Main Content

arcov

Parámetros del modelo de todo polo autoregresivo — método de covarianza

Sintaxis

a = arcov(x,p)
[a,e] = arcov(x,p)

Descripción

a = arcov(x,p) utiliza el método de covarianza para ajustar un modelo autoregresivo de orden (AR) a la señal de entrada, , que se supone que es la salida de un sistema AR impulsado por ruido blanco.px Este método minimiza el error de predicción hacia delante en el sentido de mínimos cuadrados. La matriz de salida, , contiene estimaciones normalizadas de los parámetros del sistema AR,a A(z), en poderes descendentes de z. tiene + 1 columnas.ap Si es un vector, entonces es un vector de fila.xa Si es una matriz, entonces los coeficientes a lo largo de la th fila del modelo la columna th de .ananx

[a,e] = arcov(x,p) devuelve la estimación de varianza, , de la entrada de ruido blanco al modelo de realidad aumentada.e

Ejemplos

contraer todo

Utilice un vector de coeficientes polinómicos para generar un proceso AR(4) filtrando 1024 muestras de ruido blanco. Restablezca el generador de números aleatorios para obtener resultados reproducibles. Utilice el método de covarianza para estimar los coeficientes.

rng default  A = [1 -2.7607 3.8106 -2.6535 0.9238];  y = filter(1,A,0.2*randn(1024,1));  arcoeffs = arcov(y,4)
arcoeffs = 1×5

    1.0000   -2.7746    3.8419   -2.6857    0.9367

Generar 50 realizaciones del proceso, cambiando cada vez la varianza del ruido de entrada. Compare las desviaciones estimadas por covarianza con los valores reales.

nrealiz = 50;  noisestdz = rand(1,nrealiz)+0.5;  randnoise = randn(1024,nrealiz);  for k = 1:nrealiz     y = filter(1,A,noisestdz(k) * randnoise(:,k));     [arcoeffs,noisevar(k)] = arcov(y,4); end  plot(noisestdz.^2,noisevar,'*') title('Noise Variance') xlabel('Input') ylabel('Estimated')

Repita el procedimiento utilizando la sintaxis multicanal de 's.arcov

realiz = bsxfun(@times,noisestdz,randnoise);  Y = filter(1,A,realiz);  [coeffs,variances] = arcov(Y,4);  hold on plot(noisestdz.^2,variances,'o')  q = legend('Single channel loop','Multichannel'); q.Location = 'best';

Más acerca de

contraer todo

AR(p) Modelo

Dejar y(n) ser un proceso aleatorio estacionario de amplio sentido obtenido filtrando el ruido blanco de la varianza con la función del sistemae A(z). Si Py(e) es la densidad espectral de potencia de y(n)Entonces

Py(ejω)=e|A(ejω)|2=e|1+k=1pa(k)ejωk|2.

Dado que el método caracteriza los datos de entrada mediante un modelo de todo polo, la elección correcta del orden del modelo, , es importante.p

Consulte también

| | | | |

Introducido antes de R2006a