搜索资源列表
AR1
- rapresents AR(1) model. dsp and correlation funtion of the ar(1) MODEL. it uses randn to generate vector and filter to do ar(1).
Levinson_Durbin_Algo
- 功能描述：用matlab语言实现Levinson-Durbin算法 函数名：Levinson_Durbin_Algo 输入参数： (1)R:自相关矩阵或者其估计值 (2)P:AR模型的阶数 输出参数： (1)A:p阶AR模型的参数,它是一个长度为P+1的行向量 (2)E:噪声功率 调用函数：无 被调用：L_D_sim.m 作者：mingcheng 编写时间：2009-11-13 修改时间：2009-11-1
ARMA2D
- 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
marbox_1.1.tar
- Source code of Model AR
ar-kalman-1
- 基于卡尔曼算法的AR模型系数预测，利用卡尔曼滤波算法对AR模型的系数进行实时更新，可以观察到预测准确度有明显提高-Kalman algorithm based on AR model coefficients predicted using the Kalman filter AR model coefficients for real-time updates can be observed significantly improve prediction accuracy
signal
- 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
Wiener
- 设计一维纳滤波器 (1). 产生三组观测数据：首先根据S(n)=aS(n-1)+w(n)产生信号S(n)，将其加噪声(信噪比分别为20db，10db，6db)，得到观测数据X1(n)，X2(n)，X3(n)。. (2). 估计Xi(n)，i=1，2，3的AR模型参数。假设信号长度为L，AR模型阶数为N，分析实验结果，并讨论改变L，N对实验结果的影响。-Design a Wiener filter (1) produces three sets of observations: Fi
ar_g
- PURPOSE: MCMC estimates Bayesian heteroscedastic AR(k) model imposing stability restrictions using Gibbs sampling y = b0 + y(t-1) b1 + y(t-2) b2 +,...,y(t-k) bk + E, E = N(0,sige*V), sige = gamma(nu,d0), b = N(c,T), V = diag(v1,v2,...
RLS
- 本程序基于一阶AR模型，u(n)=-0.99u(n-1)+v(n)的线性预测。白噪声v(n)方差0.995.FIR滤波器的抽头数为2.遗忘因子0.98.用RLS算法实现u(n)的线性预测。并附有仿真图片-This procedure is based on a first-order AR model, u (n) =-0.99u (n-1)+v (n) of the linear prediction. White noise v (n) the number of taps of the t
LMS
- 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,
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
Wiener
- 设计一维纳滤波器 (1)产生三组观测数据：首先根据s(n)=a s(n-1)+w(n)产生信号s(n)，将其加噪（信噪比分别为20dB,10 dB，6 dB），得到观测数据x1(n), x2(n), x31(n). (2)估计xi(n)，i=1,2,3的AR模型参数。假设信号长度为L，AR模型阶数为N，分析实验结果，并讨论改变L,N对实验结果的影响。 -A Wiener filter design (1) to produce three sets of observations:
prediction-methods-for-hydrology
- 径流预报常用的几种模型：AR模型，BP模型，RBF模型，GM(1,N)模型；预报数据预处理方法：自相关函数以及偏自相关函数确定法；EMD方法-Several commonly used runoff forecasting model: AR model, BP model, RBF model, GM (1, N) model forecast data preprocessing methods: autocorrelation function and partial autocorre
LEVINSON[1]
- LEVINSON-DURBIN算法的应用：基于Y-L公式的一个实验，AR模型，内含有levinson-durbin实现的matlab源码-LEVINSON-DURBIN algorithm applications: an experimental YL-based formula, AR model, containing levinson-durbin realize matlab source
AR-model
- 用AR模型法估计1/f噪声参数。分别用SVD分解及矩阵求逆法估计AR参数-Using AR model to estimate the parameters of 1/f noise.
test
- 用于研究时间序列的方法有AR（自回归）、MA（滑动平均）、ARMA（自回归滑动平均）这三种模型。而对于一个平稳时间序列预测问题,首先要考虑的是寻求与它拟合最好的预测模型。而模型的识别与阶数的确定则是选择模型的关键。 1.用 迭代生成1000个点（前2个点自定义）。 2.在这1000个点中取800点进行时间序列分析建立合适的模型。 3.利用剩余的200个点进行模型预测，并看其是否匹配，最后校正。 -Methods for studying time series are AR (a
arimanet
- ARIMA模型全称为自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列预测方法[1] ，所以又称为box-jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归， p为自回归项； MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。所谓ARIMA模型，是指将非平稳