|
數(shù)字信號(hào)預(yù)測(cè)濾波器設(shè)計(jì)及實(shí)現(xiàn)
|
|
資料類別
|
電子電工畢業(yè)論文（設(shè)計(jì)） |
|
|
課程(專業(yè))
|
數(shù)字信號(hào) |
|
關(guān)鍵詞
|
自回歸模型|滑動(dòng)平均模型 |
|
適用年級(jí)
|
大學(xué) |
|
身份要求
|
普通會(huì)員 |
|
金 幣
|
70 �。�金幣如何獲得？） |
|
文件格式
|
Word |
|
文件大小
|
581K |
|
發(fā)布時(shí)間
|
2010-06-09 12:00:00 |
|
預(yù)覽文件
|
無(wú) |
|
下載次數(shù)
|
1 |
| 發(fā)布人 |
lj |
內(nèi)容簡(jiǎn)介：
畢業(yè)設(shè)計(jì) 數(shù)字信號(hào)預(yù)測(cè)濾波器設(shè)計(jì)及實(shí)現(xiàn)，共42頁(yè)，12604字
摘要
數(shù)字信號(hào)預(yù)測(cè)濾波器被廣泛應(yīng)用于氣象，商品銷量預(yù)測(cè)，地震預(yù)報(bào)，股市行情預(yù)報(bào)等實(shí)際問題中。
本文研究了時(shí)間序列的統(tǒng)計(jì)預(yù)測(cè)方法，主要有四種模型：自回歸模型（AR），滑動(dòng)平均模型(MA)，自回歸滑動(dòng)平均模型（ARMA），和卡爾曼模型，然后探討了各個(gè)模型的參數(shù)估計(jì)，以及預(yù)測(cè)的方法和實(shí)驗(yàn)步驟。
本文采用Matlab開發(fā)工具開發(fā)預(yù)測(cè)系統(tǒng)。以股票數(shù)據(jù)為例，采用以上四種預(yù)測(cè)模型，對(duì)股票指數(shù)走勢(shì)進(jìn)行預(yù)測(cè)。仿真結(jié)果表明這些方法準(zhǔn)確可靠。
關(guān)鍵字: 自回歸模型 滑動(dòng)平均模型 自回歸滑動(dòng)平均模型 卡爾曼
目錄
第一章 緒論 1
1.1課題意義 1
1.2國(guó)內(nèi)外發(fā)展?fàn)顩r 1
1.3時(shí)間序列分析簡(jiǎn)介 2
1.4本文研究的主要內(nèi)容 3
第二章 自回歸模型（AR） 4
2.1自回歸(AR)模型描述 4
2.2 AR(p)的自相關(guān)函數(shù) 5
2.3 序列的自相關(guān)系數(shù)的作用 6
2.4 AR(p)的平穩(wěn)解 6
2.5 構(gòu)建股票價(jià)格的AR預(yù)測(cè)模型 8
第三章 移動(dòng)平均模型（MA） 13
3.1 移動(dòng)平均模型(MA)描述 13
3.2 MA(1)的自相關(guān)函數(shù) 14
3.3 MA(p)的自相關(guān)函數(shù) 14
第四章 自回歸移動(dòng)平均模型ARMA(p,q) 16
4.1 ARMA(p,q)序列 16
4.2 ARMA(1,1)序列的自協(xié)方差函數(shù)和自相關(guān)函數(shù) 18
4.3 ARMA(p,q)序列的自協(xié)方差函數(shù) 19
4.4 股票價(jià)格的ARMA(n，n-1)數(shù)學(xué)模型 20
4.5 構(gòu)建股票價(jià)格的ARMA預(yù)測(cè)模型 21
第五章 卡爾曼濾波器 24
5.1基本理論 24
5.2構(gòu)建股票價(jià)格的卡爾曼濾波器預(yù)測(cè)模型 27
第六章 語(yǔ)音線性預(yù)測(cè)編碼(LPC) 31
6.1理論基礎(chǔ) 31
6.2實(shí)現(xiàn)技術(shù) 33
第七章 總結(jié)與展望 38
參考文獻(xiàn) 39
致謝 40
相關(guān)說明：
1. 如您下載的資料不止一份，建議您注冊(cè)成為本站會(huì)員。會(huì)員請(qǐng)登錄后下載。
2. 會(huì)員購(gòu)買金幣50元以下，0.7元/個(gè)，50元以上，0.5元/個(gè)。具體請(qǐng)看：下載與付款。
3. 會(huì)員48小時(shí)內(nèi)下載同一文件，不重復(fù)扣金幣。
4. 下載后請(qǐng)用WinRAR或 WinZIP解壓縮后使用。
5. 如仍有其他下載問題，請(qǐng)看常見問題解答。
下載地址：
|
|
| 相關(guān)畢業(yè)論文（設(shè)計(jì)） |
|
|
| 推薦畢業(yè)論文（設(shè)計(jì)） |
|
|
|
|
|