搜索资源列表
Rayleigh_fading
- 利用P阶自回归模型AR(P)仿真瑞利衰落信道
AR
- 随机信号处理AR自回归模型，谱分析的一种重要方法
AR
- 一个MATLAB程序，附有数据和详细计算过程，自回归模型到分析过程，下载看看就知道了-A MATLAB program, with data and detailed calculation process, since the regression model to the analysis process, download to see if the know
L_D
- 用Matlab程序实现P阶Levinson-Durbin算法。以一个2阶自回归模型（参数为b0=1, a1=0, a2=0.81）和一个2阶滑动平均模型（参数为b0=1, b1=1, b2=1）为例，选取观测数据长度为1000，分别用一个AR(2)模型和一个AR(10)阶模型来估计其功率谱。设激励信号模型的高斯白噪声的均值为0，方差为1。用Levinson-Durbin算法迭代计算AR模型参数，并用估计出的AR模型参数画出观测信号的功率谱。并对Levinson-Durbin算法的性能进行分析。-
BVAR_Gibbs
- 贝叶斯分析，比较复杂的自回归分析。VAR模型，注意比AR要先进的多！-Bayesian estimation, prediction and impulse response analysis in VAR models using the Gibbs sampler.
ar(5)
- 一个五阶的自回归短期预测模型的MATLAB程序-A AUTOREGRESSion model used to prediction
AR_fburg
- 该程序模拟了雷达照射区域存在多个点目标，利用线性自回归的方法进行目标估计，包括burg,Yule-Walker法AR 谱估计和修正的协方差谱估计。-The program simulates the radar of the irradiated region there are multiple points of the target, using linear target is estimated from the regression method, including burg, Y
ls_AR
- 时间序列分析，采用了最小二乘（LS）与自回归(AR)的组合模型，并用MATLAB将其实现-Time series analysis, using a least-squares (LS) and autoregressive (AR) model combination and its implementation using MATLAB
hoyw
- AR模型的Yule-Walker方程.1927年，Yule提出用线性回归方程来模拟一个时间序列。Yule的工作实际上成了现代谱估计中最重要的方法——参数模型法谱估计的基础。Walker利用Yule的分析方法研究了衰减正弦时间序列，得出Yule-Walker方程，可以说，Yule和Walker都是开拓自回归模型的先锋。-The Higher-Order Yule-Walker method.
AR_with_remove
- 时间序列分析，AR模型，用于流数据预测与滤波 输入参数：y为原始数据矩阵，p为AR模型的阶数，la为自回归模型的遗忘系数 输出参数：预测值，置信区间，离群点等-Time series analysis, AR model for prediction and filtering data stream input parameters: y original data matrix, p is the order of the AR model, la self-forgetting c
AR
- AR.m是自回归模型的简单程序实现，可用于对平稳数据的处理分析与预报。-AR. M is the simple program of autoregressive model, can be used to smooth data processing analysis and forecast.
Linear-autoregressive-(AR)-method
- 基于Kaimal谱与线性自回归(AR)法，生成脉动风速。-Based on Kaimal spectrum and linear autoregressive (AR) method, the pulsating wind speed is generated.
test
- 用于研究时间序列的方法有AR（自回归）、MA（滑动平均）、ARMA（自回归滑动平均）这三种模型。而对于一个平稳时间序列预测问题,首先要考虑的是寻求与它拟合最好的预测模型。而模型的识别与阶数的确定则是选择模型的关键。 1.用 迭代生成1000个点（前2个点自定义）。 2.在这1000个点中取800点进行时间序列分析建立合适的模型。 3.利用剩余的200个点进行模型预测，并看其是否匹配，最后校正。 -Methods for studying time series are AR (a
ARMA
- ARMA 模型（Auto-Regressive and Moving Average Model）是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。(ARMA model is an important method for studying time series. It is composed
maidongfeng
- 线性滤波法（自回归法法）生成脉动风速时程(generate fluctuating wind speed by AR method)
arorder
- 在时间序列的预测模型中，需要就算自回归模型的p阶数，以这个函数是用来估计AR阶数的，便于构建自回归滑动平均模型，来预测未来事物的发展趋势。(This function estimates AR order)
AR
- 基于现行自回归预测模型的MATLAB代码，通过历史数据预测当前数据并实时修正当前权重参数值(Based on the MATLAB code of the current autoregressive prediction model, the current data is predicted by historical data and the current weight parameter values are corrected in real time)
AR
- AR自回归线性滤波器法模拟风速时程曲线，MATLAB(AR autoregressive linear filter method is used to simulate wind speed time history curve, MATLAB)
Untitled3
- 对输入信号进行AR自回归计算，计算出AR模型谱估计的值，对之后的计算提供帮助。(AR autoregressive calculation for input signal)
AR自回归模型
- 这是基于MATLAB软件的自回归模型，主要用来模拟预测时间序列，该程序同时可实现输出模型模拟结果等功能。