Ⅰ MATLAB四階五級 Runge-Kutta-Felhberg 演算法計算一階微分方程，方程系數會隨著上一步計算結果變化怎麼辦
題主給出的這種類型微分方程，是可以用四階五級 Runge-Kutta-Felhberg 演算法和ode45（）函數。
ode45（）函數實際上就是變步長四階五級 Runge-Kutta（龍格-庫塔）法。為了更好地回答，請題主給出具體的微分方程，以便說明問題。
Ⅱ 如何用matlab實現最大熵譜法
例如：
具體問題：matlab中burg法譜分析語句[P,f]=pburg（x,M,nfft,fs,range）,文獻對M階、nffg,fs都有說明，但
是我不太明白。假如我的記錄60秒的數據，每秒100個數據點（頻率為100hz）那麼對應的M、nfft、fs應該是多少
可以使用
pburg（x,50，,6000，100，『onesided』）
Ⅲ 請問matlab中如何在功率譜密度圖中添加一條置信曲線
這么多,看都懶得看!~
Ⅳ 有誰知道杜賓演算法原理
matlab自帶有杜賓演算法的函數：levinson
有自帶的burg演算法函數：arburg,pburg
窗口打：doc spectrum.burg
就能查到Burg spectrum
在窗口打edit levinson
就能查看函數levinson的源代碼
其它類似
Ⅳ matlab中pburg函數畫出來的怎麼感覺是錯誤的
解析：
help pburg
然後，
檢查，代碼中此函數調用，格式是否正確
Ⅵ 利用Burg演算法計算AR模型的參數：arburg函數
（1）a=arburg（x，order）；返回利用Burg演算法計算得到的AR模型的參數：輸入參數or-der為AR模型的階數。
（2）［a，e］=arburg（…）；當輸入信號為白雜訊時，同時返回最後誤差e。
（3）［a，e，k］=arburg（…）：同時返回反射系數k。
［例4-5］用Burg演算法計算AR 模型的參數。
rand（『seed』，0）；a=［1 0.1 0.2 0.3 0.4 0.5 0.6］；
x=impz（1，a，20）+randn（20，1）/20；
［a，e，k］=arburg（x，5）。
Ⅶ matlab提示 function [psdviaBurg, f, p] = myBurg(x, Fs, varargin) | Error: Function definitions
1、將下面函數復制保存為myBurg.m文件。就可以計算。預測誤差E 、系數a 、誤差功率psdviaBurg
function [psdviaBurg, f, p,a,E] = myBurg(x, Fs, varargin)
%MYBURG 根據burg演算法實現的AR模型功率譜計算
% psdviaBurg 根據burg演算法求出的功率譜值
% f 頻率軸參數
% p 模型階次
% a AR模型參數
%E AR模型誤差
% x 輸出信號
% Fs 采樣率
% varargin 若為數值型，則為AR模型階次
% 若為字元串，則為定階准則，AR模型階次由程序確定
%
% $Author: lskyp
% $Date: 2010.6.26
% 解析輸入參數內容
error(nargchk(3, 3, nargin)); % 該函數的輸入必須為三個個
if strcmp(class(varargin{1}), 'double')
p = varargin{1};
elseif ischar(varargin{1})
criterion = varargin{1};
else
error('參數2必須為數值型或者字元串');
end
x = x(:);
N = length(x);
% 模型參數求解
if exist('p', 'var') % p變數是否存在，存在則不需要定階，直接使用p階
[a, E] = computeARpara(x, p);
else % p不存在，需要定階，定階准則即criterion
p = ceil(N/3); % 階次一般不超過信號長度的1/3
% 計算1到p階的誤差
[a, E] = computeARpara(x, p);
% 根據誤差求解目標函數最小值
kc = 1:p + 1;
switch criterion
case 'FPE'
goalF = E.*(N + (kc + 1))./(N - (kc + 1));
case 'AIC'
goalF = N.*log(E) + 2.*kc;
end
[minF, p] = min(goalF); % p就是目標函數最小的位置，也即定階准則給出的階次
% 使用p階重新求解AR模型參數
[a, E] = computeARpara(x, p);
end
% 計算功率譜密度
[h, f] = freqz(1, a, [], Fs);
psdviaBurg = E(end)*abs(h).^2./Fs;
function [a, E] = computeARpara(x, p)
% 根據信號序列x和階次p計算AR模型參數和誤差
N = length(x);
% 初始值
ef = x; % 前向預測誤差
eb = x; % 後向預測誤差
a = 1; % 初始模型參數
E = x'*x/N; % 初始誤差
k = zeros(1, p); % 為反射系數預分配空間，提高循環速度
E = [E k]; % 為誤差預分配空間，提高速度
for m = 1:p
% 根據burg演算法步驟，首先計算m階的反射系數
efm = ef(2:end); % 前一階次的前向預測誤差
ebm = eb(1:end - 1); % 前一階次的後向預測誤差
num = -2.*ebm'*efm; % 反射系數的分子項
den = efm'*efm + ebm'*ebm; % 反射系數的分母項
k(m) = num./den; % 當前階次的反射系數
% 更新前後向預測誤差
ef = efm + k(m)*ebm;
eb = ebm + conj(k(m))*efm;
% 更新模型系數a
a = [a; 0] + k(m)*[0; conj(flipud(a))];
% 當前階次的誤差功率
E(m + 1) = (1 - conj(k(m))*k(m))*E(m);
end
2、例如：
參考論壇中的例子。
randn('state', 1);
x = randn(100, 1);
y = filter(1, [1 1/2 1/3 1/4 1/5], x);
pburg(y, 4, [], 1000);
[psd, f, p,a,E] = myBurg(y, 1000, 'FPE');
figure;
a,E
plot(f, 10*log10(psd));
結果：圖還是一樣，就補貼出來了。
a =
1.0000
0.3116
0.3647
0.2086
0.2088
0.0425
E =
1.0224 0.9859 0.9167 0.8989 0.8644 0.8629
Ⅷ matlab中AR模型的計算
[m,refl]=ar(Y,N,Approavh,Window);
%Y觀察值
%N AR模型的階數 取 實整數
%Appproach 表示計算模型的方法 'fb','ls','yw','burg','gl'
Ⅸ 在matlab中像buttord,butter,pburg這些函數是已經定義好的嗎可以直接用嗎
function varargout = pburg(x,p,varargin)
%PBURG
Power Spectral Density (PSD) estimate via Burg's method.
