신호가 안정적이라면 ACF가 감쇠하기 시작할 때 각 시험의 자기 상관 함수를보고 지연 시간을 설정하십시오.
autocorr(Y);
당신이 (아마 째려 129 개 신호를 일반화보다 쉽습니다)보다 양적 적합을 얻고 싶다면
. AR 모델에 적합 할 수 있습니다
먼저 할 일은 평가하고자하는 주문 범위를 선택하는 것입니다 (두 신호에 대해서는 ACF를보고 ACF에는 상대적으로 신호가없는 순서를 선택합니다) .
bounds = 1:12; % Order bounds
이제 각 주문 가능성을 반복하고 AIC, BIC를 계산합니다. 낮은 값 == 더 잘 맞습니다.
for p = bounds
myModel = arima(p,0,0); % no moving average (I'm not sure about no MA...)
for sig_ind = 1:size(sig_mat,2)
% Get the log likelihoods
[~,~,LL(p,sig_ind)]= estimate(myModel,sig_mat(:,sig_ind));
end
end
for sig_ind = 1:size(sig_mat,2)
[aic(sig_ind,:),bic(sig_ind,:)] = aicbic(LL(:,sig_ind),bounds,size(sig_mat,1));
end
이제 가장 낮은 것을 골라 내고 싶은 BIC 점수가 있습니다. 이 경우 평균 신호를 사용합니다. 실제 분포에주의하고 조밀 한 분포로
중간 값을 선택하십시오. AIC를 사용하여 평가할 수도 있습니다.
[~,order_ind] = min(mean(bic,1));
order = bound(order_ind);