您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. ar预报模型阶数估计 aic 准则

  2. ar线性预报模型阶数估计 aic 准则 p的阶次选择
  3. 所属分类:专业指导

    • 发布日期:2009-08-20
    • 文件大小:441
    • 提供者:yingrr998
  1. 随机信号处理的新方法

  2. 年来,高阶谱H(igher一derrsPectar一05)和神经网络引起了广泛的兴趣。在理论研究 和应用方面都取得很大的进展。我们研究高阶谱主要有下歹纽三方面的原因:提取偏离高 斯特性以外的信息;恢复信号的正确的相位信息;在时间序列分析中,检测和表征信号的 非线性特性。在时间序列分析和系统辨识中,利用神经网络的一个主要原因就是前向神 经网络逼近任意连续有界函数的能力。 本论文基于高阶谱和神经网络,在随机信号的处理方面作者作了以下几方面的工作: 我们首先提出Sims-aPi一l让改de回归神经网
  3. 所属分类:其它

    • 发布日期:2009-10-28
    • 文件大小:9437184
    • 提供者:xueying9827
  1. AR模型算法的matlab实现和实验分析

  2. 1、 计算真实的自相关值时,采用逆Levinson-Durbin递归方法,由a、b参数得到 , , , ,其中 为滤波器的阶数,再采用公式 外推得到 的自相关值; 2、 实际功率谱 , 可调用Matlab中的FFT算法得到; 3、 自相关序列的估计值采用公式 得到; 4、 采用各种功率谱估计方法对功率谱进行估计。
  3. 所属分类:其它

    • 发布日期:2010-06-20
    • 文件大小:139264
    • 提供者:CYZWWZYC
  1. 统计信号处理:非高斯信号处理及其应用

  2. 本书主要介绍非高斯信号处理(包括基于高阶统计量和分数低阶统计量的信号处理)的理论、方法及其应用。全书分为9章,内容包括:高斯过程与二阶统计量,高阶累积量和高阶谱,Alpha稳定分布与分数低阶统计量,基于以上信号的处理方法,基于分数低阶统计量数字信号处理的应用等。 第1章 绪论 1.1 预备知识 1.1.1 信号与信号处理的概念 1.1.2 随机变量及其分布 1.1.3 随机信号及随机过程 1.1.4 统计信号处理的原理与方法 1.2 矩理论简介 1.2.1 矩及统计量的概念 1.2.2 二阶统
  3. 所属分类:其它

    • 发布日期:2011-01-14
    • 文件大小:4194304
    • 提供者:skywater928
  1. AR模型阶数确定及模型参数确定函数

  2. AR模型阶数定阶方法,采用matlab编程实现AR模型的一种定阶准则
  3. 所属分类:其它

    • 发布日期:2012-11-25
    • 文件大小:437
    • 提供者:mmyanbo
  1. 维纳滤波设计

  2. 设计一个维纳滤波器: (1) 产生三组观测数据,首先根据 产生信号 ,将其加噪,(信噪比分别为 ),得到观测数据 。 (2) 估计 , 的AR模型参数。假设信号长度为L,AR模型阶数为N,分析实验结果,并讨论改变L,N对实验结果的影响。
  3. 所属分类:C/C++

    • 发布日期:2014-02-27
    • 文件大小:2048
    • 提供者:u010391553
  1. AR自回归模型matlab预测程序

  2. AR自回归模型,采用matlab预测程序,差分标准化数据后进行AR模型使用判定,之后定AR阶数,做预测处理
  3. 所属分类:软件测试

    • 发布日期:2014-07-11
    • 文件大小:5120
    • 提供者:u012400231
  1. 基于Burg法的AR模型参数估计和阶数估计

  2. 很不错的AR模型参数估计和阶数估计,是基于Burg法的,阶数的准则可以自己选择,有'FPE', 'AIC', 'MDL', 'CAT',还有功率谱估计
  3. 所属分类:其它

    • 发布日期:2018-04-04
    • 文件大小:6144
    • 提供者:mr_try
  1. 利用FPE的最小值求最佳阶数P

  2. matlab实验内容 利用FPE的最小值求最佳阶数P 与L-D算法和AR模型类似
  3. 所属分类:讲义

    • 发布日期:2018-06-20
    • 文件大小:469
    • 提供者:q815414367
  1. 研究论文-时变AR模型阶数确定与系数估计的方法.pdf

  2. 研究了用时变自回归(TVAR)模型对非平稳信号建模的方法.对该模型进行详细分析,探讨了参数模型辨识存在的2大问题:模型阶数的确定和基函数的选择.基于现定阶准则只适用于短时平稳信号的分析,所以利用具有时变特性的信息理论准则(information theoretic criteria,ITC)来确定模型的阶数.通过引入基函数,利用最小二乘算法对模型系数进行估计,从而将非平稳信号的时变模型转化为线性时不变模型,并比较了几种基函数的拟合性能.证明了由于墨西哥草帽小波基函数具有良好的时频特性并且在使用
  3. 所属分类:其它

    • 发布日期:2019-08-07
    • 文件大小:387072
    • 提供者:weixin_39840924
  1. AR模型的参数及阶数估计的MATLAB代码原创-estimate_AR.m

  2. AR模型的参数及阶数估计的MATLAB代码原创-estimate_AR.m 我附上的是我最近自己编写的R模型的参数及阶数估计,利用的是L-D算法解Y-W方程法,里面有相关注释。对学习随机信号的同学,应该有用。:)
  3. 所属分类:其它

    • 发布日期:2019-08-13
    • 文件大小:2048
    • 提供者:weixin_39840387
  1. ARIMA模型时序数据预测COVID-19世界疫情确诊人数.rar

