主要内容

LagOp

创建滞后算子多项式

描述

创建一个p度,-维滞后算子多项式一个l) =一个0+一个1l1+一个2l2+……+一个plp通过指定系数矩阵一个0、……一个p以及相应的延迟(可选)。l滞后(或二次变换)这样的运算符ljytyt- - - - - -j

LagOp对象的功能使您能够处理指定的多项式。例如,您可以通过多项式筛选时间序列数据,确定其中一个是否稳定,或者通过执行多项式代数(包括加、减、乘和除)来组合多个多项式。

要将包含滞后算子多项式的动态模型拟合到数据中,请创建适当的模型对象,然后将其拟合到数据中。对于单变量模型,请参见华宇电脑而且估计;有关多元模型,请参见varm而且估计.为了进一步分析,您可以创建一个LagOp对象的值。

创建

描述

例子

一个= LagOp (系数创建滞后运算符多项式一个与系数系数,并设置系数财产。

例子

一个= LagOp (系数名称,值使用一个或多个名称-值对参数指定其他选项。例如,LagOp(系数,“滞后”,[0 4 8],“宽容”,1平台以及)将系数与滞后相关联04,8,并将延迟包含公差设置为1平台以及

输入参数

全部展开

滞后算符多项式系数,指定为数值向量,——- - - - - -方阵数字矩阵,或单元向量的——- - - - - -广场数字矩阵。

价值 返回的多项式LagOp
长度数字向量p+ 1 一个p-度,一维滞后算子多项式,其中系数(j是滞后系数吗j- 1
——- - - - - -广场数字矩阵 0度,-D滞后算子多项式,其中系数一个0,滞后系数为0
长度p+ 1的细胞向量——- - - - - -广场数字矩阵 一个p-D滞后算子多项式,其中系数(j是滞后系数矩阵吗j- 1

例子:LagOp (1:3)创建一个多项式一个l) = 1 + 2l1+ 3l2

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名-值参数必须出现在其他参数之后,但对的顺序并不重要。

在R2021a之前,名称和值之间用逗号隔开,并括起来的名字在报价。

例子:8“滞后”,[4],“宽容”,1平台以及将系数与滞后相关联4而且8,将系数幅值公差设置为1平台以及

与多项式系数相关的滞后,指定为逗号分隔对,由“滞后”和一个唯一的非负整数的向量。滞后必须有numcoeff元素,numcoeff是以下之一:

  • 如果系数是数值或单元格向量,numcoeff元素个数(系数).滞后系数滞后(j系数(j

  • 如果系数是一个矩阵,numcoeff1

例子:“滞后”,[0 4 8 12]

延迟包含公差,指定为逗号分隔的对,由“宽容”和一个非负的数值标量。

c是系数的元素j最大的星等。如果c宽容LagOp删除系数j从多项式。因此,MATLAB®执行以下操作:

  • 中的向量删除相应的延迟滞后财产。

  • 替换数组中相应的系数系数财产与0 (

  • 如果一个被删除的滞后是多项式中的最终滞后,MATLAB将该多项式的次数减少到该多项式中出现的第二大滞后的次数。例如,如果MATLAB从一个4次多项式中去除滞后3和4,因为它们的系数量级低于宽容,得到的多项式的次数为2。

例子:“宽容”,1平台以及

属性

全部展开

滞后算符多项式系数,指定为数值标量或滞后索引单元格数组——- - - - - -矩阵。系数{j是滞后系数吗j,其中整数j0.例如,A.Coefficients {0}的滞后0系数一个

滞后属性的非零系数的指标系数

此属性是只读的。

多项式的学位p,指定为非负数值标量。学位马克斯(滞后),与非零系数相关的最大滞后。

数据类型:

此属性是只读的。

多项式的维度,指定为正数值标量。你可以应用多项式一个只有一个-D时间序列变量。

数据类型:

此属性是只读的。

与非零系数相关的多项式滞后,指定为非负整数的滞后索引向量。

用…的价值工作滞后,通过输入以下代码将其转换为一个标准的MATLAB矢量。

滞后= A.Lags;

数据类型:

对象的功能

过滤器 应用滞后算子多项式对时间序列进行滤波
isEqLagOp 确定两个LagOp对象是相同的数学多项式
isNonZero 的非零系数相关的滞后LagOp对象
趋于稳定 确定滞后算子多项式的稳定性
- 滞后算子多项式减法
mldivide 滞后算子多项式左除法
mrdivide 滞后算子多项式右除法
mtimes 滞后算子多项式乘法
+ 滞后算子多项式加法
反映 反映滞后算子的多项式系数在滞后零点附近
toCellArray 将滞后运算符多项式对象转换为单元格数组

例子

全部折叠

创建一个LagOp对象,表示滞后运算符多项式

一个 l 1 - 0 6 l + 0 0 8 l 2

A = LagOp([1 -0.6 0.08])
一个=一维滞后算子多项式 : ----------------------------- 系数:-0.6 - 0.08[1]滞后:[0 1 2)学位:2维:1

显示滞后系数0。

a0 = A.Coefficients {0}
a0 = 1

为第三个滞后分配一个非零系数:

A.Coefficients {3} = 0.5
一个=一维滞后算子多项式 : ----------------------------- 系数:[1 -0.6 0.08 0.5]滞后:[0 1 2 3]学位:3维:1

多项式次增加到3.

