协方差AR估计量

用协方差法计算自回归(AR)模型参数的估计

图书馆

估计/参数估计

dspparest3

协方差AR估计块使用协方差方法拟合自回归(AR)对输入数据进行建模。该方法在最小二乘意义上使正向预测误差最小。

输入必须是列向量或无向向量，假定为白噪声驱动的AR系统的输出。这个输入代表了一帧来自单通道信号的连续时间采样。该模块计算AR系统参数的归一化估计，一个（z)，分别用于每个连续输入帧。

$H （ z ）＝ \frac{G}{一个（ z ）} ＝ \frac{G}{1 + 一个（ 2 ） z^{- 1} + ．.. + 一个（ p + 1 ） z^{- p}}$

订单,p，全极模型的估计订单参数。要保证有效输出，必须设置估计订单参数小于或等于输入向量长度的一半。

上面的输出,一个，是一个长度的列向量p+1，与输入帧状态相同，包含AR模型系数的归一化估计，以降幂表示z．

[1(2)……(p + 1))

标量增益,G，在底部输出(G)．

有关Burg AR Estimator、协方差AR Estimator、修正协方差AR Estimator和Yule-Walker AR Estimator块的比较，请参阅Burg AR Estimator块参考页。

凯,s M。现代光谱估计:理论与应用。Englewood Cliffs, NJ: Prentice-Hall, 1988。

小马普尔数字频谱分析及其应用。Englewood Cliffs, NJ: Prentice-Hall, 1987。

生成的代码依赖于memcpy或memset函数(string.h)在某些条件下。

之前介绍过的R2006a