函数 > 信号处理 > 时间序列分析 > 示例:线性预测法
示例:线性预测法
使用函数 burgyulew 为已命名的线性预测模型生成系数。这些函数分别执行 Burg 方法和 Yule-Walker 算法。有关这些算法及其相关数学知识的说明,请参见 Macmillan 1989 年出版的 Sophocles J. Orfanidis 著的 Optimum Signal Processing (《最优信号处理》)。
Yule-Walker 预测
1. 使用 cos 函数来定义余弦信号。
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
2. 绘制信号图像。
单击可复制此表达式
3. 使用 rnd 函数向信号添加随机噪声。
单击可复制此表达式
4. 绘制原始信号和噪声信号的图像。
单击可复制此表达式
从信号中减去 0.2 以使随机分量的中心位于振幅 0 附近。
5. 从信号的起始位置获取时间较短的样本集。
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
6. 设置预测阶数,并使用 yulew 函数来计算系数。
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
这些系数适用于与原始信号接近的所有极点滤波器。正如所预期的那样,存在一个表示余弦的大极点以及多个近似噪声的小极点。
阶数 P 可确定用于预测序列中下一个值的连续值的数量。将使用系数矢量中的第一个至第六个元素,并忽略始终为 1 的第零个元素。当将 y 用作预测误差滤波器以生成一组完整的预测误差时,将需要始终为 1 的第零个元素。
7. 将通过信号中前 P 个点计算所得的预测点与原始数据进行比较。这会显示被用来替换信号 X 时滤波器的性能如何。
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
8. 绘制原始信号和预测信号的图像。
单击可复制此表达式
即使仅使用数据的前 20 个点,近似效果也非常理想。
9. 将系数数组用作滤波器,然后计算作为输入的样本的响应,以使用 response 函数来生成 Yule-Walker 系数的预测误差。
单击可复制此表达式
单击可复制此表达式
有时,也将完整的系数数组称为预测误差滤波器。
10. 验证这些误差是否确实能给出先前两个绘图之间的差异。
单击可复制此表达式
单击可复制此表达式
使用 Yule-Walker 算法求预测误差平方和的最小值。
单击可复制此表达式
11. 通过施加干扰 y (向除第一个系数之外的其他所有系数添加小的随机量) 和重新计算总和 (将光标置于下面的 rnd 函数上并按几次 [F5] 键) 来对该最小化情况进行抽查。
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
Burg 预测
1. 构建线性预测应正常工作的序列:带有已知系数的自回归过程。
单击可复制此表达式
2. 初始化时间序列。
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
3. 通过使用自回归外加噪声来生成其余的时间序列。
单击可复制此表达式
单击可复制此表达式
4. 将整个时间序列作为样本并计算阶数为 6 的模型的系数,然后使用 burg 函数来计算系数。
单击可复制此表达式
单击可复制此表达式
5. 使用本文档中的符号约定来比较实际生成过程的系数。
单击可复制此表达式
第零个系数已被忽略,因为它始终等于 1。
计算的 C 的元素 1 和 5 是不同的。
6. 使用 Burg 系数矢量 C 生成预测误差。
单击可复制此表达式
Burg 方法为前 P 个误差分配零权重,因此最小化不会受到样本补零的影响,这如同使用 Yule-Walker 法进行最小化一样。
Burg 标准还涉及前向误差 FE 以及后向误差 BE
7. 使用 responsereverse 函数来计算后向误差。
单击可复制此表达式
8. 使用预测误差 FE 和自回归函数 b 计算实际预测 AP,然后绘制从第 Pth 项开始的一段预测序列和实际序列。
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
谱估计
可以使用由线性预测方法生成的系数来估计所建模过程的功率谱。在此环境中,Burg 算法称为最大熵谱分析 (MESA),在某些情况下,与 FFT 相比,该算法可更精确地确定短时间序列谱。
估计由添加了高斯噪声的正弦之和所组成的过程功率谱。
1. 使用 sin 函数来定义具有两个正弦分量的信号。
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
2. 使用 gaussn 函数来添加一些高斯噪声。
单击可复制此表达式
单击可复制此表达式
函数 gaussn 将返回随机数字的 n 元素矢量,这些随机数字符合均值为 0、标准差为 1 的高斯概率分布。
3. 定义线性预测的两个阶数。
单击可复制此表达式
单击可复制此表达式
4. 以整个时间序列作为样本,使用 burg 函数来估算两阶自回归模型的频谱。
单击可复制此表达式
单击可复制此表达式
5. 使用 gain 函数计算相应的功率谱,其值为由系数数组 F1F2 定义的传递函数模的平方。
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
6. 绘制两个功率谱。
单击可复制此表达式
每个功率谱有两个峰值。
两个谱的较低和较高频率峰值出现的频率大致相同。
7. spec1spec2 曲线细分为两段,以便求出增益峰值及其发生的频率。
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
8. 使用 if 函数来定义一个函数,以返回给定线段出现峰值的频率,然后用其求出每个谱轨迹左侧和右侧的峰值。
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
9. 使用 max 函数来计算每个峰值的幅度。
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
单击可复制此表达式
10. 分别绘制每个函数的图像。使用水平和竖直标记来显示每个峰值幅度及其出现的频率。
单击可复制此表达式
单击可复制此表达式
在重新计算工作表的同时查看这两个绘图。
峰值的幅度会随着每次重新计算而有所变化,它们通常具有不同的值。但是,幅度可能会相等。
峰值出现的频率大致相同。
有关这种谱估计方法的详细信息,请参阅由 S. Lawrence Marple, Jr. (Prentice Hall,Inc) 编著的 Digital Spectral Analysis with Applications (《应用程序数字频谱分析》)。
这对您有帮助吗?