精华内容
下载资源
问答
  • MATLAB序列随机性测试

    2009-12-09 18:44:40
    MATLAB序列随机性测试,This file was generated automatically by the Mathematica front end. It contains Initialization cells from a Notebook file, which typically will have the same name as this file ...
  • 回复悟得:时间序列(从左到右)3.1 3.3 3.1 2.6 4.4 3.6 3.6 1.8 2 1 2.9 4.5 0.6 1.1 1.2 3.9 3.7 2....

    回复悟得:

    时间序列(从左到右)

    3.1        3.3        3.1        2.6        4.4        3.6        3.6        1.8        2        1        2.9        4.5        0.6        1.1        1.2        3.9        3.7        2.5        0.5        4.9        4.7        4.9        2.4        3.1        0.1        0.7        0.3        4.2        0.7        3.4        1.8        4.6        0.2        4.9        2.5        2.1        3.3        4.6        1.7        2.4        0.4        1.6        0.3        0.7        4.1        0.3        2.8        1.7        2        3.2        4.6        0.4        3.3        1.7        2.1        2.3        2.7        4.1        0.8        0.2        0.9        1.8        0.9        4.3        4.3        3.9        0.8        3        0.7        4.2        3.5        3.4        0.6        0.3        1        0.6        0.2        2.2        0.7        4        2.4        2.4        3        1.9        2.2        2.2        1.8        0.2        4.9        4.2        0.2        2.2        0.5        4.7        1.9        0.7        3.6        1.5        2.1        1.7        2.1        2.1        4.5        0.6        0.4        1.1        1.6        2.7        2.7        0.2        0.1        1.7        0.2        3.3        0.1        2.1        4.6        2.6        3.5        1        3.1        1.1        4        3.4        4        1.8        3.6        3.7        4.7        2.6        2.9        4.6        1.2        4.5        4.9        0.4        4.7        1.3        3.6        1        0.1        4.7        4.2        4.2        1.8        2.1        3.6        0.9        2.4        4.7        0.1        0.6  。。。。。。

    展开全文
  • 三、纯随机性检验 Box.test(x, type= ,lag= )  x:变量名  type:检验统计量类型。type=“Box-Pierce”输出白噪声检验的Q统计量。该统计量为系统默认输出结果。type=“Ljung-Box”输出白噪声检验的...

    一、绘制时序图的参数设置

    plot(x,tpye=,pch=,lty=,lwd=,col=,main=,sub=,xlab=,ylab=,xlim=,ylim=)
    

       type=来控制点线输出结构。type=“l”为线,type=“o”为线穿过点。

    参数取值

    描述

    type=“p”

    type=“l”

    线

    type=“b”

    点连线

    type=“o”

    线穿过点

    type=“h”

    悬垂线

    type=“s”

    阶梯线

       pch=选项设置观察点的符号。pch=1为空心圆,pch=2为空心三角形。

     

     

       lty=选项设置线的类型

     

      lwd=选项设置线的宽度

      col=选项设置点线颜色

      xlim=选项指定横坐标的范围,用ylim=选项指定纵坐标的范围

      abline()函数为图形添加参考线

         (1)v= 指定垂直参照线,如果需要多条参照线,可以使用v=c(a1,a2,)指定多条垂直参照线。例:

    abline(h=c(15.5,16.6), lty=2)

        (2)h= 指定水平参照线,h=c(a1,a2,)指定多条水平参照线。

        (3)lty= 指定线条的类型。

        (4)lwd= 指定线条的宽度。

        (5)col= 指定线条的颜色。

    二、绘制序列自相关图

    acf(x, lag=)
      
     

     x:变量名

     lag:延迟阶数,用户不特殊指定的话,系统会根据序列长度自动指定延迟阶数。例:

    acf(yield)

