时变AR模型建模与分析算法工具箱

资 源 简 介

本工具箱专门设计用于处理和分析非平稳时间序列，提供了一套完整的时变自回归（TVAR）模型构建、参数估计及信号分析的MATLAB函数集。与传统的平稳AR模型不同，该工具箱针对信号统计特性随时间变化的情况，允许AR系数及激励噪声方差作为时间的函数进行演化。工具箱实现了多种经典与前沿的参数估计方法，包括基于基函数展开（如勒让德多项式、余弦基函数或离散椭球序列）的确定性参数估计法，以及基于自适应滤波（如改进型递归最小二乘算法RLS和卡尔曼滤波算法）的随机轨迹追踪法。其核心功能涵盖了时变模型阶数的动态选择（如时变A

详 情 说 明

时变AR模型建模与分析算法工具箱

项目介绍

本工具箱是一个专门用于处理非平稳时间序列的MATLAB计算框架。与传统的平稳自回归（AR）模型不同，该工具箱核心关注信号统计特性随时间演化的规律。通过将模型系数和激励噪声视为时间的函数，本工具箱能够刻画信号频率的瞬时漂移、系统极点的动态演化以及由于功率谱密度变化产生的非平稳行为。工具箱集成了确定性参数描述与随机轨迹追踪两类主流算法，为时变系统的状态预测、特征提取和稳定性分析提供了标准化的工具。

功能特性

• 多算法估算体系：提供基于勒让德多项式展开的、改进型递归最小二乘（RLS）和卡尔曼滤波（Kalman Filter）三种核心估计方法。
• 动态阶数评估：支持时变AIC（信息准则）计算，用于在不同时刻确定最佳的模型复杂度。
• 瞬时系统分析：具备计算瞬时功率谱密度（PSD）以及系统极点实时轨迹跟踪的功能。
• 全方位可视化：自动生成包含预测对比、系数追踪、指标云图、极点分布及残差检验在内的综合性能分析图。
• 稳定性监控：通过极点轨迹图监控模型在演化过程中的系统稳定性。

使用方法

1. 环境准备：确保已安装MATLAB R2016b或更高版本。
2. 数据准备：可以直接运行主脚本生成模拟的调频非平稳信号，或将工程测量数据导入 y 变量。
3. 参数配置：在脚本中根据需求调整采样频率（fs）、模型最大阶数（p_max）及各类算法的超参数（如RLS的遗忘因子、卡尔曼滤波的噪声协方差）。
4. 运行分析：执行主入口函数，程序将依次进行信号仿真、参数估计、定阶计算、频谱分析及绘图展示。

系统要求

• 软件环境：MATLAB 2016b 及以上版本。
• 硬件环境：建议内存 8GB 以上以支持大规模矩阵运算。
• 依赖说明：仅依赖MATLAB基本函数库（如 Signal Processing Toolbox 效果更佳，但核心逻辑已通过原生代码实现）。

实现逻辑分析

主程序的运行逻辑遵循“仿真生产-多维估计-准则评估-物理量化-结果分析”的流程：

1. 信号仿真逻辑

程序首先构建了一个具有随时间变化频率特性的二阶时变AR信号。

• 频率漂移：设定了线性增长频率和指数形式频率，模拟了动态系统的参数变化。
• 稳定性保障：通过控制极点经向距离（r=0.95）确保生成的非平稳信号依然满足瞬时稳定性要求。
• 信号合成：通过时变差分方程迭代生成受白噪声驱动的响应序列。

2. 核心算法实现细节

基函数展开法 (Basis Function Expansion)

• 实现逻辑：将时变系数投影到勒让德（Legendre）多项式空间。
• 关键点：将原本难以求解的非平稳问题转换为一个静态的超定方程组，利用最小二乘法一次性求解所有时刻的投影系数，适合处理平滑变化的参数场景。

递归最小二乘法 (RLS)

• 实现逻辑：利用遗忘因子 $lambda$ 对历史观测数据进行加权。
• 关键点：实时的递归更新机制使得模型能够在线追踪参数。对于突然变化的信号特征，RLS表现出较强的灵敏度。

卡尔曼滤波法 (Kalman Filter)

• 实现逻辑：将AR系数作为系统的状态向量，将信号观测方程作为量测模型。
• 关键点：通过预设过程噪声协方差（Q）和观测噪声协方差（R），在参数的突发变化和测量噪声之间取得平衡，是目前追踪复杂动态系统最稳健的方法之一。

3. 系统定阶与分析算法

时变信息准则 (TV-AIC)

• 程序通过滑动窗口预测误差方差来估算每一时刻不同阶数下的AIC值，生成的云图能够指导用户选择在特定时间段内最合适的模型阶数。

瞬时功率谱密度 (TV-PSD)

• 工具箱直接基于估计出的时变AR参数计算系统传输函数的频率响应，避免了传统FFT在非平稳信号处理中的分辨率困境。

极点轨迹分析

• 针对每一时刻的参数直接通过多项式求根，捕获系统极点在单位圆内的移动轨迹，直观展示频率成分的合并与分离过程。

结果可视化组件说明

工具箱生成的分析报告包含六大模块：

• 时域追踪：展示TVAR模型对原始信号的拟合精度。
• 系数对比：直观对比三种不同算法对真实时变参数的追踪误差。
• 复杂度评估：通过AIC热力图显示不同时刻的最优模型阶数分布。
• 时频谱图：提供高分辨率的频率演化视图，清晰描绘瞬时频率路径。
• 动力学演化：利用颜色映射时间的极点图，展示系统动态特征的迁移。
• 残差检验：通过直方图验证预测残差是否接近白噪声分布，判断模型拟合的有效性。