搜索资源列表
tsa244
- 时间序列工具箱 ，内含双谱，AR模型参数估计程序-time series toolbox containing Bispectrum, AR model parameter estimation procedures
KavehisestimatedARMApowerspectrum
- 利用Kaveh法估计ARMA过程功率谱，只需计算AR系数，简化过程。-Kaveh estimation using ARMA process of the power spectrum, simply calculating AR coefficients, to simplify the process.
levensin-durbin
- 通过莱文森-杜平递推求估计信号的功率谱，其中以6，7，8个参数为例进行了递推。-AR
SVD-TLS-LS
- SVD-TLS和LS方法估计AR模型功率谱,假定仿真的观测数据由 产生，其中w(n)是一高斯白噪声，其均值为0，方差为1，并取n=1,…..,128，这里分别用LS方法和SVD-TLS方法估计观测数据的AR模型参数。-SVD-TLS and the LS method to estimate AR model for power spectrum, assuming that the simulation produced by the observed data, where w (n) is
wentaicd
- 1. 工程检测信号AR模型的建模及参数谱分析 1.1 测试数据的采集、检验和预处理 1.2 模型参数的递推估计快速算法---Lenvinson算法 1.3 AR模型阶次的确定 1.4 AR参数谱的计算 -1. Engineering detection signal AR model modeling and parameters spectrum analysis 1.1 test data collection, the inspection and preproce
plotspectrum
- 运用 参数估计法AR 法进行功率谱做图 直接输入待做图信号便可-AR method of parameter estimation method power spectrum do plan direct input to be able to make plans signal
source
- 输入信号为方波信号+高斯白噪声，方波信号基 频为1kHz，幅值为1，高斯白噪声方差为0.2， 均值为0，采样频率为20kHz。试用最大熵估计 法估计此信号的AR模型及其功率谱，并分析结 果-The input signal is a square wave signal+ Gaussian white noise, square wave signal fundamental frequency 1kHz, amplitude is a Gaussian white noise variance
ARmodel
- 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
Levinson-durbin.ZIP
- 用Levinson方法实现功率谱密度的估计。在N=1024条件下调试程序过程中用Levinson-Durbin快速递推法得出的图形不稳定，每次调试结果都不大相同，AR模型的阶次应选择在N/3<P<N/2之间，式中的N是记录的数据长度，这样可以得到高分辨率的估计谱，并且很少出现伪峰。-Levinson method used to achieve power spectral density estimate. Commissioning conditions under N = 10
my_Burg_AR_estimation
- 基于BURG算法的AR模型的现代谱估计仿真代码，对学习现代谱估计很有帮助。-BURG algorithm of AR model based on modern spectral estimation simulation code, to learn modern spectral estimation helpful.
r-languge
- 本书通过案例讲述时间序列分析有关的概念和方法, 不仅介绍了ARMA模型、状态空间模型、Kalman滤波、单位根检验和GRACH模型等一元时间序列方法, 还介绍了很多最新的多元时间序列方法, 如线性协整、门限协整、VAR模型、Granger因果检验、神经网络模型、可加AR模型和谱估计等. 书中强调对真实的时间序列数据进行分析, 全程使用R软件分析了各个科学领域的实际数据, 还分析了金融和经济数据的例子. 本书例题用到的实际数据都可以从网上下载.-Book time series analysis
MAR1PSD
- 由AR模型参数得到功率谱。AR，MA和ARMA是功率谱估计中最主要的参数模型。AR模型的正则方程是一组线性方程。-The AR model parameters obtained power spectrum. AR, MA and ARMA power spectrum estimation is the most important parameter model. Canonical equations AR model is a set of linear equations.
DSP
- 数字信号处理（DSP）的计算机作业，包括估计随机信号的样本自相关序列，AR过程的线性建模与功率谱估计，维纳噪声抑制。-Digital signal processing (DSP) computer operations, including random signal sample estimates the autocorrelation sequence, AR modeling and process linear power spectrum estimation, Wiener no
comparz-cower
- 这是在AR模型的功率谱估计,对比经典谱估计有明显的优点,是一种新的估计,-This is in the AR model power spectrum estimate, compare the classic spectrum estimation has obvious advantages, is a kind of new estimates,
pespxnwtorevowel
- 这是在AR模型的功率谱估计,对比经典谱估计有明显的优点,是一种新的估计,-This is in the AR model power spectrum estimate, compare the classic spectrum estimation has obvious advantages, is a kind of new estimates,
wcviausestimates
- 这是在AR模型的功率谱估计,对比经典谱估计有明显的优点,是一种新的估计,(This is in the AR model power spectrum estimate, compare the classic spectrum estimation has obvious advantages, is a kind of new estimates,)
mar
- 用协方差方法估计AR模型参数,进而实现功率谱估计,()
5289009
- 用协方差方法估计AR模型参数,进而实现功率谱估计,()
信号处理第三章
- 用AR 模型的自相关法估计信号的功率谱，用AR 模型的Burg 算法估计信号的功率谱，最大熵功率谱估计，用自相关矩阵分解的MUSIC 算法估计信号的功率谱(The power spectrum of the signal is estimated using the AR model autocorrelation method. The power spectrum of the signal is estimated using the Burg model of the AR model.
OFDMSignalDetection-master
- 程序实现的主要功能： OFDM调制识别：研究了基于高阶累量和基于小波变换的OFDM信号和单载波调制信号的识别算法，仿真分析了两种算法在高斯信道和多径瑞利衰落信道下的信号识别性能。 OFDM参数估计：研究了基于Welch算法和AR模型法求解功率谱进而估计信号带宽的算法，对两种算法的估计性能进行了比较；根据OFDM信号的循环平稳性研究了基于循环谱的载频估计算法；根据 OFDM信号的自相关性研究了基于可变延时自相关和固定延时自相关的FFT相结合的算法，估计了OFDM信号的有效数据长度、符号