态,并观察两种状态的总和,加上高斯误差。象征性地,方程
定义状态转换矩阵。
= (NaN 0;0 NaN);
定义state-disturbance-loading矩阵。
B =[南0;0 NaN);
定义measurement-sensitivity矩阵。
C = [1];
定义observation-innovation矩阵。
D =南;
创建使用状态空间模型舰导弹
。
Mdl =舰导弹(A, B, C, D)
Mdl =类型:状态空间模型的地对地导弹状态向量与长度:2观测向量长度:1状态扰动向量长度:2观察创新向量长度:1样本容量支持模型:无限的未知参数估计:5状态变量:x1, x2,…金宝app国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…未知参数:c1, c2,…状态方程:x1 (t) = (c1) x1 (t - 1) + (c3) u1 (t) x2 (t) = (c2) x2 (t - 1) + (c4) u2 (t)观测方程:日元(t) = x1 (t) + x2 (t) + (c5) e1 (t)初始状态分布:初始状态意味着不指定。没有指定初始状态协方差矩阵。国家没有指定类型。
Mdl
是一个舰导弹
含有未知参数的模型。一个详细的总结Mdl
打印命令窗口。
这是良好的实践验证状态和观测方程是正确的。如果方程是不正确的,那么它可能有助于扩大手动状态方程。
通过数据和Mdl
来估计
来估计参数。
创建初始状态值的状态空间模型
创建一个状态空间模型,状态方程是一个AR(2)模型。扰动状态意味着零高斯随机变量标准差为0.3。观测方程的区别是当前和以前的状态加上平均零高斯观察创新标准偏差为0.1。象征性地,是状态空间模型
有三种状态: 是AR(2)的过程, 代表 , 是AR(2)模型常数。
定义状态转换矩阵。
(0.6 - 0.2 = 0.5;1 0 0;0 0 1);
定义state-disturbance-loading矩阵。
B = (0.3;0;0);
定义measurement-sensitivity矩阵。
C = (1 1 0);
定义observation-innovation矩阵。
D = 0.1;
使用舰导弹
状态空间模型来创建。设置初始状态是指(Mean0
)和协方差矩阵(Cov0
)。确定初始状态分布的类型(StateType
),注意以下几点:
是一个静止不动的,AR(2)的过程。
也是一个静止不动的,AR(2)的过程。
是为所有时间常数1。
Mean0 = [0;0;1);%的均值AR (2)varAR2 = 0.3 * (1 - 0.2) / ((1 + 0.2) * ((1 - 0.2) ^ 2 - 0.6 ^ 2));%的方差AR (2)Cov1AR2 = 0.6 * 0.3 / ((1 + 0.2) * ((1 - 0.2) ^ 2) - 0.6 ^ 2);%的协方差AR (2)Cov0 = 0 (3);Cov0 (1:2, 1:2) = varAR2 *眼(2)+ Cov1AR2 *翻转(眼(2));StateType = [0;0;1);Mdl =舰导弹(A, B, C, D,“Mean0”Mean0,“Cov0”Cov0,“StateType”StateType)
Mdl =类型:状态空间模型的地对地导弹状态向量与长度:3观测向量长度:1状态扰动向量长度:1创新观察向量长度:1样本容量支持模型:无限的状态变量:x1, x2,…金宝app国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…状态方程:x1 (t) = (0.60) x1 (t - 1) + (0.20) x2 (t - 1) + (0.50) x3 (t - 1) + (0.30) u1 (t) x2 (t) = x1 (t - 1) x3 (t) = x3 (t - 1)观测方程:日元(t) = x1 (t) - x2 (t) + (0.10) e1 (t)初始状态分布:初始状态意味着(x1, x2) x3 0 0 1初始状态协方差矩阵(x1, x2) x3 x1 0.71 - 0.44 0.44 - 0.71 0 x2 0 x3 0 0 0 x1状态类型x3静止固定常数
