惯性仪器测试和数据分析时间序列.pptVIP

* 三、ARMA建模分析 （8）MA(q)模型参数估计 递推公式： * 三、ARMA建模分析 （9）几种常见的低阶ARMA模型的参数估计结果 * 三、ARMA建模分析 （10）举例1 * 三、ARMA建模分析 （10）举例2 ts = 0.001; t = (ts:ts:10); len = length(t); w = randn(length(t),1); w(len/2:end) = w(len/2:end) + 3.0; [b0,a0] = butter(6, 0.016); w0 = filter(b0,a0,w); [b1,a1] = butter(6, 0.033); w1 = filter(b1,a1,w); [b2,a2] = butter(6, 0.066); w2 = filter(b2,a2,w); [b3,a3] = butter(6, 0.131); w3 = filter(b3,a3,w); [b4,a4] = butter(6, 0.262); w4 = filter(b4,a4,w); figure, plot(t, [w,w4,w3,w2,w1,w0],linewidth,1.5); xygo(w) legend(LP-NO,LP262,LP131,LP066,LP033,LP016) * 三、ARMA建模分析 （10）举例2 * 三、ARMA建模分析 （10）举例3 imu = load(stim300.txt); ts=0.01; t = (1:length(imu))*ts; figure subplot(211), plot(t,imu(:,1:3)); xygo(w) subplot(212), plot(t,imu(:,4:6)); xygo(f) figure parcorr(imu(1:10000,1)); hold on parcorr(imu(10001:20000,1)); figure autocorr(imu(1:10000,1)); hold on autocorr(imu(10001:20000,1)); * 惯性仪器测试与数据分析 西北工业大学 自动化学院 严恭敏 2015-09 * 第六章 时间序列分析 主要内容： 一、随机过程的基本概念 二、ARMA模型及其特点 三、ARMA建模分析 * 第六章 时间序列分析 * 一、随机过程的基本概念 1、随机向量 在概率论中，随机变量 用来描述随机事件，可分为续型随机变量，离散型随机变量。 （1）随机变量 使用概率密度函数、概率分布函数、特征函数及数字特征（均值、方差和矩等）等数学语言描述。 （2）随机向量 由 N 个随机变量组成一组向量： 均值向量 方差矩阵 * 一、随机过程的基本概念 2、随机过程与时间序列 电阻热噪声电压 A）每只 电阻电压随时间是一条随机波动的曲线 B）在同一特定 时刻各个电阻的电压值各不相同 ——样本曲线（轨迹、现实） ——随机变量 取值 A）所有样本函数的集合 构成了一个随机过程； （3）随机过程 定义： * 一、随机过程的基本概念 2、随机过程与时间序列 随机变量取值 （4）随机过程分类与时间序列 时间参数取值 连续 离散 连续 离散 时间序列 使用A/D转换器对热电阻电压进行等间隔 采样，假设A/D分辨率足够高忽略量化误差影响 将采样周期归一化处理，常将时间序列记为 时间序列就是按照时间的先后顺序记录的一列有序数据，这些数据由于受到各种偶然因素的影响，往往表现出某种随机性，但彼此之间又存在一定的相关性； 时间序列分析就是对时间序列进行观察、研究，揭示其蕴含的内在规律，进而根据变化规律预测走势或实施控制。 时间序列分析方法大体可分为时域和频域两种分析方法。时域分析方法主要从序列自相关的角度揭示时间序列的发展规律；频域分析方法也称为频谱分析，从频率角度揭示时间序列的规律。 * 一、随机过程的基本概念 2、随机过程与时间序列 （5）时间序列的数字特征 均值序列 自协方差函数 自相关系数函数 方差函数 自相关函数 恒等式 * 一、随机过程的基本概念 3、平稳性与各态遍历性 （1）严平稳过程（狭义平稳过程） 随机过程的所有概率统计性质不随时间原点推移而变化，要求过于苛刻，不利于理论分析和实际应用。 （2）宽平稳过程（广义平稳过程或二阶矩平稳过程 ） ①在所有时刻上，均值序列和方差序列都是常值，且方差有限，即 和