要求 用相同的測試信號(hào)設(shè)計(jì)并比較一組可在Matlab中實(shí)現(xiàn)的AR建模技術(shù)。本例討論如下幾種AR建模技術(shù)。

　?、貰urg法：Matlab burg函數(shù)。

　?、趨f(xié)方差法：Matlab pcov函數(shù)。

　?、坌拚膮f(xié)方差法：Matlab pmcov函數(shù)。

　?、躖ule Walker法：Matlab pyulear函數(shù)。

　　解 用AR模型定義如下的AR信號(hào)生成器：

　　如果輸入為隨機(jī)白噪聲，那么輸出x[k]被稱為隨機(jī)AR序列。圖1給出了輸出響應(yīng)X（ejω）的譜形狀。

　　圖1  測試信號(hào)的功率譜密度（頻率軸已按fs/2歸一化）

　　Burg AR模型：基于測試信號(hào)x[k]，利用pburg（x,4）設(shè)計(jì)4階Burg AR模型。

　　協(xié)方差A(yù)R模型：基于測試信號(hào)x[k]，利用pcov（x,4）設(shè)計(jì)4階協(xié)方差A(yù)R模型。

　　修正的協(xié)方差A(yù)R模型：基于測試信號(hào)x[k]，利用pmcov（x,4）設(shè)計(jì)4階修正協(xié)方差A(yù)R模型。

　　Yule-Walker AR模型：基于測試信號(hào)x[k]，利用pyulear（x,4）設(shè)計(jì)4階Yule Walker AR模型。

　　圖1給出了設(shè)計(jì)結(jié)果。注意，在設(shè)計(jì)結(jié)果中可清楚地識(shí)別出圖1 所示的兩個(gè)譜峰中較強(qiáng)的峰，其中較弱的峰也能被識(shí)別，但效果較差。不過，當(dāng)兩個(gè)譜峰越來越接近或是測量噪聲成為一個(gè)要素時(shí)，估計(jì)的質(zhì)量將下降。

　　歡迎轉(zhuǎn)載，信息來自維庫電子市場網(wǎng)（www.hbjingang.com）