ARMA谱估计的MATLAB实现

Matlab功率谱估计的详尽分析——绝对原创 功率谱估计是信息学科中的研究热点,在过去的30多年里取得了飞速的发展。现代谱估计主要是针对经典谱估计(周期图和自相关法)的分辨率低和方差性能不好的问题而提出的。其内容极其丰富,涉及的学科和领域也相当广泛,按是否有参数大致可分为参数模型估计和非参数模型估计,前者有AR模型、MA模型、ARMA模型、PRONY指数模型等;后者有最小方差方法、多分量的MUSIC方法等。 ARMA谱估计叫做自回归移动平均谱估计,它是一种模型化方法。由于具有广泛的代表性和实用性,ARMA谱估计在近十几年是现代谱估计中最活跃和最重要的研究方向之一。 二： AR参数估计及其S

%pq=3peqe=5M=30;
N = 500;%样本点数
B = 1;%分母项，确定为AR模型
A =[1-1.30.86 -0.676];%分子项，可根据它求出实际的功率谱
yangben=filter（B A0.1*randn（1N））;%滤波产生样本

r=zeros（1N）;%为总体最小二乘演化公式z，详见式3.4.45
pp=0;%有效秩初始化
for p=1:35
    for i=1:N-p
        r（p）=r（p）+yangben（i）*yangben（i+p）;%混入噪声时的自相关函数
    end
    r（p）=1/（N-p）*r（p）;
end
for l=1:30
    re（l:）=[r（l+5） r（l+4） r（l+3） r（l+2） r（l+1） r（l）];%生成矩阵RE即为3.4.43
end
[USV] =svd（re）;%奇异值分解
for i=1:6
    s=S/S（1