最小二乘法和SVD最小二乘法估计在Matlab仿真上的实现

用Matlab仿真实现最小二乘法和总体最小二乘法估计 假设仿真的观测数据 产生，其中 为0均值， 单位方差的高斯白噪声，取n=1,2,....128。 试用TLS，取AR阶数为4，估计AR参数 和正弦波频率；再用SVD-TLS ，估计AR参数 和正弦波频率。 (1)、在仿真中，AR阶数取为4和6。 (2)、执行SVD-TCS时，AR未知。仿真运行至少二十次。

%Pisarenko算法估计

function [AW]=pisar（xnsin_num）
load testdat;
sin_num=3;
[N t]=size（xn）
rxx=xcorr（xn‘biased‘）;
rxx=rxx（N:（2*sin_num）+N）;
 
%频率估计
Rxx=toeplitz（rxx）;
ev=eig（Rxx）;
[S i]=min（ev）;
[V D]=eig（Rxx）;
a=V（:i）;
rts=roots（a）;
w_est=[];
for i=1:2*sin_num
   w_est（i）= abs（angle（rts（i）））;
end
W=（w_est/（2*pi））;
 
 
%幅度估计
mcos=[];
for n=1:sin_num
   vcos=[];
   for i=1:sin_num
      vcos=[vcos cos（n*w_est（i））];
   end
   mcos=[mcos;vcos];
end
rxx=rxx