使用复杂数据的频谱估算-Marple的测试用例

打开实时脚本

此示例显示了如何对时间序列数据执行光谱估计。我们使用Marple的测试用例（L. Marple中的复杂数据：S.L. Marple，JR，JR，数字光谱分析，应用程序，Prentice-Hall，Englewood Cliffs，NJ，1987年。）

让我们首先加载测试数据：

加载马普尔

系统标识Toolbox™中的大多数例程都支持复杂数据。金宝app为了绘制，我们分别检查了数据的真实和虚构部分。

首先，查看数据：

子图（211），情节（真实（marple）），标题（“数据的真实部分。”）子图（212），情节（图像（marple）），标题（“数据的虚构部分”。）

图包含2个轴对象。轴对象1具有标题的实际部分数据。包含一个类型行的对象。轴对象2具有数据的标题一部分。包含一个类型行的对象。

作为初步分析步骤，让我们检查数据的期刊：

per = etfe（marple）;w = per.frequency;Clf H = Spectrumplot（Per，W）;opt = getOptions（h）;opt.freqscale =“线性”;opt.frequnits ='赫兹';setOptions（h，opt）

图包含一个轴对象。带有标题的轴对象来自以下内容：e@y1至：y1包含一个类型行的对象。此对象表示每个对象。

由于数据记录仅为64个样本，并且计算了128个频率的期刊图，因此我们清楚地看到了狭窄频率窗口的振荡。因此，我们对期刊（对应于1/32 Hz的频率分辨率）进行一些平滑处理：

sp = etfe（Marple，32）;Spectrumplot（PER，SP，W）;

图包含一个轴对象。带有标题的轴对象来自以下内容：e@y1至：y1包含2个类型行的对象。这些对象表示per，sp。

现在让我们尝试Blackman-Tukey的频谱估计方法：

SSM = SPA（MARPLE）;％功能SPA执行光谱估计Spectrumplot（sp，'b'，SSM，'G'，w，opt）;传奇（{“平滑期刊图”，，，，“布莱克曼 - 塔基估计”}）;

图包含一个轴对象。带有标题的轴对象来自以下内容：e@y1至：y1包含2个类型行的对象。这些对象代表平滑的期刊，Blackman-Tukey估计。

默认窗口长度为少量数据提供了一个非常狭窄的滞后窗口。我们可以选择一个较大的滞后窗口：

SS20 = SPA（Marple，20）;Spectrumplot（sp，'b'，SS20，'G'，w，opt）;传奇（{“平滑期刊图”，，，，“布莱克曼 - 塔基估计”}）;

图包含一个轴对象。带有标题的轴对象来自以下内容：e@y1至：y1包含2个类型行的对象。这些对象代表平滑的期刊，Blackman-Tukey估计。

参数5阶AR模型由以下方式计算

t5 = ar（marple，5）;

与期刊估计值进行比较：

Spectrumplot（sp，'b'，T5，'G'，w，opt）;传奇（{“平滑期刊图”，，，，“第五阶估计”}）;

图包含一个轴对象。带有标题的轴对象来自以下内容：e@y1至：y1包含2个类型行的对象。这些对象代表平滑的期刊，第五阶AR估计。

实际上，AR-Command涵盖了20种不同的方法进行频谱估计。以上是Marple书中所谓的“修改后协方差估计”。

获得了其他一些知名度：

tb5 = ar（marple，5，'burg'）；％burg的方法ty5 = ar（Marple，5，'yw'）；％Yule-Walker方法Spectrumplot（T5，TB5，TY5，W，OPT）;传奇（{“修改协方差”，，，，'burg'，，，，'Yule-Walker'}）

图包含一个轴对象。带有标题的轴对象来自以下内容：e@y1至：y1包含3个类型行的对象。这些对象代表修改后的协方差，伯格，尤尔·沃克。

也可以使用仪器变量方法进行AR模型。为此，我们使用该功能伊瓦：

ti = ivar（Marple，4）;Spectrumplot（T5，Ti，W，Opt）;传奇（{“修改协方差”，，，，“乐器变量”}）

图包含一个轴对象。带有标题的轴对象来自以下内容：e@y1至：y1包含2个类型行的对象。这些对象代表修改后的协方差，仪器变量。

此外，系统识别工具箱涵盖了光谱的ARMA模型：

ta44 = armax（marple，[4 4]）;％4个AR-Parameters和4个MA-参数Spectrumplot（T5，TA44，W，OPT）;传奇（{“修改协方差”，，，，'arma'}）

图包含一个轴对象。带有标题的轴对象来自以下内容：e@y1至：y1包含2个类型行的对象。这些对象代表修改后的协方差，ARMA。