    三、纯随机性检验

    Box.test(x, type= ,lag= )
    

       x:变量名

       type:检验统计量类型。type=“Box-Pierce”输出白噪声检验的Q统计量。该统计量为系统默认输出结果。type=“Ljung-Box”输出白噪声检验的LB统计量。

       lag:延迟阶数。lag=n 表示输出滞后n阶的白噪声检验统计量。忽略该选项时,默认输出滞后1阶的检验统计量结果。

       可以编写一个循环命令。最简单的循环函数是for函数,它的命令格式如下:

    for(i in n1:n2 ) print( Box.test(yield,lag=i))

    四、产生随机序列

        正态分布随机数生成函数:

    rnorm(n=,mean=,sd= )
    
       -n:随机数个数

      -mean:均值

      -sd:标准差

        如果要产生n个服从标准正态分布的随机数,可以简写为rnorm(n )

     

    转载于:https://www.cnblogs.com/EXODUS1917/p/7561681.html

    展开全文
  • function [vr_value,z1,z2]=vr(x,q)%输入x为价格序列,q为滞后阶数%vr_value输出方差比值%z1为收益序列不存在下的检验统计量%z2为收益序列为异方差时的检验统计量%显著水平0.05(双侧标准正态检验)n1=size(x,2);...

    function [vr_value,z1,z2]=vr(x,q)

    %输入x为价格序列,q为滞后阶数

    %vr_value输出方差比值

    %z1为收益序列不存在下的检验统计量

    %z2为收益序列为异方差时的检验统计量

    %显著性水平0.05(双侧标准正态检验)

    n1=size(x,2);%原始数据维数为m

    m=n1-1;

    r=zeros(1,m);

    for i=1:m

    r(i)=x(i+1)-x(i);

    end

    %r;

    %median(r);%中值

    %mean(r);%期望

    %var(r);%方差

    %range(r);%极差

    %kurtosis(r);%峰度

    %skewness(r);%偏度

    mu=mean(r);%均值

    rm=zeros(1,m-q+1);

    for i=1:m-q+1

    for j=i:i+q-1

    rm(i)=rm(i)+r(j);

    end

    end

    s1=0;s2=0;

    for t=q:m

    s1=s1+(x(1+t)-x(1+t-q)-q*mu)^2;

    end

    for t=1:m

    s2=s2+(x(t+1)-x(t)-mu)^2;

    end

    me=q*(m-q+1)*(1-q/m);

    vr_value=(s1/me)/(s2/(m-1));%vr_value为Lo & Mackinlay提出的方差比 fy1=2*(2*q-1)*(q-1)/(3*q*m);

    z1=(vr_value-1)/sqrt(fy1);

    %收益序列不存在时的方差比

    fy2=0;

    delta=zeros(1,q-1);

    delta1=zeros(1,q-1);

    s3=0;

    for k=1:q-1

    for l=k+1:m

    展开全文
  •  信号的平稳性检验随机信号处理中起着十分基础的作用。由于平稳信号和非平稳信号的性质差别显着,因此在处理信号之前先行判断它的平稳性就显得尤为重要。虽然信号平稳性的定义十分明确,但是实际判断过程却是复杂...
  • 信号的平稳性检验随机信号处理中起着十分基础的作用。由于平稳信号和非平稳信号的性质差别显著,因此在处理信号之前先行判断它的平稳性就显得尤为重要。虽然信号平稳性的定义十分明确,但是实际判断过程却是复杂的...

    信号的平稳性检验在随机信号处理中起着十分基础的作用。由于平稳信号和非平稳信号的性质差别显著,因此在处理信号之前先行判断它的平稳性就显得尤为重要。虽然信号平稳性的定义十分明确,但是实际判断过程却是复杂的,例如观察尺度对信号平稳性判断就有很大的影响。

