Вычислить оценку параметров авторегрессионной (AR) модели методом Бурга
Оценка/параметрическая оценка
dspparest3
Блок Burg AR Estimator использует метод Бурга для подгонки авторегрессионной (AR) модели к входным данным путем минимизации (наименьших квадратов) ошибок прямого и обратного прогнозирования при ограничении параметров AR для удовлетворения рекурсии Левинсона-Дурбина.
Входной сигнал должен быть вектором столбца или неориентированным вектором, который предполагается выходным сигналом системы AR, управляемой белым шумом. Этот вход представляет кадр последовательных отсчетов времени из одноканального сигнала. Блок вычисляет нормализованную оценку параметров AR системы, A (z), независимо для каждого последовательного входного кадра .
+... + a (p + 1) z − p
При выборе параметра Inherit estimation order from input dimensions порядок p всеполюсной модели на единицу меньше длины входного вектора. В противном случае порядок является значением, указанным параметром Estimation order.
Параметр Output (s) позволяет выбрать одну из двух реализаций процесса AR:
A - Верхний выход, A, является вектором столбца длины p + 1 с тем же статусом кадра, что и вход, и содержит нормированную оценку полиномиальных коэффициентов модели AR в степенях убывания z.
[1 a(2) ... a(p+1)]
K - Верхний выход, K, является вектором столбца длиной p с тем же статусом кадра, что и вход, и содержит коэффициенты отражения (которые являются вторичным результатом рекурсии Левинсона).
A and K - Блок выводит обе реализации.
Скалярный коэффициент усиления G обеспечивается на нижнем выходе (G).
В следующей таблице сравниваются характеристики блока оценки AR Бурга с блоками оценки AR ковариации, модифицированной оценки AR ковариации и оценки AR Юле-Уокера.
| Оценщик AR Burg | Ковариационный AR-оценщик | Модифицированный Covariance AR Estimator | Оценщик AR Юле-Уокера | |
|---|---|---|---|---|
Characteristics | Не применяет окно к данным | Не применяет окно к данным | Не применяет окно к данным | Применение окна к данным |
Минимизирует ошибки прямого и обратного прогнозирования в смысле наименьших квадратов, при этом коэффициенты AR ограничены для удовлетворения рекурсии L-D | Минимизирует ошибку прямого предсказания в смысле наименьших квадратов | Минимизирует ошибки прямого и обратного прогнозирования в смысле наименьших квадратов | Минимизирует ошибку прямого предсказания в смысле наименьших квадратов (также называемый «автокорреляционным методом») | |
| Всегда создает стабильную модель | Всегда создает стабильную модель | ||
| Может производить нестабильные модели | Может производить нестабильные модели | Относительно плохо работает для коротких записей данных | |
| Порядок должен быть меньше или равен половине размера входного кадра | Порядок должен быть меньше или равен 2/3 размера входного кадра | Из-за смещенной оценки автокорреляционная матрица гарантированно является положительной-определенной, следовательно, неингулярной. |
Реализация для вывода, коэффициенты модели, коэффициенты отражения или и то, и другое.
При выборе этого параметра устанавливает порядок оценки p на единицу меньше длины входного вектора.
Порядок модели AR, р. Этот параметр активируется, если не выбран параметр Наследовать порядок оценки из входных измерений.
Кей, С. М. Современная спектральная оценка: теория и применение. Энглвуд Клиффс, Нью-Джерси: Прентис-Холл, 1988.
Марпл, С. Л., младший, Цифровой спектральный анализ с приложениями. Энглвуд Клиффс, Нью-Джерси: Прентис-Холл, 1987.
| Порт | Поддерживаемые типы данных |
|---|---|
Вход |
|
A |
|
G |
|
| Метод Бурга | Инструментарий системы DSP |
| Ковариационный AR-оценщик | Инструментарий системы DSP |
| Модифицированный Covariance AR Estimator | Инструментарий системы DSP |
| Оценщик AR Юле-Уокера | Инструментарий системы DSP |
arburg | Панель инструментов обработки сигналов |