Средство оценки AR города
Вычислите оценку авторегрессивных (AR) параметры модели с помощью метода Города
Библиотека
Оценка / Параметрическая Оценка
dspparest3
Описание
Блок Burg AR Estimator использует метод Города, чтобы соответствовать авторегрессивной модели (AR) к входным данным путем минимизации (наименьшие квадраты) прямых и обратных ошибок прогноза, ограничивая параметры AR удовлетворить рекурсию Левинсона-Дербина.
Вход должен быть вектор-столбцом или неориентированным вектором, который принят, чтобы быть выводом системы AR, управляемой белым шумом. Этот вход представляет кадр последовательных выборок времени от одноканального сигнала. Блок вычисляет нормированную оценку системных параметров AR, A (z), независимо для каждого последовательного входного кадра.
Когда вы выбираете параметр Inherit estimation order from input dimensions, порядок, p, модели все-полюса является тем меньше, чем длина входного вектора. В противном случае порядок является значением, заданным параметром Estimation order.
Параметр Output(s) позволяет вам выбирать между двумя реализацией процесса AR:
AГлавный вывод, A, является вектор-столбцом длины p +1 с тем же состоянием кадра как вход и содержит нормированную оценку коэффициентов полинома модели AR в убывающих степенях z.[1 a(2) ... a(p+1)]
KГлавный вывод, K, является вектор-столбцом длины p с тем же состоянием кадра как вход и содержит отражательные коэффициенты (которые являются вторичным результатом рекурсии Левинсона).A and K— Блок выходные параметры обе реализации.
Скалярное усиление, G, обеспечивается при нижнем выводе (G).
Следующая таблица сравнивает функции блока Burg AR Estimator к AR Ковариации Эстимэтор, Измененный AR Ковариации Эстимэтор и блоки Уокера Рождества АРА Эстимэтора.
| Средство оценки AR города | Средство оценки AR ковариации | Измененное средство оценки AR ковариации | Средство оценки AR Уокера Рождества | |
|---|---|---|---|---|
Characteristics | Не применяет окно к данным | Не применяет окно к данным | Не применяет окно к данным | Применяет окно к данным |
Минимизирует прямые и обратные ошибки прогноза в смысле наименьших квадратов, с коэффициентами AR, ограниченными удовлетворить рекурсию L-D | Минимизирует прямую ошибку прогноза в смысле наименьших квадратов | Минимизирует прямые и обратные ошибки прогноза в смысле наименьших квадратов | Минимизирует прямую ошибку прогноза в смысле наименьших квадратов (также названный “метод автокорреляции”) | |
| Всегда производит стабильную модель | Всегда производит стабильную модель | ||
| Может произвести нестабильные модели | Может произвести нестабильные модели | Выполняет относительно плохо для коротких записей данных | |
| Порядок должен быть меньше чем или равен половине входного формата кадра | Порядок должен быть меньше чем или равен 2/3 входной формат кадра | Из-за смещенной оценки матрица автокорреляции гарантируется положительно-определенному, следовательно несингулярному |
Параметры
- Output(s)
Реализация, чтобы вывести, коэффициенты модели, отражательные коэффициенты или оба.
- Inherit estimation order from input dimensions
Когда выбрано, устанавливает порядок оценки p к меньше, чем длина входного вектора.
- Estimation order
Порядок модели AR, p. Этот параметр включен, когда вы не выбираете Inherit estimation order from input dimensions.
Ссылки
Кей, S. M. Современная спектральная оценка: теория и приложение. Englewood Cliffs, NJ: Prentice Hall, 1988.
Марпл, S. L. цифровой спектральный анализ младший с приложениями. Englewood Cliffs, NJ: Prentice Hall, 1987.
Поддерживаемые типы данных
| Порт | Поддерживаемые типы данных |
|---|---|
Входной параметр |
|
A |
|
G |
|
Смотрите также
| Метод города | DSP System Toolbox |
| Средство оценки AR ковариации | DSP System Toolbox |
| Измененное средство оценки AR ковариации | DSP System Toolbox |
| Средство оценки AR Уокера Рождества | DSP System Toolbox |
arburg | Signal Processing Toolbox |