Вычислите оценку авторегрессивных (AR) параметры модели с помощью метода Города
Оценка / Параметрическая Оценка
dspparest3
Блок Burg AR Estimator использует метод Города, чтобы подбирать авторегрессивную модель (AR) к входным данным путем минимизации (наименьшие квадраты) прямых и обратных ошибок прогноза, ограничивая параметры AR удовлетворить рекурсии Левинсона-Дербина.
Вход должен быть вектор-столбцом или неориентированным вектором, который принят, чтобы быть выходом системы AR, управляемой белым шумом. Этот вход представляет систему координат 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:
A — Главный выход, A, является вектор-столбцом длины p +1 с тем же состоянием системы координат как вход и содержит нормированную оценку коэффициентов полинома модели AR в убывающих степенях z.
[1 a(2) ... a(p+1)]
K — Главный выход, K, является вектор-столбцом длины p с тем же состоянием системы координат как вход и содержит отражательные коэффициенты (которые являются вторичным результатом рекурсии Левинсона).
A and K — Блок выходные параметры обе реализации.
Скалярное усиление, G, обеспечивается в нижней части выход (G).
Следующая таблица сравнивает функции блока Burg AR Estimator к AR Ковариации Эстимэтор, Модифицированный AR Ковариации Эстимэтор и блоки Уокера Рождества АРА Эстимэтора.
| Средство оценки AR города | Средство оценки AR ковариации | Модифицированное 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 рекурсии 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 устойчивую модель | Всегда производит устойчивую модель | ||
| Может произвести нестабильные модели | Может произвести нестабильные модели | Выполняет относительно плохо для коротких записей данных | |
| Порядок должен быть меньше чем или равен половине размера входного кадра | Порядок должен быть меньше чем или равен 2/3 размер входного кадра | Из-за смещенной оценки матрица автокорреляции гарантируется положительно-определенному, следовательно несингулярному |
Реализация, чтобы вывести, коэффициенты модели, отражательные коэффициенты или оба.
Когда выбрано, устанавливает порядок оценки p к меньше, чем длина входного вектора.
Порядок модели AR, p. Этот параметр включен, когда вы не выбираете Inherit estimation order from input dimensions.
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.
| Порт | Поддерживаемые типы данных |
|---|---|
Входной параметр |
|
A |
|
G |
|
| Burg Method | DSP System Toolbox |
| Covariance AR Estimator | DSP System Toolbox |
| Modified Covariance AR Estimator | DSP System Toolbox |
| Yule-Walker AR Estimator | DSP System Toolbox |
arburg | Signal Processing Toolbox |
