AR模型参数估计、Y |
您所在的位置：网站首页 › 递推关系的阶数 › AR模型参数估计、Y |
AR模型参数估计、Y
|
实验：AR模型参数估计
一、实验目的
二、实验内容
三、实验原理及方法
3.1 AR模型
3.1.1 AR模型参数估计
3.1.2 AR模型参数和自相关函数的关系
3.2 Y-W方程的解法——L-D算法
3.2.1 AR 模型和预测误差系统
3.2.2使用L-D算法估计AR模型参数
3.3 AR 模型参数估计的其他算法
3.4 AR模型阶数的选择
四 实验内容
一、实验目的
学习建立随机信号的AR模型
理解Yule-Walker方程，掌握Levinson-Durbin递推算法；
掌握FPE、AIC等估计模型阶数。
二、实验内容
编程实现 Levinson- Durbin递推算法。
使用AR模型仿真生成随机信号，求解Yue- Walker方程估计AR模型的参数，并与 MATLAB自带函数 anyue进行比较，检验程序是否正确。
应用FPR、AC等准则估计模型的阶数，并与真实值进行比较。
讨论AR模型阶数及白噪声方差对参数估计的影响。
三、实验原理及方法
为随机信号建立参数模型是研究随机信号的一种基本方法，其含义是认为随机信号x(n) 是由白噪 w(n) 激励某一确定系统的响应，如图一所示。只要白噪的参数确定了，研究随机信号就可以转化成研究产生随机信号的系统。 AR 模型（自回归模型 Auto-regression model）是研究平稳随机信号的一种常用的线性模型。随机信号 x(n) 由本身的若干次过去值x(n-k)和当前的激励值 w(n) 线性组合产生： |
图一 随机信号的参数模型【本文地址】