    这一领域的研究已经取得了一定的成果。一些人提出了受限和带参数的非平稳性判定方法,而另一些人则将他们的平稳性判定建立在对原始数据的一些假设上。而对于更一般信号的平稳性检验的研究还没有取得太多成果。文献 [2,3]中又提到了这一问题,并且提出了一种新的检验平稳性框架。这一框架混合了时频透视法和有名的替代数据法。它的基本思想是引入“可控噪声”,即替代数据。并且由于替代数据的一些特性,它可以作为平稳性的评判标准。本文参考了文献[6]中的平稳性检验方法,设计了一个信号平稳性检验系统,并在 Matlab的GUI开发环境下实现了图形用户界面的设计。实践表明,本系统不但提供了友好的用户界面,并且可以方便地完成信号的平稳性检验。

    1 平稳性检验原理

    1.1 平稳性定义及其检验的重要性

    假设有一个高斯过程{xl(t))(- ∞

    1269850235_d425d1ac.jpg

    为任意确定t时刻的全体平均。同时:

    1269850239_ab5f3785.jpg

    被称为自相关函数(ACF)。

    对于一个弱平稳过程,它的μx(t) 和r(t1,t2)都是时不变的或者说与时间无关的。因此有:

    1269850242_fbe87bf5.jpg

    式中:τ=t1-t2被称为时延。因此,对于平稳高斯过程{xl(t)},它的自相关函数或者它的功率谱密度函数(PSD)为:

    1269850245_3c9e0f4b.jpg

    足以确定它的性质。

    另一方面,如果{xl(t))是非平稳的,它的μx(t)和r(t1,t2)就是时变的或者说和时间相关的。这样它的PSD就应该放在时频域分析。

    由此可见,平稳性检验是任何信号处理前必不可少的一步,它决定了后续处理可以使用何种方法。

    1.2 替代数据

    替代数据的概念最初是由Theiler和其合作作者提出的,这种技术是用来产生一种所谓的“替代数据”,这种替代数据是平稳的,同时保持了原数据的一些相关的统计特性。

    Theiler在文献[4]中提出了一种具体的产生替代数据的方法。由这种方法产生的替代数据是平稳的,同时保持了原数据的二阶统计特性。具体地说,替代数据保持了原数据功率谱的幅度值不变。

    根据Wiener- Khintchin理论,信号的功率谱等于其傅里叶变换的幅值平方。因此保持信号的功率谱幅度值不变,就是保持其傅里叶变换的幅度值不变。因此,假设原数据为x(t),它的傅里叶变换为

    1269850326_db768af7.gif

    产生。其中,φf是在[-π,π]上均匀分布的随机相位。这样就保证了s(t)和x(t)有相同的傅里叶变换幅值。在下面的例子中也可以看到,这样产生的s(t)也是平稳的。

    1.3时频分布

    时频分布主要用于分析非平稳随机信号的功率谱。由于非平稳随机信号的功率谱是时变的,因此在原来功率谱的基础上再引入时间轴,成为时频分布(TFD)。TFD可以显示出信号的功率谱随时间的变化情况。

    具体来说,根据文献[9]中的定义,信号x(t)的时频分布Sx,K(t,f)可以表示为:

    1269850347_dc7f1bd0.jpg

    1.4 平稳性检验

    平稳性可以体现在频谱随时间的波动上。具体来说,对于平稳信号,其频谱不随时间变化;而对于非平稳信号,其频谱会随时间改变。因此,可以通过比较不同时间点上频谱的相似程度来判断信号的平稳性。

    按照文献[4]中的检验方法,定义不同时间点上的频谱与频谱平均值的距离cn(x)为:

    1269850338_adcba90a.jpg

    2用户界面生成

    2.1 Matlab中用户界面的生成

    Matlab 为用户设计图形界面提供了一个高效、方便的集成环境。在Matlab中,基本的图形对象主要包括坐标轴、控件、下拉菜单和内容菜单。用户可以通过这些对象设计出界面友好,功能强大,操作简单的图形用户界面。图形用户界面的生成主要分为以下几个步骤:

    (1)规划所设计的图形用户界面,主要包括:确定需要哪些窗口,每个窗口怎样布局,窗口中的各个对象各有什么功能,对象之间如何配合工作,以及相应的异常处理;

