主要内容
aryule
自回归全极模型参数- Yule-Walker方法
描述
例子
利用Yule-Walker方法进行参数估计
使用多项式系数向量通过过滤1024个白噪声样本生成AR(4)过程。重置随机数生成器以获得可重复的结果。使用Yule-Walker方法来估计系数。
rng默认的A = [1 -2.7607 3.8106 -2.6535 0.9238];y = filter(1,A,0.2*randn(1024,1));Arcoeffs = aryule(y,4)
arcoeffs =1×51.000 -2.7262 3.7296 -2.5753 0.8927
生成50个过程实现，每次改变输入噪声的方差。将yule - walker估计的方差与实际值进行比较。
nrealz = 50;Noisestdz = rand(1, nrealz)+0.5;Randnoise = randn(1024, nrealz);Noisevar = 0 (1, nrealz);为k = 1: nrealizz y = filter(1,A,noisestdz(k) * randnoise(:，k));[arcoeffs,noisevar(k)] = aryule(y,4);结束情节(noisestdz。^ 2 noisevar‘*’)标题(噪声方差的)包含(“输入”) ylabel (“估计”）
使用函数的多通道语法重复该过程。
Y = filter(1,A,noisestdz.*randnoise);[coeffs,variance] = aryule(Y,4);持有在情节(noisestdz。^ 2,方差,“o”)举行从传奇(“单通道循环”，“多通道”，“位置”，“最佳”）
利用反射系数衰减估计模型顺序
使用多项式系数向量通过过滤1024个白噪声样本生成AR(2)过程。重置随机数生成器以获得可重复的结果。
rng默认的Y = filter(1，[1 -0.75 0.5]，0.2*randn(1024,1));
使用Yule-Walker方法将AR(10)模型拟合到过程中。输出并绘制反射系数。只有前两个系数在95%置信范围之外，表明AR(10)模型显著高估了数据中的时间依赖性。看到基于部分自相关序列的AR顺序选择了解更多细节。
[ar,nvar,rc] = aryule(y,10);茎(rc) xlim([0 11]) conf95 =√(2)*erfinv(0.95)/√(1024);[X,Y] = ndgrid(xlim,conf95*[-1 1]);持有在情节(X, Y,“——r”)举行从标题(的反射系数）
输入参数
输出参数
更多关于
算法
aryule利用样本自相关序列的有偏估计上的Levinson-Durbin递归计算参数。
参考文献
[1]海耶斯，蒙森H。统计数字信号处理与建模．纽约:John Wiley & Sons出版社，1996年。
扩展功能
R2006a之前介绍过
您也可以从以下列表中选择网站:
