filter

Класс: LagOp

Примените полином оператора задержки, чтобы отфильтровать временные ряды

Синтаксис

[Y,times] = filter(A,X) [Y,times] = filter(A,X,'Initial',X0)

Описание

Учитывая полином оператора задержки A(L), [Y,times] = filter(A,X)применяет A(L) к данным временных рядов X(t). Это эквивалентно применению линейного фильтра к X(t), производя отфильтрованную выходную серию Y(t) = A(L)X(t).

[Y,times] = filter(A,X,'Initial',X0) применяет A(L) к данным временных рядов X(t) с заданными преддемонстрационными значениями входных временных рядов X(t).

Входные параметры

`A`	Изолируйте объект полинома оператора, как произведено `LagOp`.
`X`	`numObs`- `numDims` матрица данных временных рядов, к который полином оператора задержки `A` применяется. Последнее наблюдение принято, чтобы быть новым. `numDims` размерность `A`, если `X` вектор-строка, в этом случае `X` обработан как одномерный ряд. Для одномерного `X`, ориентация выхода `Y` определяется ориентацией входа X.
`'Initial'`	Преддемонстрационные значения входных временных рядов X(t). Если `'Initial'` не задано, или если количество преддемонстрационных значений недостаточно, чтобы инициализировать фильтрацию, значения приняты с начала `X`, сокращение эффективного объема выборки выхода `Y`. Для удобства скалярные преддемонстрационные значения расширены, чтобы обеспечить весь `numPresampleObs`- `numDims` преддемонстрационные значения и данные не взяты из `X`. Если более преддемонстрационные значения заданы, чем необходимый, только новые значения используются. Для одномерного `X`, преддемонстрационные значения могут быть строкой или вектор-столбцом.

Выходные аргументы

Y

Фильтрованные входные временные ряды, Y(t) = A(L)X(t).

times

Вектор относительных индексов времени та же длина как Y. Времена выражаются относительно, или как смещение от, времена наблюдений 0, 1, 2..., numObs– 1 для входной серии X(t). Для полинома степени p Y(0) является линейной комбинацией X(t) в течение многих времен t = 0, –1, –2..., –p (преддемонстрационные данные). Y(t) для t> 0 является линейной комбинацией X(t) в течение многих времен t = t, t –1, t –2..., t –p.

Примеры

развернуть все

Пропустите ряд через полином задержки

Скрипт Open Live Script

Создайте LagOp полином и случайные временные ряды:

rng('default')                % Make output reproducible

A = LagOp({1 -0.6 0.08 0.2}, 'Lags', [0 1 2 4]);
X = randn(10, A.Dimension);

Отфильтруйте входные временные ряды без явных начальных наблюдений, позволив filter метод, чтобы автоматически разделить все необходимые исходные данные с начала входных временных рядов $X (t)$ .

[Y1,T1] = filter(A, X);

Вручную разделите все необходимые преддемонстрационные наблюдения непосредственно с начала $X (t)$ , затем передайте в уменьшаемой длине $X (t)$ и разделенные преддемонстрационные наблюдения непосредственно к filter метод. В этом случае, первые 4 наблюдения за $X (t)$ разделяются, потому что степень полинома оператора задержки, созданного ниже, равняется 4.

[Y2,T2] = filter(A, X((A.Degree + 1):end,:), ...
     'Initial', X(1:A.Degree,:));

Вручную лишите часть необходимых преддемонстрационных наблюдений с начала $X (t)$ и позвольте filter метод автоматически разделяет остающиеся наблюдения от $X (t)$ .

[Y3,T3] = filter(A, X((A.Degree - 1):end,:), ...
     'Initial', X(1:A.Degree - 2,:));

Отфильтрованные выходные ряды являются всеми одинаковыми. Однако связанные временные векторы не.

disp([T1 T2 T3])

     4     0     2
     5     1     3
     6     2     4
     7     3     5
     8     4     6
     9     5     7

Алгоритмы

Фильтрация ограничивается одним путями, таким образом, матричные данные приняты, чтобы быть одним путем многомерного процесса, и 3-D данные (разнообразные пути многомерного процесса) не позволены.

Смотрите также

mldivide

Документация