    (2)在 Matlab提示行下输入GUIDE,载人用户界面开发环境;

    (3)利用Layout Editor,完成用户面板以及界面的制作,并对相应的按钮及控件属性进行适当的设置;

    (4)在Programme Editot中编辑各个对象的回调函数,实现各个对象韵具体功能;

    (5)利用Mfile编译器生成客户端,完成随机数据仿真系统的设计。

    2.2 用户界面介绍

    本文所实现的用户界面主要包括两个窗口,分别是主窗口和数据生成窗口。由于Matlab对保存绘图区域有限制,因此设计时没有在窗口中设置固定的绘图区域。窗口只相当于一个命令菜单,所有的绘图将会以独立窗口的形式根据用户需求动态产生。这样便于用户对比和保存图片。下面对主要窗口分别加以介绍。

    2.2.1 主窗口介绍

    主窗口如图1所示。主窗口主要用于绘制原数据和替代数据的各种波形以及显示平稳性检验结果。其中,“Create/Open Original Data”按钮用来打开数据生成窗口。

    1269850438_467a229b.jpg

    “View/Change Parameters”按钮用来查看或改变当前仿真参数,它在原始数据存在的情况下才有效。主要的仿真参数有:

    “Time Scale of TFD”和“Frequency Scale of TFD”用于确定绘制TFD图片时的时间/频率轴采样周期,由于计算和显示时频分布图比较耗费时间,将采样周期设大,可以提高速度,但是相应的时频分布图的分辨率会下降。

    “Max Level of Hermite Function”用于确定求TFD时所使用Hermite函数的最高阶数。最高阶数越高,则分辨率越高,但是相应的计算时间会加长。

    “The Number of Surrogates”用于确定平稳性检验时所用的参考替代数据个数。个数越多,则检验结果越精确,但是会极大地延长计算时间。

    “Create Surrogate”按钮用于产生替代数据,其在原始数据存在的情况下才有效。由于替代数据具有随机性,因此用户可以多次产生不同的替代数据,观察它们的性质。

    右上方的下拉菜单用于选择需要绘图或者保存数据的对象,主要包括原始数据的时域、频域和时频域图,替代数据的时域、频域和时频域图,以及替代数据的平稳度分布。它在原始数据存在的情况下才有效。

    “Show Selected Plot”按钮用于在新窗口中绘制下拉菜单所选图线,它在原始数据存在的情况下才有效。

    “Save Selected Data”按钮用于保存下拉菜单所选图线对应的数据,它在原始数据存在的情况下才有效。

    2.2.2 数据生成窗口

    数据生成窗口如图2所示。数据生成窗口主要用来产生实验用数据或者打开已经存在的实验数据。

    1269850443_693d2523.jpg

    “Creat Original Data”按钮用来产生测试用数据。按下此按钮后会提示输入产生数据用的参数。由于数据是通过公式:

    1269850445_659abd61.jpg

    产生的调频信号,因此需要确定参数P1和P2,另外还要确定t的区间和采样周期。数据成功产生后会在新建窗口中显示该数据时域波形。如果当前存在数据波形,将会覆盖它。

    “Open Original Data”按钮用来打开已经存在的数据文件。选择好文件后会提示输人参数。主要包括读人数据的时间起点、时间采样周期和数据长度。数据成功读入后会在新建窗口中显示该数据时域波形。如果当前存在数据波形,将会覆盖它。

    “Confirm”按钮用于确认新建窗口显示的数据就是用户想要的数据,并返回主窗口。它在创建或打开的数据存在的情况下才有效。

    3数据仿真和分析

    将实验数据取为调频信号 x(t)=sin(sin(t/8)πt)。t起始为0,采样周期为0.1 s,数据长度为400个点,其时域波形和频域波形如图3所示。

    1269850449_3d2d6d29.jpg

    由式(6)产生的替代数据s(t)的时域波形和频域波形如图4所示。

    1269850452_46205745.jpg

    由图3和图4不难看出,替代数据与原数据的傅里叶变换幅值相同,但替代数据傅里叶变换的相位是随机的。

    1269850548_196788f3.jpg

    图5显示了由式(7)计算得到的原数据和替代数据的时频分布图。由图5中可见,原数据的时频分布图有明显的结构性。它表明是非平稳的,而替代数据的时频分布图的结构性较原数据有明显减弱,表明替代数据的平稳性增加。

