weixin_41694971的博客

vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5 Keras官方预训练模型

自相关序列实际上只能从随机序列x(n)的有限个观测数据估计得到。当时间序列较短时，的估计误差很大，这将对AR参数的计算引入较大的误差，导致谱估计性能下降，甚至出现谱线分裂与谱峰偏移等现象。如果利用观测到的数据直接计算AR模型的参数，则能克服上述方法的缺点，得到性能较好的谱估计结果。这种方法是由Burg提出的，称为Burg法，也叫做最大熵谱算法。

基于matlab的burg算法，在随机信号分析中，可以用AR模型进行功率谱估计。在求解Yule-Walker方程中的AR系数可用Levinson递推算法简化计算，但它需要知道自相关序列。自相关序列实际上只能从随机序列x(n)的有限个观测数据估计得到。当时间序列较短时，的估计误差很大，这将对AR参数的计算引入较大的误差，导致谱估计性能下降，甚至出现谱线分裂与谱峰偏移等现象。如果利用观测到的数据直接计算AR模型的参数，则能克服上述方法的缺点，得到性能较好的谱估计结果。这种方法是由Burg提出的，称为Burg法，也叫做最大熵谱算法。