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)代码>
y=iddata(y)代码>
mb=ar(y,4,'burg')代码>
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