    由式(11)计算得到的0的概率密度函数f(0) 如图6所示,其中一共计算了1 000次替代数据。

    由图6可见,替代数据的平稳度主要分布在0.02附近。数据的平稳度落在0~0.04 之间可以认为是平稳的,而在此之外可以认为是非平稳的。

    1269850551_5f15d74c.jpg

    由式(11)计算得到的1=0.046。位于上述区间之外,因此判为非平稳。这一结果也与图5所示的结果相吻合。

    4结 语

    利用替代数据法和时频透视法,并采用Matlab 的GUI开发环境,设计了一个信号平稳性检验系统。该系统的用户界面友好。利用该系统可以观察信号及其替代数据的频域和时频域波形,检验信号的平稳性。

    展开全文
  • Matlab实现随机森林、神经网络、Lasso回归

    千次阅读 多人点赞 2020-10-25 20:01:59
    实现之前所说的上传Matlab实现随机森林、神经网络、Lasso回归的承诺。 Lasso lasso具有降维的功能,但区别于PCA,lasso直接减少特征数,做的是特征选择,PCA是通过空间转换将特征空间从高维空间转换到低维空间,是...
  • 随机共振描述了过阻尼布朗粒子受周期信号和随机噪声的共同作用下,在非线性双稳态系统中所发生的跃迁现象. 随机共振可用于弱信号的检测,编写的matlab程序,a_b_f是主程序
  •  信号的平稳性检验随机信号处理中起着十分基础的作用。由于平稳信号和非平稳信号的性质差别显着,因此在处理信号之前先行判断它的平稳性就显得尤为重要。虽然信号平稳性的定义十分明确,但是实际判断过程却是复杂...
  • 前言本博客主要讲述如何用LCI值的判断像素是否是干净像素 第一次写 写的不对之处还请多多指教一、什么是噪声检测?由于非理想传感器,传输错误,错误的存储器等,可能无法正确的评估数字图像中某些像素的光度值,...
  • 随机过程_Matlab,matlab,随机过程,随机过程实验,随机过程r,matlab平稳随机过程,应用随机过程,随机过程pdf,平稳随机过程,概率论与随机过程前言 随机模拟若想检验数学模型是否反映客观现实,最自然的方法是比较由模型...
  • 显著性检验matlab* 第六章 显著性检验 基本思想 检验规则 检验步骤 常见的假设检验 基本思想 小概率原理: 如果对总体的某种假设是真实的,那么不利于或不能支持这一假设的事件A(小概率事件)在一次试验中几乎不可能...
  • 资料简介:一、时间序列的平稳二、单整序列三、单位根检验§8.1 时间序列平稳和单位根检验Stationary Time Serial and Unit Root Test一、时间序列的平稳Stationary Time Series⒈问题的提出2、平稳的定义二...
  • 随机森林图像matlab代码
  • matlab精度检验代码多项式混沌随机贪婪算法(RGA) 什么是RG算法? RGA是一种贪婪方法,用于在给定输入和输出样本评估的情况下构建函数的稀疏多项式混沌(PC)近似值。 在每次迭代时,该算法都会从大型候选字典中...
  • MATLAB随机数发生器.txt 生活是过出来的,不是想出来的。放得下的是曾经,放不下的是记忆。无论我在哪里,我离你都只有一转身的距离。均匀较好的随机数生成zz from http://www.ahcit.com/lanmuyd.asp?id=3379...
  • matlab精度检验代码具有随机Prim's算法(RP)的Prime对象提案 ================================================== ========= S. Manen,M。Guillaumin,L。Van Gool {smanenfr,guillaumin,vangool} @ vision.ee....
  • 这个例子展示了如何使用分位数随机林来检测异常值。分位数随机林可以检测到与给定X的Y的条件分布有关的异常值。 离群值是一些观测值,它的位置离数据集中的大多数其他观测值足够远,可以认为是异常的。离群观测的...
  • 这种人工测试方法费时费力、效率低,且测试的温度及湿度误差大,随机性大。因此我们需要一种造价低廉、使用方便且测量准确的温湿度测量仪。  本实验基于Matlab环境下设计了一个小型温度检测系统,下位机使用AT89S51...
  • 和 stochastic gradient descent(随机梯度下降)http://blog.csdn.net/pennyliang/article/details/6998517上面是作者的blog,代码采用的是C的,我这里采用了比较简便的matlab方式。批量梯度下降是一种对参数的upd...
  • Matlab实现分组检测

