このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。
armcov
自己回帰全極モデル パラメーター — 修正共分散法
説明
例
修正共分散法を使用したパラメーター推定
多項式係数のベクトルを使用し、1024 サンプルのホワイト ノイズをフィルター処理することで AR(4) を生成します。再現可能な結果が必要な場合は、乱数発生器をリセットします。修正共分散法を使用して係数を推定します。
rng default
A = [1 -2.7607 3.8106 -2.6535 0.9238];
y = filter(1,A,0.2*randn(1024,1));
arcoeffs = armcov(y,4)
arcoeffs = 1×5
1.0000 -2.7741 3.8404 -2.6841 0.9360
毎回入力ノイズの分散を変えながら過程の実現を 50 件作成します。修正共分散法により推定した分散を実際の値と比較します。
nrealiz = 50; noisestdz = rand(1,nrealiz)+0.5; randnoise = randn(1024,nrealiz); noisevar = zeros(1,nrealiz); for k = 1:nrealiz y = filter(1,A,noisestdz(k) * randnoise(:,k)); [arcoeffs,noisevar(k)] = armcov(y,4); end plot(noisestdz.^2,noisevar,'*') title('Noise Variance') xlabel('Input') ylabel('Estimated')
関数のマルチチャネル構文を使用して手順を繰り返します。
Y = filter(1,A,noisestdz.*randnoise); [coeffs,variances] = armcov(Y,4); hold on plot(noisestdz.^2,variances,'o') hold off legend('Single channel loop','Multichannel','Location',"best")
入力引数
出力引数
詳細
AR(p) モデル
p 次の AR モデルにおいて、現在の出力は、それ以前の p の出力とホワイト ノイズ入力の線形結合になります。p の過去の出力に重み付けを行うことで、自己回帰の平均二乗の予測誤差が最小になります。
y(n) を広義定常性ランダム過程とします。これは分散 e のホワイト ノイズをシステム関数 A(z) でフィルター処理することにより得られます。Py(ejω) が y(n) のパワー スペクトル密度である場合は、以下のようになります。
この修正共分散法では、入力データは全極モデルにより特徴付けられるため、モデルの次数 p を正しく選択することが重要になります。
拡張機能
C/C++ コード生成
MATLAB® Coder™ を使用して C および C++ コードを生成します。
バージョン履歴
R2006a より前に導入
MATLAB コマンド
次の MATLAB コマンドに対応するリンクがクリックされました。
コマンドを MATLAB コマンド ウィンドウに入力して実行してください。Web ブラウザーは MATLAB コマンドをサポートしていません。
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select: .
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)