아주대 확률및랜덤변수 매트랩을 이용한 선형 추정기의 설계

소개글

아주대 확률및랜덤변수 김재현교수님 A+받은 레포트입니다.
한번도 배포된적 없는 100% 창작 자료입니다.
총3번의 프로젝트중 3번째 레포트입니다.
타 자료대비 코멘트 및 분석이 상세하게 되어있습니다.(22페이지)
많은 도움 되시길 바랍니다.

목차

Ⅰ. 목적

Ⅱ. 이론

Ⅲ. 프로그램 소스코드 및 분석
1. 자료처리, p차 선형추정 소스코드
2. Data_process.m Code 분석
3. Linear estimator.m Code 분석

Ⅳ. 설계결과
1. 자료처리
2. p차 선형추정
3. 차수별 성능 비교
4. 설계 결과 분석
5. 자기회귀신호에 의한 p차 신호모형

Ⅴ. 최종 결과분석 및 고찰
1. 고찰

본문내용

◎ Data_process.m Code 분석
→ 자기상관함수와 라플라스 확률 밀도 함수의 비교를 위한 코드로 먼저 d3source에서 10000개의 data를 생성해 행렬로 저장하였다. 그 후 계산에 사용할 변수를 설정해 주었다. 여기서 평균을 빼주어 평균을 0으로 갖는 y행렬도 생성해 주었다. 다음 laplace분포 공식을 적용하여 라플라스 확률밀도 함수 z를 생성해 주었다. 그 다음 x의 전체의 크기를 차수로 갖는 자기 상관 함수를 xcorr를 이용해 계산 후 Rxx에 저장해 주었고 그 coefficient를 rx에 저장해 주었다. plot에 필요한 변수 생성 및 계산을 구현하였으므로 이제 비교를 위한 그래프를 plot하였다. 먼저 Rxx와 rx를 plot하여 자기 상관함수의 모양을 확인하였고 x의 히스토그램을 생성하여 plot하였다. 이를 laplace 분포와 비교하기위해 pdf로 변환한 후에 같이 plot해 주었다.

(2) Linear_estimator.m

◎ Linear estimator.m Code 분석
→ 먼저 잠겨있는 d3source code에서 변수를 생성하고 그 일부분을 추출하였다. 매트릭스 형태로 추출된 변수의 분산과 표준편차를 구하였다. 다음 몇 번에 걸쳐 변수를 추정할 것인지에 대한 차수를 입력해 준 후 p로 설정해 차수와 관련된 모든 부분을 계산하도록 하였다. 이를 통해 MAXLAG에 자기 상관함수 계수를 선언하고 범위를 지정하였다. 자기 상관 함수 xcorr를 이용해 그 coefficient를 계산하여 rx로 설정해 주었다. 다음 for문을 사용하여 같은 차수의 크기를 갖는 lRxx 매트릭스를 생성해 주었다. lRxx(0)값에 분산을 넣고 index가 올라갈수록 coefficient를 곱해주면서 생성하였다. 여기서 포인트가 될 수 있는 index를 주의하였는데 초기값이 되는 p+1 다음인 p+2부터 2p+1까지의 범위를 지정해주어 index 오차없이 저장되도록 하였다. 역행렬 연산자인 \를 이용하여 a 벡터를 구한 후에 이를 이용해 평균제곱 오차 DE계산식을 세워 차수마다 값을 비교할 수 있도록 하였다.

참고 자료

없음