armcov
自回归全极点模型参数 - 修正协方差法
句法
一个= armcov（X，P）
[A，E] = armcov（X，P）
描述
一个= armcov（X，P）使用修正协方差方法，以适应p阶自回归（AR）模型与输入信号，X，这是假定是由白噪声驱动的AR系统的输出。此方法在最小二乘意义上最小化前向和后向预测误差。输出数组，一个，包含了AR系统参数的标准化估计，一个（ž）在下降的权力ž。一个有p+ 1列。如果X是矢量，然后一个是一个行向量。如果一个是一个矩阵，然后沿着所述系数ñ第的行一个建模ñ的第n列X。
[A，E] = armcov（X，P）返回方差估计，Ë中，白噪声输入到AR模型。
例子
参数估计的修正协方差法
使用多项式系数的向量通过过滤的白噪声的1024个采样，以产生AR（4）的过程。重置可重复结果的随机数发生器。使用修改后的协方差法估计系数。
RNG默认A = [1 -2.7607 3.8106 -2.6535 0.9238];Y =过滤器（1，A，0.2 * randn（1024,1））;arcoeffs = armcov（Y，4）
arcoeffs =1×51.0000 -2.7741 3.8404 -2.6841 0.9360
产生过程的50个实现中，每次改变输入噪声的方差。比较改性协方差估计方差的实际值。
nrealiz = 50;noisestdz =兰特（1，nrealiz）0.5;randnoise = randn（1024，nrealiz）;对于K = 1：nrealiz Y =过滤器（1，A，noisestdz（K）* randnoise（：，k））的;[arcoeffs，noisevar（K）] = armcov（Y，4）;结束图（noisestdz ^ 2，noisevar，'*'）标题（“噪声方差”）xlabel（“输入”）ylabel（“估计”）
使用重复此过程armcov的多声道语法。
实现基于= bsxfun（@倍，noisestdz，randnoise）;Y =过滤器（1，A，实现基于）;[coeffs，方差] = armcov（Y，4）;保持上图（noisestdz ^ 2，方差，'O'）Q =图例（“单信道环路”，“多通道”）;q.Location ='最好';
更多关于
R2006a前推出
是这个主题有帮助吗？
您还可以选择从下面的列表中的网站：