%
Pxx = PBURG(X,ORDER) returns the PSD of a discrete-time signal vector X
%
in the vector Pxx. Pxx is the distribution of power per unit frequency.
%
The frequency is expressed in units of radians/sample. ORDER is the
%
order of the autoregressive (AR) model used to proce the PSD. PBURG
%
uses a default FFT length of 256 which determines the length of Pxx.
%
%
For real signals, PBURG returns the one-sided PSD by default; for
%
complex signals, it returns the two-sided PSD. Note that a one-sided
%
PSD contains the total power of the input signal.
%
%
Pxx = PBURG(X,ORDER,NFFT) specifies the FFT length used to calculate
%
the PSD estimates. For real X, Pxx has length (NFFT/2+1) if NFFT is
%
even, and (NFFT+1)/2 if NFFT is odd. For complex X, Pxx always has
%
length NFFT. If empty, the default NFFT is 256.
%
%
[Pxx,W] = PBURG(...) returns the vector of normalized angular
%
frequencies, W, at which the PSD is estimated. W has units of
%
radians/sample. For real signals, W spans the interval [0,Pi] when
%
NFFT is even and [0,Pi) when NFFT is odd. For complex signals, W
%
always spans the interval [0,2*Pi).
%
%
[Pxx,F] = PBURG(...,Fs) specifies a sampling frequency Fs in Hz and
%
returns the power spectral density in units of power per Hz. F is a
%
vector of frequencies, in Hz, at which the PSD is estimated. For real
%
signals, F spans the interval [0,Fs/2] when NFFT is even and [0,Fs/2)
%
when NFFT is odd. For complex signals, F always spans the interval
%
[0,Fs). If Fs is empty, [], the sampling frequency defaults to 1 Hz.
%
%
[Pxx,W] = PBURG(...,'twosided') returns the PSD over the interval
%
[0,2*Pi), and [Pxx,F] = PBURG(...,Fs,'twosided') returns the PSD over
%
the interval [0,Fs). Note that 'onesided' may be optionally specified,
%
but is only valid for real X. The string 'twosided' or 'onesided' may
%
be placed in any position in the input argument list after ORDER.
%
%
PBURG(...) with no output arguments plots the PSD estimate in dB per
%
unit frequency in the current figure window.
%
%
EXAMPLE:
%
randn('state',1); x = randn(100,1);
%
y = filter(1,[1 1/2 1/3 1/4 1/5],x); % Fourth order AR filter.
%
pburg(y,4,[],1000);
% Uses the default NFFT of 256.
%
%
See also PCOV, PMCOV, PYULEAR, PMTM, PMUSIC, PEIG, PWELCH, PERIODOGRAM,
%
ARBURG, PRONY, SPECTRUM/BURG, DSPDATA/PSD.
% Author(s): R. Losada and P. Pacheco
%
Copyright 1988-2004 The MathWorks, Inc.
%
$Revision: 1.26.4.5 $ $Date: 2004/04/13 00:18:07 $
error(nargchk(2,5,nargin))
method = 'arburg';
[Pxx,freq,msg,units,Sxx,options] = arspectra(method,x,p,varargin{:});
error(msg);
if nargout==0,
freq = {freq};
if strcmpi(units,'Hz'),
freq = {freq{:},'Fs',options.Fs};
end
hpsd = dspdata.psd(Pxx,freq{:},'SpectrumType',options.range);
% Create a spectrum object to store in the PSD object's metadata.
hspec = spectrum.burg(p);
hpsd.Metadata.setsourcespectrum(hspec);
plot(hpsd);
else
% Assign output arguments.
varargout = {Pxx,freq,Sxx}; % Pxx=PSD, Sxx=PS
end
% [EOF] pburg.m
Ⅹ matlab中現代譜估計的burg法怎麼編寫
matlab中,現代譜估計的很多方法都可以實現。music方法用pmusic命令實現;pburg函數利用burg法實現功率譜估計;pyulear函數利用yule-walker演算法實現功率譜估計等等。