Вычислите оценку параметров авторегрессионной (AR) модели с помощью метода Бурга
Оценка/параметрическая оценка
dspparest3
Блок Burg AR Estimator использует метод Burg, чтобы подгонять авторегрессивную (AR) модель к входным данным путем минимизации (наименьших квадратов) ошибок предсказания вперед и назад с ограничением параметров AR, чтобы удовлетворить рекурсии Левинсона-Дурбина.
Вход должен быть вектором-столбцом или неориентированным вектором, который принимается как выход системы AR, управляемой белым шумом. Этот вход представляет систему координат последовательных временных выборок из одноканального сигнала. Блок вычисляет нормированную оценку системных параметров AR, A (z), независимо для каждого последующего входного кадра .
Когда вы выбираете параметр Inherit estimation order from input dimensions, порядок, p, полнополюсной модели на один меньше, чем длина входного вектора. В противном случае порядок является значением, заданным параметром Estimation order.
Параметр Output(s) позволяет вам выбрать между двумя реализациями AR-процесса:
A - верхняя часть выхода, A, является вектор-столбец длины p + 1 с той же системой координат статусом, что и вход, и содержит нормированную оценку полиномиальных коэффициентов AR модели в нисходящих степенях z.
[1 a(2) ... a(p+1)]
K - верхний выход, K, является вектором длины столбца p с тем же статусом системы координат, что и вход, и содержит коэффициенты отражения (которые являются вторичным результатом рекурсии Левинсона).
A and K - Блок выводит обе реализации.
Скалярное усиление, G, обеспечивается на нижнем выходе (G).
Следующая таблица сравнивает функции блока Burg AR Estimator с Ковариацией блоками AR Estimator, Modified Ковариации AR Estimator и Yule-Walker AR Estimator.
| Оценка Burg AR | Ковариационная оценка AR | Модифицированный ковариационный оценка AR | Оценка AR Юле-Уокера | |
|---|---|---|---|---|
Characteristics | Не применяет окно к данным | Не применяет окно к данным | Не применяет окно к данным | Применяет окно к данным |
Минимизирует ошибки прямого и обратного предсказания в смысле наименьших квадратов с ограничениями коэффициентов AR, чтобы удовлетворить L-D рекурсии | Минимизирует ошибку прямого предсказания в смысле наименьших квадратов | Минимизирует ошибки прямого и обратного предсказания в смысле наименьших квадратов | Минимизирует ошибку прямого предсказания в смысле наименьших квадратов (также называемый «метод автокорреляции») | |
| Всегда производит стабильную модель | Всегда производит 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 матрица автокорреляции гарантирована положительно-определенной, следовательно, несингулярной |
Реализация вывода, коэффициентов модели, коэффициентов отражения или обоих.
При выборе устанавливает порядок оценки p на единицу меньше длины входного вектора.
Порядок модели AR, p. Этот параметр активируется, когда вы не выбираете Inherit estimation order from input dimensions.
Кей, С. М. Современная спектральная оценка: теория и применение. Englewood Cliffs, Нью-Джерси: Prentice Hall, 1988.
Марпл, С. Л., младший, Цифровой спектральный анализ с применением. Englewood Cliffs, Нью-Джерси: Prentice Hall, 1987.
| Порт | Поддерживаемые типы данных |
|---|---|
Вход |
|
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 |