Mdl
是一个舰导弹
模型。
你可以显示的属性Mdl
使用点符号。例如,显示初始状态协方差矩阵。
Mdl.Cov0
ans =3×30.7143 - 0.4412 0.4412 - 0.7143 0 0 0 0
隐式地创建定常状态空间模型
使用参数映射函数创建一个时不变,状态空间模型的状态模型AR(1)模型。美国发现有偏见,但没有随机误差。设置初始状态均值和方差,并指定的状态是静止的。
写一个函数,用于指定参数参数个数
状态空间模型映射到矩阵,初始状态值和状态的类型。象征性地,模型
% 2015年版权MathWorks公司。函数[A, B, C, D, Mean0 Cov0, StateType] = timeInvariantParamMap (params)%定常参数状态空间模型映射函数的例子。这%功能映射向量参数状态方程矩阵(A, B, C,% D),初始状态值和初始状态(Mean0和方差% Cov0),状态(StateType)的类型。状态模型AR (1)%没有观测误差。varu1 = exp (params (2));%积极方差约束一个= params (1);B =√varu1);C = params (3);D = [];Mean0 = 0.5;Cov0 = 100;StateType = 0;结束
将该代码保存为一个文件命名timeInvariantParamMap.m
一个文件夹在您的MATLAB®路径。
通过状态空间模型创建函数timeInvariantParamMap
作为句柄函数舰导弹
。
Mdl =舰导弹(@timeInvariantParamMap);
舰导弹
隐式地创建状态方程模型。通常情况下,你无法验证隐式定义的状态空间模型。
分散转化成状态空间模型的标准
如果你估计,过滤器,包含至少一个状态空间模型或光滑的扩散扩散状态,那么软件使用卡尔曼滤波器。使用标准卡尔曼滤波器相反,将扩散到一个标准的状态空间模型的状态空间模型。舰导弹
属性大初始状态方差(1 e7
)分散状态。标准的治疗结果是一个近似状态空间模型的结果分散卡尔曼滤波器。然而,估计
使用的所有数据以适应模型,和过滤器
和光滑的
分别返回过滤和平滑估计所有的时间。
显式地创建一个状态空间模型一维扩散。指定第一个状态方程 ,观测模型 。
= 1;B = 1;C = 1;D = 1;MdlDSSM = dssm (A, B, C, D)
类型:状态空间模型MdlDSSM = dssm状态向量长度:1观察向量长度:1状态扰动向量长度:1创新观察向量长度:1样本容量支持模型:无限的状态变量:x1, x2,…金宝app国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…状态方程:x1 (t) = x1 (t - 1) + u1 (t)观测方程:日元(t) = x1 (t) + e1 (t)初始状态分布:初始状态意味着x1 0 x1 x1初始状态协方差矩阵正态类型x1扩散
MdlDSSM
是一个dssm
模型对象。因为模型不包含任何未知的参数,dssm
推断初始状态分布及其参数。特别是,初始状态方差正
因为不稳定状态默认弥散分布。
MdlDSSM转化成状态空间模型的标准。
Mdl =舰导弹(MdlDSSM)
Mdl =类型:状态空间模型的地对地导弹状态向量与长度:1观察向量长度:1状态扰动向量长度:1创新观察向量长度:1样本容量支持模型:无限的状态变量:x1, x2,…金宝app国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…状态方程:x1 (t) = x1 (t - 1) + u1 (t)观测方程:日元(t) = x1 (t) + e1 (t)初始状态分布:初始状态意味着x1 0初始状态协方差矩阵x1 x1 1 e + 07状态类型x1扩散
Mdl
是一个舰导弹
模型对象。的结构Mdl
