Login for students

Login for employees

Publication detail

Selection of the order of autoregressive models for spectral analysis of noise corrupted signals
Authors: Jeřábek Jakub
Year: 2017
Type of publication: článek v odborném periodiku
Name of source: International Journal of Advanced and Applied Science
Publisher name: Institute of Advanced Science Extension
Place: Taipei
Page from-to: 79-82
Titles:
Language Name Abstract Keywords
cze Výběr řádu autoregresních modelů pro spektrální analýzu šumem poškozených signálů Tento článek představuje teoretický základ autoregresního (AR) modelování ve spektrální analýze. Autoregresní modelování zahrnuje postup identifikace modelu založený na autokorelační funkci (ACF) příchozího signálu a její statistické vyhodnocení. To je nezbytné pro výběr nejlepšího řádu AR modelu, který nejlépe popisuje daný soubor dat. Spektrální analýza poskytuje informace o frekvenčním obsahu signálu. Metoda AR je alternativou diskrétní Fourierovy transformace (DFT) při výpočtu funkce hustoty výkonového spektra signálu, ale poskytuje hladší výkonovou spektrální hustotu než DFT. (C) 2017 Autoři. Vydalo nakladatelství IASE. ARMA; AR model; odhad řádu; identifikace systému; ACF
eng Selection of the order of autoregressive models for spectral analysis of noise corrupted signals This paper presents the theoretical basis of autoregressive (AR) modelling in spectral analysis. Autoregressive modelling includes a model identification procedure based on an autocorrelation function (ACF) of the incoming signal and its statistical evaluation. This is necessary to choose the best order of an AR model that best describes the given set of data. Spectral analysis gives information about the frequency content of a signal. The AR method is an alternative to discrete Fourier transform (DFT) in the computing of a power spectrum density function of a signal, but provides a smoother power spectral density then DFT. (C) 2017 The Authors. Published by IASE. ARMA; AR model; Order estimation; System identification; ACF

Department

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives