matlab时间序列分析课程设计,基于Matlab的时间序列分析和动态数据建模

时间序列是指有序的随机数据，实际上是离散的随机过程，有时又称为动态数据[1]。时间序列的滤波、平滑、去卷、预报和控制的基础和前提是建模。建模是时间序列分析中的重要分支。在建模中，往往要进行大量的数学计算。目前流行用、语言等编制计算程序，既需要对有关算FortranC 法有深刻的了解，还需要熟练地掌握所用语言的语法及编程技巧。对多数科学工作者而言，同时具备这两方面才能有一定困难。语言被称为是一种“演草纸式的科学计算语Matlab 言”[2]，它的强大计算和模拟功能使得许多应用领域的各种计算、演算、模拟等工作变得相当简单，是一个实时进行建模和仿真的有力工具。本文着重讨论了基于的时间序Matlab 列分析和动态数据建模问题，并结合火控精度测定数据实例讨论了在这方面的优越性和实际应用。Matlab 语言的特点1 Matlab 被称为第四代计算机语言的，利用其丰富的函数Matlab 资源，使编程人员从烦琐的程序代码中解放出来。用Matlab 更直观的、符合人们思维习惯的代码，代替了和语FortranC 言的冗长代码，给用户带来最简洁的程序开发环境。Matlab 语言简洁紧凑，使用方便灵活，库函数极其丰富，程序书写形式自由，利用其丰富的库函数避开繁杂的子程序编程任务，压缩了一切不必要的编程工作。由于库函数是由本领域的专家编写的，用户不必担心函数的可靠性[3,4]。可以说， 用进行科学开发是站在专家的肩膀上。Matlab 时间序列分析和动态数据建模2 采样数据的检验和预处理2.1 [1] 在实际问题中，合理地选择采样间隔得到大量的量测数据之后，还要进行初步的整理和必要的检验，以期去粗取精，为进一步深入分析提供较好的依据和参考。这些工作都属于预处理。包括对量测数据进行均值、方差和概率直方图分析、数据的正态性检验、数据的独立性检验、平稳趋势的 检验、剔除野点和提取趋势项。 野点剔除2.1.1 文中采用的野点剔除方法是提出的，其基本思想Tukey 是产生一个曲线的平滑估计，然后把它从数据中减掉，这样识别野点就容易得多了。该方案利用“中位数”是均值的鲁棒估计这个事实。其步骤为：(robust) 从构造一个新序列，方法是取，⋯的中位数(1)x(i)x1(i)x(1),x(5) 作为然后舍去加入取中位数得，依此类推，直到x1(3),x(1)x(6)x1(4) 加入最后一个数据。换言之，总是在相邻个数据中择取中位数。5 显然，的项数比真项数少项。x1(i)x(i)4 用类似的方法在的相邻的个数据中择取中位数构成序(2)x1(i)3 列。x2(i) 最后是由序列按如下方式构成序列：(3)x2(i)x3(i) 这是一海宁平滑滤波器。 x3(i)=x2(i-1)/4+x2(i)/2+x2(i+1)/4 () 分析序列，看是否有＞预定值，x(i)-x3(i)|x(i)-x3(i) |k() 如果有，则用一内插值代替。剔除野值后的仿真图像见x(i) 图。1 图趋势项剔除后图1 量测数据的均值、方差和概率直方图分析2.1.2 量测数据的均值、方差和概率直方图分析可以直接调 用函数：、和，过程非常简洁有Matlabmean.mvar.m histfit.m 效，仿真结果见图。2 提取趋势项2.1.3 在许多实际问题中，由量测直接得到的随机序列大多数 作者简介：董言治－，男，博士生，研究方向为红外成像、 (1972) 智能制导、图像处理等；刘松涛，博士；尉志苹，本科生；沈同 圣，博士、副教授；周晓东，教授收稿日期：2002-06-20 基于的时间序列分析和动态数据建模Matlab 董言治1