自相关矩阵估计的数据矩阵
X = corrmtx (X, m)
X = corrmtx (X, m,“方法”
)
[X, R] = corrmtx(…)
X = corrmtx (X, m)
返回一个(n+米
)——- (米
+ 1)矩形托普利兹矩阵X
,这样X 'X
是(有偏)估计的自相关矩阵的长度-n数据向量x
.米
必须是一个严格小于输入长度的正整数x
.
X = corrmtx (X, m,
计算矩阵“方法”
)X
根据所指定的方法“方法”
:
自相关的
(默认)X
是(n+米
)——- (米
+ 1)矩形托普利兹矩阵,生成长度的自相关估计-n数据向量x
,推导出使用prewindowed和postwindowed数据,基于米
三阶预测误差模型。
“prewindowed”
:X
是n————(米
+ 1)矩形托普利兹矩阵,生成长度的自相关估计-n数据向量x
,推导出使用prewindowed数据,基于米
三阶预测误差模型。
“postwindowed”
:X
是n————(米
+ 1)矩形托普利兹矩阵,生成长度的自相关估计-n数据向量x
,推导出使用postwindowed数据,基于米
三阶预测误差模型。
协方差的
:X
是(n- - - - - -米
)——- (米
+ 1)矩形托普利兹矩阵,生成长度的自相关估计-n数据向量x
,推导出使用nonwindowed数据,基于米
三阶预测误差模型。
“修改”
:X
2 (n- - - - - -米
)——- (米
+ 1)修正的矩形Toeplitz矩阵,生成长度的自相关估计n数据向量x
,利用正向和向后预测误差估计导出,基于米
三阶预测误差模型。
[X, R] = corrmtx(…)
也返回(米
+ 1)————(米
+ 1)自相关矩阵估计R
,计算X ' * X
.
计算得到的Toeplitz数据矩阵corrmtx
这取决于您选择的方法。由自相关(默认)方法确定的矩阵如下所示。
在这个矩阵,米是否与输入参数相同米
来corrmtx
,n是长度(x)
.这个矩阵的变体用于返回输出X
的corrmtx
为每个方法:
自相关的
——(默认)X
=X,以上。
“prewindowed”
- - - - - -X
是n————(米+ 1)的子矩阵X第一行是[x(1) 0]…最后一行是谁的[x(n)…x(n- - - - - -米)].
“postwindowed”
- - - - - -X
是n————(米+ 1)的子矩阵X第一行是[x(米+ 1)……x(1)]最后一行是谁的[0…x(n)]
协方差的
- - - - - -X
是(n- - - - - -米)——- (米+ 1)的子矩阵X第一行是[x(米+ 1)……x(1)]最后一行是谁的[x(n)…x(n- - - - - -米)].
“修改”
- - - - - -X
是2(n- - - - - -米)——- (米+ 1)矩阵X国防部所示。
马普尔,S.劳伦斯。数字频谱分析.Englewood Cliffs, NJ: Prentice-Hall, 1987。