数据矩阵的自相关矩阵估计
X = corrmtx(X,M)
X = corrmtx(X,M'方法'
)
[X,R] = corrmtx(...)
X = corrmtx(X,M)
返回(ñ+米
)-通过-(米
+ 1)矩形托普利兹矩阵X
,这样X'X
是自相关矩阵的对长度 - 一个(偏置)的估计ñ数据向量X
。米
必须是正整数严格小于输入的长度小X
。
X = corrmtx(X,M
计算矩阵'方法'
)X
根据规定的方法'方法'
:
“自相关”
:(默认)X
是个 (ñ+米
)-通过-(米
+ 1)的矩形托普利兹矩阵,对于长度 - 生成的自相关估算ñ数据向量X
使用衍生prewindowed和postwindowed数据的基础上,一个米
阶预测误差模型。
'prewindowed'
:X
是个ñ-通过-(米
+ 1)的矩形托普利兹矩阵,对于长度 - 生成的自相关估算ñ数据向量X
使用衍生prewindowed数据的基础上,一个米
阶预测误差模型。
'postwindowed'
:X
是个ñ-通过-(米
+ 1)的矩形托普利兹矩阵,对于长度 - 生成的自相关估算ñ数据向量X
使用衍生postwindowed数据的基础上,一个米
阶预测误差模型。
“协方差”
:X
是个 (ñ-米
)-通过-(米
+ 1)的矩形托普利兹矩阵,对于长度 - 生成的自相关估算ñ数据向量X
使用衍生nonwindowed数据的基础上,一个米
阶预测误差模型。
'改性'
:X
是2(ñ-米
)-通过-(米
+ 1)改性,对于长度 - 生成的自相关估算值的矩形托普利兹矩阵ñ数据向量X
衍生使用正向和反向预测误差的估计,基于一个米
阶预测误差模型。
[X,R] = corrmtx(...)
还返回(米
+ 1)-by-(米
+ 1)的自相关矩阵估计[R
,计算公式为X'* X
。
的Toeplitz矩阵数据由计算corrmtx
取决于您选择的方法。由自相关(默认值)的方法确定的矩阵由以下矩阵给出。
在这个矩阵中,米是相同的输入参数米
至corrmtx
和ñ是长度(x)的
。这个矩阵的变化被用来返回输出X
的corrmtx
为每个方法:
“自相关”
- (默认)X
=X, 以上。
'prewindowed'
-X
是个ñ-通过-(米+ 1)的子矩阵X它的第一行[X(1)... 0]且其最后一行是[X(ñ)...X(ñ-米)]。
'postwindowed'
-X
是个ñ-通过-(米+ 1)的子矩阵X它的第一行[X(米+ 1)...X(1)]且其最后一行是[0 ...X(ñ)]
“协方差”
-X
是个 (ñ-米)-通过-(米+ 1)的子矩阵X它的第一行[X(米+ 1)...X(1)]且其最后一行是[X(ñ)...X(ñ-米)]。
'改性'
-X
是个2(ñ-米)-通过-(米+ 1)矩阵XMOD如下所示。
[1]玛普莱,S.劳伦斯。数字频谱分析。新泽西州Englewood Cliffs:普伦蒂斯霍尔,1987年。