Professional Documents
Culture Documents
1. Giới thiệu
2. Mô hình AR
3. Mô hình MA
4. Mô hình ARMA
1. Giới thiệu
2. Mô hình AR
3. Mô hình MA
4. Mô hình ARMA
y( p) y( p 1) y( p 2) ... y(0) a1 e( p)
y( p 1) y( p)
y( p 1) ... y(1) a2 e( p 1)
b
... ... ... ... ... ... ... 0
y ( N 1) y(N 2) y(N 3) ... y(N p 1) a p e(N 1)
~y R b e~
0
- Giá trị b0 xác định theo giá trị ước lượng của
~y R 2
b0
Np
Ví dụ 8.2.1: Lấy mẫu tín hiệu với tần số 40Hz, thu được các mẫu
y(n) = [0; 0.71; 1; 0.71; 0; -0.71; -1; -0.71]
Ước lượng mô hình AR bậc 2 dùng Least Square Estimation và vẽ
phổ ước lượng.
Bài tập 8.1: Viết m-file cho ví dụ trên (file dữ liệu Example_8_2_3.mat
trên BKeL) (biết fS = 1000Hz).
~ T
yN p2 y(N 1) N p2
Với k = 14:
1.3587
15
0.9427
Bài tập 8.2: Viết m-file cho ví dụ 8.2.5, kiểm tra với các giá trị p khác
nhau.
Ví dụ 8.2.6: với giá trị y(n) = [1.26; 4.23; 4.91; 2.93; -0.64; -3.86], ước
lượng mô hình AR bậc 3 dùng phương pháp autocorrelation và
covariance.
Autocorrelation method:
= [ -0.8848 0.4487 0.0473]T
Lưu ý:
- Số mẫu nhỏ sai số lớn
- Hệ số b0 là khác nhau với ước lượng khác nhau.
1 N1
ry (k) y (n) y * (n k), 0 k N 1 (**)
N n k
i 1 s 0 s 0
h *
s, ks 0
*
hs re (k s)
s 0 0, otherwise
h0 b0 , k s 0
*
s 0 0, otherwise
Ví dụ 8.2.7: với giá trị y(n) = [0; 0.71; 1; 0.71; 0; -0.71; -1; -0.71], ước
lượng mô hình AR bậc 2 dùng phương trình Yule-Walker, ước lượng
phổ Py(f) bằng các vẽ phổ |H(f)|2, biết tần số lấy mẫu fS = 40Hz.
Bài tập 8.3: Viết m-file, sử dụng dữ liệu y(n) lưu trong file
Example_8_2_3.mat, dùng phương trình Yule-Walker, ước lượng mô
hình bậc p (thử nghiệm với nhiều p khác nhau). (fS = 1000Hz)
Đáp án:
với p = 5: = [-0.0891 0.4371 0.2468 -0.1030 -0.1515]T, b0 = 1.3014
- Nếu đã biết dữ liệu trong quá khứ y(n - 1), y(n - 2), …, thì có thể dự
báo dữ liệu tiếp theo
p
yˆ (n) ai y (n i)
i 1
- Sai số dự báo (n) y(n) yˆ (n) b0e(n) trực giao với các quan sát
quá khứ nếu e(n) là nhiễu trắng.
Kết quả minh họa với p = 10, n1 = 100 thể hiện ở slide sau.
1. Giới thiệu
2. Mô hình AR
3. Mô hình MA
4. Mô hình ARMA
i 0 E ( z)
khi ngõ vào là nhiễu trắng với variance = 1.
- Phương trình sai phân
q
y (n) bi e(n i)
i 0
- Các đặc trưng thống kê
E { y (n)} 0
q
E { y 2 (n)} bi2
i 0
q
bi ; m k i bmk ; i m k
E e(n m) bi e(n k i)
i 0 0; otherwise 0; otherwise
- Có hệ phương trình
ry (0) b02 b12 ... bq2 b0 b1 ... bq b0 ry (0)
r
y ( 1) b b b b ... b b
b b2 ... 0 b1 ry (1)
1 0 2 1 q q 1
1
... ... ... ... ... ... ...
ry (q) bq b0
bq 0 ... 0 bq ry (q)
- Có thể sử dụng các phương pháp lặp để giải hệ phương trình trên.
Ưu điểm: thuật toán đơn giản, áp dụng được cho nhiều bài toán.
Nhược điểm: khối lượng tính toán nhiều (nghịch đảo ma trận), có khả
năng phép lặp không hội tụ.
i 0
(ma trận vuông có các giá trị trên tất cả các đường chéo bằng nhau).
*Lưu ý: hệ phương trình này chỉ để tham khảo thêm.
Đáp án:
- Để minh họa phương pháp Durbin, với q = 2, chọn K = 3 (số mẫu nhỏ,
bậc K nhỏ ước lượng sẽ không chính xác).
- Ước lượng mô hình AR bậc 3 dùng Least Square .
[a1 a2 a3] = [0.5004 0.4820 0.4958]T
*Lưu ý: Phương pháp Durbin còn gọi là phương pháp two-stages least
squares.
1. Giới thiệu
2. Mô hình AR
3. Mô hình MA
4. Mô hình ARMA
1 a1z ... a p z s 0 s 0
- Từ đó
hs , j s k
Ee(n j) y (n k) E e(n j) hse(n s k)
s 0 0, otherwise
q
ry (k) ai r (k i)
p
b j hj k , k q
j 0
i 1 0, k q
- Sử dụng các giá trị k > q để tạo phương trình Yule-Walker cải tiến.
n
m q j 2fnTS
a e
q n 0
Ước lượng bj theo các kỹ thuật đã trình bày ở mô hình MA, sau
đó ước lượng 2 q
n
b e j 2fnTS
Py ( f ) n 0
p
n
a e
n 0
j 2fnTS
n
m q j 2fnTS
a e
n 0
Bài tập 8.5: Sử dụng dữ liệu trong file Problem_8_5, ước lượng mô
hình ARMA với một số p, q khác nhau, vẽ Py(f).
với K rất lớn so với p, q. Từ đó tính được các giá trị eˆ(n).
Bước 2: Sử dụng cách giá trị của eˆ (n) để thay cho e(n) trong ma
trận Z của hệ (****), chọn L = K + p, ( Z T
Z ) 1
( Z T
z) .
Riêng giá trị b0 xác định bởi:
1 ~T ~
2
b0 e e, e~ Z z
NL