Publikace detail

Selection of the order of autoregressive models for spectral analysis of noise corrupted signals

Autoři: Jeřábek Jakub

Rok: 2017

Druh publikace: článek v odborném periodiku

Název zdroje: International Journal of Advanced and Applied Science

Název nakladatele: Institute of Advanced Science Extension

Místo vydání: Taipei

Strana od-do: 79-82

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
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

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Služby

Jak nás najdete?

Často hledáte