学海网

毕业设计 数字信号预测滤波器设计及实现，共42页，12604字
摘要
数字信号预测滤波器被广泛应用于气象，商品销量预测，地震预报，股市行情预报等实际问题中。
本文研究了时间序列的统计预测方法，主要有四种模型：自回归模型（AR），滑动平均模型(MA)，自回归滑动平均模型（ARMA），和卡尔曼模型，然后探讨了各个模型的参数估计，以及预测的方法和实验步骤。
本文采用Matlab开发工具开发预测系统。以股票数据为例，采用以上四种预测模型，对股票指数走势进行预测。仿真结果表明这些方法准确可靠。
关键字: 自回归模型 滑动平均模型 自回归滑动平均模型 卡尔曼

目录
第一章 绪论 1
1.1课题意义 1
1.2国内外发展状况 1
1.3时间序列分析简介 2
1.4本文研究的主要内容 3
第二章 自回归模型（AR） 4
2.1自回归(AR)模型描述 4
2.2 AR(p)的自相关函数 5
2.3 序列的自相关系数的作用 6
2.4 AR(p)的平稳解 6
2.5 构建股票价格的AR预测模型 8
第三章 移动平均模型（MA） 13
3.1 移动平均模型(MA)描述 13
3.2 MA(1)的自相关函数 14
3.3 MA(p)的自相关函数 14
第四章 自回归移动平均模型ARMA(p,q) 16
4.1 ARMA(p,q)序列 16
4.2 ARMA(1,1)序列的自协方差函数和自相关函数 18
4.3 ARMA(p,q)序列的自协方差函数 19
4.4 股票价格的ARMA(n，n-1)数学模型 20
4.5 构建股票价格的ARMA预测模型 21
第五章 卡尔曼滤波器 24
5.1基本理论 24
5.2构建股票价格的卡尔曼滤波器预测模型 27
第六章 语音线性预测编码(LPC) 31
6.1理论基础 31
6.2实现技术 33
第七章 总结与展望 38
参考文献 39
致谢 40