创建一个LagOp对象,表示滞后运算符多项式

一个 l 1 + 0 2 5 l 4 + 0 1 l 8 + 0 0 5 l 1 2

nonzeroCoeffs = [1 0.25 0.1 0.05];滞后= [0 4 8 12];= LagOp (nonzeroCoeffs“滞后”滞后)
一个=一维滞后算子多项式 : ----------------------------- 系数:[1 0.25 0.1 0.05]滞后:[0 4 8 12]学位:12维度:1

从滞后算子多项式中提取系数,并显示从滞后0到12的所有系数。

allCoeffs = toCellArray(一个);%提取系数allCoeffs = cell2mat (allCoeffs ');allLags = 0: A.Degree;为显示准备延迟表(allCoeffs,“RowNames”“滞后”+字符串(allLags))
ans =13×1表allCoeffs _________滞后0 1滞后10滞后2 0滞后3 0滞后4 0.25滞后5 0滞后6 0滞后7 0滞后8 0.1滞后9 0滞后10 0滞后11 0滞后12 0.05

创建一个LagOp对象,表示滞后运算符多项式

一个 l 0 5 0 0 0 1 0 0 0 - 0 5 + 1 0 2 5 0 1 - 0 5 1 - 0 5 0 1 5 - 0 2 1 l 4

Phi0 = [0.5 0 0;0 1 0;0 0 -0.5];Phi4 = [1 0.25 0.1;-0.5 - 1 -0.5;0.15 - -0.2 1);Phi = {Phi0 Phi4};滞后= [0 4];一个= LagOp(φ,“滞后”滞后)
A = 3- d滞后算子多项式:-----------------------------系数:[带2个非零系数的滞后索引单元阵列]滞后:[0 4]度:4维:3

创建多元滞后算子多项式

创建二维3次滞后算子多项式

一个 l 1 0 0 1 + 0 5 0 2 5 - 0 1 0 4 l + 0 0 5 0 0 2 5 - 0 0 1 0 0 4 l 3.

m = 2;A0 =眼(m);A1 = [0.5 0.25;-0.1 - 0.4);A3 = 0.1 * A1;Coeffs = {A0 A1 A3};滞后= [0 1 3];一个= LagOp(多项式系数,“滞后”滞后)
A =二维滞后算子多项式:-----------------------------系数:[3个非零系数的滞后索引单元阵列]滞后:[0 1 3]度:3维:2

确定多项式稳定性

当一个滞后算子多项式的特征值的大小都小于1时,该滞后算子多项式是稳定的。

确定多项式是否稳定,并返回其特征多项式的特征值。

(tf,测评)=趋于稳定(A)
tf =逻辑1
测评=6×1复杂-0.5820 + 0.1330i -0.5820 - 0.1330i 0.0821 + 0.2824i 0.0821 - 0.2824i 0.0499 + 0.2655i 0.0499 - 0.2655i

逆多项式

计算的逆 一个 l 通过右除2 × 2单位矩阵除以 一个 l

Ainv = mrdivide(眼睛(A.Dimension))
Ainv =二维滞后算子多项式:-----------------------------系数:[10个非零系数的滞后索引单元阵列]滞后:[0 1 2 3 4 5 6 7 8 9]度:9维数:2

Ainv是一个LagOp的倒数的对象 一个 l ,一个9次滞后算子多项式。理论上,滞后算子多项式的逆是无限次的,但是mrdivide系数-幅度公差截断了多项式。

一个 l 和它的逆矩阵。

checkinv = Ainv *
系数:[带4个非零系数的滞后索引单元阵列]滞后:[0 10 11 12]度:12维数:2

因为逆计算返回截断的理论逆,积checkinv包含表示余数的滞后。你可以减少mrdivide系数-幅度公差,以获得更精确的逆多项式。

过滤时间序列

生成二维时间序列 y t 一个 l e t 一个 0 e t + 一个 1 e t - 1 + 一个 2 e t - 2 + 一个 3. e t - 3. 通过过滤100个随机标准高斯偏差的二维序列 e t 通过多项式。

T = 100;e = randn (T, m);y =过滤器(A, e);情节(A。学位+ 1):T,y) title(“过滤系列”

图中包含一个axes对象。标题为Filtered Series的axes对象包含两个类型为line的对象。

y97 × 2矩阵代表什么 y t yp观察少于e因为过滤器需要第一p的观察e在生产时初始化动态系列: y (1:4)

版本历史

介绍了R2010a