    2021-08-09 17:50:01
    基于Matlab实现的分组检测 引言 分组检测是当今医学中经常出现的一种对疾病检测的有效方法。对于收集咽拭子样本并进行检测这个操作是需要一定成本的,尤其是疫情突然爆发,在短时间内,我们需要在当地众多居民中检测...
  • matlab精度检验代码bksvd-块Krylov奇异值分解 简单的MATLAB代码,可通过分析的随机块Krylov方法迭代计算SVD或PCA 安装 下载bksvd.m ,或直接将其包含在项目目录中。 文献资料 bksvd可用作MATLAB的svds函数的svds替代...
  • 显著性检验就是事先对总体(随机变量)的参数或总体分布形式做出一个假设,然后利用样本信息来判断这个假设是否合理,即判断总体的真实情况与原假设是否有显著性差异。 今天的案例是2000-2015年的NPP数据和2
  • 为此,我们提出了一些可以按以下顺序使用的 Matlab 例程: - b_Create_random_dataset:生成随机数据- c_Classify_Datasets:对随机数据进行分类并将解码百分比绘制为样本大小的函数- d_Statistic_binomial_...
  • 这里主要介绍两种方法,一是使用m文件编辑,二是用simulink产生一、用m文件编辑Np=63;%循环周期delta_T = 1;%时钟节拍a=1;%幅度%初始化M序列M(1)=1;M(2)=0;M(3)=0;M(4)=1;M(5)=1;M(6)=0;M_XuLie(Np) = 0;...
  • matlab独立性检验代码 注意:MGCPY最近已移至HYPPO。 它包含最新的实施,更多的用户友好的API和更快的测试,以及其他功能。 MGCPY将不再更新。 可以在此处找到新的REPO :。 R版本在CRAN和上可用。 可在以下位置获取...
  • 与上一部分资源类似,这部分也是基于MATLAB的车道线检测程序,同样使用和对比了不同边缘检测算法,最后对得到的数据点进行随机采样一致算法(RANSAC)拟合了车道线。
  • 图像显着性检测算法matlab代码mDRFI _ Matlab 皮肤镜图像中的显着性检测 皮肤镜图像中的显着性检测,如本文所述:M. Jahanifar等人(“皮肤镜图像中病变的受监督的显着性图驱动分割”)(arXiv :) **这是用于在...
  • matlab 假设检验

    万次阅读 2012-07-22 21:15:06
    正态总体的参数检验 ztest 单样本均值的z检验 (总体服从正态分布) [h,sig,ci,zval] = ztest(x,mu0,sigma,alpha,tail) ttest 单样本均值t检验 (总体服从正态分布)
  • 1、方差分析的应用前提条件为:①各样本须是相互独立的随机样本;...⑤两样本的方差齐性检验等。如何用SPSS进行多因素方差分析多因素方差分析是对一个独立变量是否受一个或多个因素或变量影响而进行的方差分...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 9,198
精华内容 3,679
关键字:

matlab纯随机性检验

matlab 订阅