和MdlDSSM
是等价的,除了国家的初始状态方差在吗Mdl
是1 e7
。
看到两个模型之间的差异,模拟10期的数据从一个类似的状态空间模型Mdl
,除了已知的初始状态的意思是5和方差2。
Mdl0 =舰导弹(A, B, C, D,“Mean0”5,“Cov0”2,“StateType”2);T = 10;rng (1);%的再现性y =模拟(Mdl0 T);
得到过滤和平滑状态Mdl
和MdlDSSM
使用模拟数据。
财政年度=过滤器(Mdl y);锦纶长丝=过滤器(MdlDSSM y);sY =光滑(Mdl y);sDY =光滑(MdlDSSM y);
情节的过滤和平滑状态。
图;阴谋(1:T y“o”1:T,财政年度,“- d”1:T,锦纶长丝,“- *”);传奇(模拟数据的,“州——Mdl过滤”,“州——MdlDSSM过滤”);
图;阴谋(1:T y“o”1:T, sY,“- d”1:T, sDY“- *”);传奇(模拟数据的,“平滑状态——Mdl”,“平滑状态——MdlDSSM”);
除了明显的瞬态行为,过滤和平滑国家标准和分散状态空间模型之间的出现几乎等价。是因为的细微差别过滤器
和光滑的
设置所有分散在分散状态估计为0时状态空间模型实现分散卡尔曼滤波器。一旦平滑状态实现的协方差矩阵满秩,过滤器
和光滑的
切换到使用标准的卡尔曼滤波器。在这种情况下,开关时间发生后的第一次月经。
更多关于
静态
一个静态不会改变的价值在整个样本,也就是说, 对所有t= 1,…,T。
提示
指定ParamMap
在更一般的或复杂的环境中,例如:
初始状态值参数。
在时变模型中,您希望使用相同的参数超过一个周期。
你想对参数约束。
算法
的默认值
Mean0
和Cov0
:如果您显式地指定(也就是说,您提供状态空间模型的系数矩阵
一个
,B
,C
,可选D
),那么:对于静止的状态,软件生成使用平稳分布的初始值。如果您提供所有值的系数矩阵(也就是说,您的模型没有未知参数),
舰导弹
生成初始值。否则,在估算软件生成的初始值。州总是常数1,
舰导弹
集Mean0
1,Cov0
来0
。为分散状态,软件集
Mean0
为0,Cov0
来1 e7
默认情况下。
如果你状态空间模型隐式地创建(也就是说,您提供的参数向量coefficient-matrices-mapping函数
ParamMap
),那么在估算软件生成任何初始值。
静态状态不等于1的示例中,软件不能赋值到退化,初始状态分布。因此,设置静态状态
2
使用名称-值对的论点StateType
。随后,该软件将静态状态不稳定和分配静态扩散的初始分布。是最佳实践的集合
StateType
为每个状态。默认情况下,软件生成StateType
,但这种行为可能不准确。例如,软件无法区分一个常数1状态和一个静态状态。软件不能推断出
StateType
理论上的数据,因为数据来自观测方程。状态方程的实现是不可见的。舰导弹
模型没有商店观察反应或预测数据。提供必要的数据无论使用适当的输入或名称-值对参数。假设您想要创建一个使用状态空间模型parameter-to-matrix映射函数的签名:
[A, B, C, D, Mean0 Cov0, StateType, DeflateY] = paramMap (params, Y, Z)
Mdl =舰导弹(@ (params) paramMap (params, Y, Z))
Y
和预测数据Z
不匿名函数的输入参数。如果Y
和Z
存在于MATLAB工作区之前创建Mdl
,那么软件建立一个链接。否则,如果你通过Mdl
来估计
,软件将抛出一个错误。建立的链接数据匿名函数覆盖所有其他相应的输入参数的值
估计
。这个区别很重要,特别是当进行滚动窗口分析。有关详细信息,请参见Rolling-Window分析时间序列模型。
选择
引用
[1]杜宾J。,S. J. Koopman.时间序列分析的状态空间方法。第二版》。牛津:牛津大学出版社,2012年。
MATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。