Statistics 基于MATLAB的AR模型
我使用以下来自MATLAB文档的代码来估计ARMA模型的参数：Statistics 基于MATLAB的AR模型,statistics,matlab,approximation,Statistics,Matlab,Approximation,我使用以下来自MATLAB文档的代码来估计ARMA模型的参数： y=sin（[1:300]）+0.5*randn（300,1） y=iddata（y） mb=ar（y，4，'burg'） 此时，如果我键入mb我得到的是： 离散时间IDPOLY模型： A（q）y（t）=e（t） A（q）=1-0.2764 q^-1+0.2069 q^-2+0.4804 q^-3+0.1424 q^-4 使用数据集y中的AR（'burg'/'now'）进行估计 损失函数0.314965和FPE 0.323364
y=sin（[1:300]）+0.5*randn（300,1）
y=iddata（y）
mb=ar（y，4，'burg'）
此时，如果我键入mb
我得到的是：
离散时间IDPOLY模型：
A（q）y（t）=e（t）
A（q）=1-0.2764 q^-1+0.2069 q^-2+0.4804 q^-3+0.1424 q^-4
使用数据集y中的AR（'burg'/'now'）进行估计
损失函数0.314965和FPE 0.323364
采样间隔：1
如何使用获得的变量mb
生成具有这些系数的样本？
mb
看起来不像矢量。
特别是，如何处理丢失的数据？使用：sim（mb，输入）
有关和的更多信息：
模拟线性模型
语法
y=sim（m，ue）
[y，ysd]=sim（m，ue，init）
说明
m是任意idmodel对象
ue是一个iddata对象，仅包含输入。输入的数量
ue中的信道必须等于
m型，或等于输入和噪声源数量之和
（=输出数量）。在后一种情况下，ue中的最后输入是
将其视为噪声源，进行了噪声污染的仿真
获得。噪波将根据属性进行缩放
m、 噪音衰减，单位为m，因此为了获得正确的噪音水平
根据该模型，噪声输入应为白噪声，并带有
零均值和单位协方差矩阵。如果没有噪声源
包含在ue中，获得了无噪声仿真