  2. ARIMA模型(英语:Autoregressive Integrated Moving Average model),差分整合移动平均自回归模型,又称整合移动平均自回归模型(移动也可称作滑动),是时间序列预测分析方法之一。ARIMA(p,d,q)中,AR是“自回归”,p为自回归项数;MA为“滑动平均”,q为滑动平均项数,d为使之成为平稳序列所做的差分次数(阶数)。“差分”一词虽未出现在ARIMA的英文名称中,却是关键步骤。
  3. 所属分类:机器学习

    • 发布日期:2020-04-25
    • 文件大小:604160
    • 提供者:WithoutBrain
  1. 大型强子对撞机中的有色费米子和轻子数违反

  2. 轻子数尺度违反阶数兆电子伏的马约拉纳中微子质量模型有可能在LHC处产生信号。 在这里,我们考虑对标准模型的扩展,其中使用了彩色八位字节费米子和标量ar夸克。 该模型以两环级生成中微子质量。 我们对该模型中LHC处的轻子数违反信号进行了详细的蒙特卡洛研究,包括对标准模型背景的模拟。 我们的预测表明,取决于最终状态的轻子风味,300 / fb的大型强子对撞机应该能够探测这个模型,直至色八重子费米质量在(2.6–2.7)TeV范围内。
  3. 所属分类:其它

    • 发布日期:2020-04-03
    • 文件大小:649216
    • 提供者:weixin_38656400
  1. burg法估计AR模型参数

  2. 用burg法估计AR模型参数的matlab代码 % A = ARBURG(X,ORDER) returns the coefficients of the autoregressive (AR) A = ARBURG(X,ORDER) 使用Burg方法返回 X 的自回归参数信号模型估计的系数。 % parametric signal model estimate of X using Burg's method. % The model has order ORDER
  3. 所属分类:其它

    • 发布日期:2020-02-17
    • 文件大小:5120
    • 提供者:weixin_46168978
  1. AR(p)模型在水文预报中的应用研究

  2. AR(p)模型在水文预报中的应用研究,朱妙艺,,AR(p)模型即自回归模型,是水文预报模型中经常使用的统计模型。本文分析了自回归模型的适用性和阶数的确定,在长江流域上游青草
  3. 所属分类:其它

    • 发布日期:2020-02-14
    • 文件大小:206848
    • 提供者:weixin_38618521
  1. 高炉铁水硅含量序列的支持向量机预测模型

  2. 基于包钢6号高炉的在线生产数据,首先建立铁水硅含量序列的自回归AR(p)模型,分析其滞后阶数;然后对硅含量的自回归项及影响因素进行主成分分析,找到多元变量相互独立的有效信息作为输入变量;最后建立铁水硅含量的支持向量机回归预测模型。该模型对炉温预测的准确度达到88.2%,对在线监测高炉炉温具有一定的实用价值。
  3. 所属分类:其它

    • 发布日期:2020-06-20
    • 文件大小:669696
    • 提供者:weixin_38730767
  1. Matlab_AR模型阶数确定.pdf

  2. AR模型阶数确定 有几种方法来确定。如 Shin 提出基于 SVD的方法,而 AIC和 FPE方法是目前应用最广 泛的方法。 若计算出的 AIC较小,例如小于 -20,则该误差可能对应于损失函数的 1e-10级别, 则这时阶次可以看成是系统合适的阶次。
  3. 所属分类:专业指导

    • 发布日期:2020-07-05
    • 文件大小:702464
    • 提供者:qq_43724031
  1. AR模型参数估计完整代码(matlab).zip

  2. 提供了AR模型参数估计完整matlab代码,与这篇文章中的原理部分组合https://blog.csdn.net/weixin_44846910/article/details/107311415,就是一篇完整的实验报告。 编程实现 Levinson- Durbin递推算法。 1.使用AR模型仿真生成随机信号,求解Yue- Walker方程估计AR模型的参数,并与 MATLAB自带函数 anyue进行比较,检验程序是否正确。 2.应用FPR、AC等准则估计模型的阶数,并与真实值进行比较。 3.讨
  3. 所属分类:互联网

    • 发布日期:2020-07-16
    • 文件大小:2048
    • 提供者:weixin_44846910
  1. 基于自回归模型的超细颗粒动态光散射模拟

  2. 为了获取超细颗粒动态散射光模拟信号, 在分析超细颗粒动态散射光信号特性的基础上, 通过建立动态光散射随机过程的自回归(AR)模型, 利用Levison-Durbin递推算法确定模型参数, 并给出了单峰、双峰分布颗粒信号模拟的模型阶数确定方法, 从而提出了一种基于AR模型的态光散射信号模拟方法。分别对50 nm, 300 nm, 1000 nm, 50 nm与1000 nm, 100 nm与500 nm, 300 nm与1000 nm的单峰、双峰分布颗粒在模型阶数分别为1, 1, 1, 57, 2
  3. 所属分类:其它

    • 发布日期:2021-02-10
    • 文件大小:1048576
    • 提供者:weixin_38526225
  1. ARIMA模型 – [SPSS & Python]

  2. 简介:   ARIMA模型:(英语:Autoregressive Integrated Moving Average model),差分整合移动平均自回归模型,又称整合移动平均自回归模型(移动也可称作滑动),是时间序列预测分析方法之一。AR是“自回归”,p为自回归项数;MA为“滑动平均”,q为滑动平均项数,d为使之成为平稳序列所做的差分次数(阶数)。      由于毕业论文要涉及到时间序列的数据(商品的销量)进行建模与分析,主要是对时间序列的数据进行预测,在对数据进行简单的散点图观察时,发现数据
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:77824
    • 提供者:weixin_38622983
« 12 »