典型时间序列模型分析..doc

典型时间序列模型分析..doc

ID:50949828

大小:254.37 KB

页数:18页

时间:2020-03-16

典型时间序列模型分析..doc_第1页
典型时间序列模型分析..doc_第2页
典型时间序列模型分析..doc_第3页
典型时间序列模型分析..doc_第4页
典型时间序列模型分析..doc_第5页
资源描述:

《典型时间序列模型分析..doc》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、实验1典型时间序列模型分析1、实验目的熟悉三种典型的时间序列模型:AR模型,MA模型与ARMA模型,学会运用Matlab工具对对上述三种模型进行统计特性分析,通过对2阶模型的仿真分析,探讨几种模型的适用范围,并且通过实验分析理论分析与实验结果之间的差异。2、实验原理AR模型分析:设有AR(2)模型,X(n)=-0.3X(n-1)-0.5X(n-2)+W(n)其中:W(n)是零均值正态白噪声,方差为4。(1)用MATLAB模拟产生X(n)的500观测点的样本函数,并绘出波形(2)用产生的500个观测点

2、估计X(n)的均值和方差(3)画出理论的功率谱(4)估计X(n)的相关函数和功率谱【分析】给定二阶的AR过程,可以用递推公式得出最终的输出序列。或者按照一个白噪声通过线性系统的方式得到,这个系统的传递函数为:这是一个全极点的滤波器,具有无限长的冲激响应。对于功率谱,可以这样得到,可以看出,完全由两个极点位置决定。对于AR模型的自相关函数,有下面的公式:这称为Yule-Walker方程,当相关长度大于p时,由递推式求出:这样,就可以求出理论的AR模型的自相关序列。181.产生样本函数,并画出波形2.题

3、目中的AR过程相当于一个零均值正态白噪声通过线性系统后的输出,可以按照上面的方法进行描述。clearall;b=[1];a=[10.30.5];%由描述的差分方程,得到系统传递函数h=impz(b,a,20);%得到系统的单位冲激函数,在20点处已经可以认为值是0randn('state',0);w=normrnd(0,2,1,500);%产生题设的白噪声随机序列,标准差为2x=filter(b,a,w);%通过线形系统,得到输出就是题目中要求的2阶AR过程plot(x,'r');ylabel('x

4、(n)');title('邹先雄——产生的AR随机序列');gridon;得到的输出序列波形为:2.估计均值和方差可以首先计算出理论输出的均值和方差,得到,对于方差可以先求出理论自相关输出,然后取零点的值。18并且,,带入有在最大值处输出的功率,也就是方差,为对实际数据进行估计,均值为mean(x)=-0.0703,而方差为var(x)=5.2795,两者合理论值吻合得比较好。程序及运行结果图如下,其中y_mean表示均值,y_var表示方差。3.画出理论的功率谱密度曲线理论的功率谱为,用下面的语句

5、产生:delta=2*pi/1000;w_min=-pi;w_max=pi;Fs=1000;18w=w_min:delta:w_max;%得到数字域上的频率取样点,范围是[-pi,pi]Gx=4*(abs(1./(1+0.3*exp(-i*w)+0.5*exp(-2*i*w))).^2);%计算出理论值Gx=Gx/max(Gx);%归一化处理f=w*Fs/(2*pi);%转化到模拟域上的频率plot(f,Gx);title('邹先雄——理论功率谱密度曲线');gridon;得到的图形为:可以看出,这

6、个系统是带通系统。4.估计自相关函数和功率谱密度用实际数据估计自相关函数和功率谱的方法前面已经讨论过,在这里仅给出最后的仿真图形。Mlag=20;%定义最大自相关长度Rx=xcorr(x,Mlag,'coeff');m=-Mlag:Mlag;stem(m,Rx,'r.');title('邹先雄——自相关函数');最终的值为18可以看出,它和上面的理论输出值吻合程度很好。实际的功率谱密度可以用类似于上面的方法进行估计,window=hamming(20);%采用hanmming窗,长度为20nover

7、lap=10;%重叠的点数Nfft=512;%做FFT的点数Fs=1000;%采样频率,为1000Hzb=[1];a=[10.30.5];%由描述的差分方程,得到系统传递函数h=impz(b,a,20);%得到系统的单位冲激函数,在20点处已经可以认为值是0randn('state',0);w=normrnd(0,2,1,500);%产生题设的白噪声随机序列,标准差为2x=filter(b,a,w);%通过线形系统,得到输出就是题目中要求的2阶AR过程[Px,f]=pwelch(x,window,n

8、overlap,Nfft,Fs,'onesided');%估计功率谱密度f=[-fliplr(f)f(1:end)];%构造一个对称的频率,范围是[-Fs/2,Fs/2]Py=[-fliplr(Px)Px(1:end)];%对称的功率谱plot(f,10*log10(Py),'b');title('邹先雄——实际的功率谱密度曲线');估计出来的功率谱密度为,18将两幅图画在一起,可以看到拟合的情况比较好(两者相位刚好相反,但是基本波形相似):代码如下:clearall

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。