当前位置：
首页 资源下载
搜索资源 - estimates AR order
搜索资源列表
-
0下载：
功率谱估计的应用范围很广，在各学科和应用领域中受到了极大的重视。在《现代信号处理》课程中讲述了经典谱估计和现代谱估计这两大类谱估计方法；经典谱估计是基于傅立叶变换的，虽然具有运算效率高的优点，但是频谱分辨率低同时旁瓣泄漏严重，对长序列有着良好的估计。为了克服经典谱估计的缺点，人们开展了对现代谱估计方法的研究。现代谱估计是以随机过程的参数模型为基础的，有最大似然估计法、最大熵法、AR模型法、预测滤波器法。现代谱估计对短序列的估计精度高，同经典谱估计互为补充。在认真学习了现 代谱估计方法后，我选择了
-
-
0下载：
用Burg算法估计AR模型参数，进而实现功率谱估计.
形参说明：
x——双精度实型一维数组，长度为n，存放随机序列。
n--整型变量,随机序列的长度。
p--整型变量,AR模型的阶数。
a--双精度实型一维数组，长度为(p十1)。存放AR模型的系数a(0),a(1),...,a(p)。
v--双精度实型指针,它指向预测误差功率，即AR模型激励白噪声的方差。
-with Burg algorithm estimates AR model parameters, ther
-
-
0下载：
主程序arma2Ddemo是对模拟图像的2DAR和ARMA参数估计。-arma2Ddemo: See and run the demo arma2Ddemo for an example of 2D AR and ARMA parameters estimation from simulated images.
- sim_ar2d: generation of simulated 2D AR process.
- sim_arma2d: generation of simula
-
-
3下载：
产生一个随机信号和两个不同频率但频率间隔很小的正弦信号，要求对两信号之和进行如下分析：
（1） 求该随机信号的自相关性系数、自相关函数，画出对应的图形；
（2） 利用不同的参数建模方法求出两个随机信号的功率谱；
（3） 利用极大似然估计、递推最小二乘法等常用的参数估计方法估计所建模型，包括AR模型、MA模型和ARMA模型的的参数，阶次自定；并与Matlab工具箱里的一些建模函数的运算结果进行比较；
（4） 利用陷波滤波和MUSIC滤波方法对该信号的频谱进行估计；
（5） 利
-
-
3下载：
基于一阶AR模型u(n)=0.99u(n-1)+v(n),白噪声方差0.93627.步长0.05.分别使用M=2和M=3抽头的滤波器，用LMS算法实现u(n)的线性预测估计。并附仿真图已被参考。-Based on a first-order AR model u (n) = 0.99u (n-1) the+v (n), the white noise variance 0.93627 step 0.05. Respectively with M = 2 and M = 3-tap filter,
-
-
0下载：
生成一个正弦信号，使用levinson-durbin算法和最终预测阶数准则FPE估计其AR模型的阶数，并且通过解Yule-Walker方程求得AR模型的参数，进而求得该正弦信号的功率谱-Generating a sinusoidal signal, using levinson-durbin algorithm to predict the order and final order of the criteria FPE estimates its AR model and AR model
-
-
0下载：
在时间序列的预测模型中，需要就算自回归模型的p阶数，以这个函数是用来估计AR阶数的，便于构建自回归滑动平均模型，来预测未来事物的发展趋势。(This function estimates AR order)
-
