信号が安定していれば、各試行の自己相関関数を見て、ACFが減衰し始めるときの遅れを設定することができます。
より定量的なフィットを得たい場合(これはおそらく、信号を見て、一般化するよりも簡単です)。あなたはARモデルに合うことができます
最初にすることは、評価したいオーダーの範囲を選択することです(私は、いくつかの信号についてACFを見て、ACFには信号が比較的ないところで注文する) 。
bounds = 1:12; % Order bounds
ここで、各注文の可能性を繰り返し、AIC、BICを計算します。低い値==より良いフィット。
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
これで、あなたは最低のものを選びたいと思っています。 この場合、信号全体に平均値を使用します。 本当に注意してください。分布を見て、低い値を選択します
メジアンの分布が狭いです。評価するためにAICを使用することもできます。
[~,order_ind] = min(mean(bic,1));
order = bound(order_ind);