Оцените параметры модели AR для скалярных временных рядов
m = ar(y,n)
[m,ref1]
= ar(y,n,approach,window)
m= ar(y,n,Name,Value)
m= ar(y,n,___,opt)
Используйте для скалярных временных рядов только. Для многомерных данных используйте arx
.
возвращает модель m
= ar(y
,n
)idpoly
m
.
[
возвращает модель m
,ref1
]
= ar(y
,n
,approach
,window
)idpoly
m
и переменная refl
. Для двух основанных на решетке подходов, 'burg'
и 'gl'
, refl
хранит отражательные коэффициенты в первой строке и соответствующие значения функции потерь во второй строке. Первый столбец refl
является моделью нулевого порядка, и элемент (2,1)
refl
является нормой самих временных рядов.
задает образцовые атрибуты структуры с помощью одного или нескольких аргументов пары m
= ar(y
,n
,Name,Value
)Name,Value
.
|
Объект |
|
Скаляр, который задает порядок модели, которую вы хотите оценить (количество параметры в модели AR). |
|
Алгоритм для вычисления модели AR наименьших квадратов, заданной как одно из следующих значений:
|
|
Использование информации о данных вне измеренного временного интервала (прошлые и будущие значения), заданный как одно из следующих значений:
|
|
Опции оценки.
Используйте |
Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми.
Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение.
Name
должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
|
Положительная скалярная величина, которая задает шаг расчета. Используйте, когда вы зададите |
|
Булево значение, которое задает, содержит ли источник шума интегратор или нет. Используйте его, чтобы создать модели структуры "ARI": По умолчанию: false |
|
Модель |
|
Массив 2 на 2. Первая строка хранит отражательные коэффициенты, и вторая строка хранит соответствующие значения функции потерь. Первый столбец |
Учитывая синусоидальный сигнал с шумом, сравните спектральные оценки метода Города с найденными от прямого обратного подхода и метода без работ с окнами на Диаграмме Боде.
y = sin([1:300]') + 0.5*randn(300,1); y = iddata(y); mb = ar(y,4,'burg'); mfb = ar(y,4); bode(mb,mfb)
Оцените модель ARI.
load iddata9 z9 Ts = z9.Ts; y = cumsum(z9.y); model = ar(y, 4, 'ls', 'Ts', Ts, 'IntegrateNoise', true) compare(y,model,5) % 5 step ahead prediction
Используйте набор опции, чтобы выбрать подход оценки 'ls'
и указать, что ковариационная матрица не должна быть оценена.
y = rand(100,1); opt = arOptions('Approach', 'ls', 'EstimateCovariance', false); model = ar(y, N, opt);
Структура модели AR дана следующим уравнением:
Параметры модели AR оцениваются с помощью вариантов метода наименьших квадратов. Следующая таблица обобщает общие названия для методов с определенной комбинацией значений аргументов window
и approach
.
Метод | Подход и работа с окнами |
---|---|
Измененный метод ковариации | Прямой обратный подход (По умолчанию) и никакая работа с окнами. |
Метод корреляции | Подход Уокера Рождества, который соответствует наименьшим квадратам плюс пред - и постработа с окнами. |
Метод ковариации | Наименьшие квадраты приближаются без работы с окнами. arx использует эту стандартную программу. |
Марпл, младший, S.L., цифровой спектральный анализ с приложениями, Prentice Hall, Englewood Cliffs, 1987, глава 8.