Selection of the order of autoregressive models for spectral analysis of noise corrupted signals

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25530%2F17%3A39921589" target="_blank" >RIV/00216275:25530/17:39921589 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.science-gate.com/IJAAS/V4I12/Jakub.html" target="_blank" >https://www.science-gate.com/IJAAS/V4I12/Jakub.html</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.21833/ijaas.2017.012.016" target="_blank" >10.21833/ijaas.2017.012.016</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Selection of the order of autoregressive models for spectral analysis of noise corrupted signals

Popis výsledku v původním jazyce

This paper presents the theoretical basis of autoregressive (AR) modelling in spectral analysis. Autoregressive modelling includes a model identification procedure based on an autocorrelation function (ACF) of the incoming signal and its statistical evaluation. This is necessary to choose the best order of an AR model that best describes the given set of data. Spectral analysis gives information about the frequency content of a signal. The AR method is an alternative to discrete Fourier transform (DFT) in the computing of a power spectrum density function of a signal, but provides a smoother power spectral density then DFT. (C) 2017 The Authors. Published by IASE.

Název v anglickém jazyce

Selection of the order of autoregressive models for spectral analysis of noise corrupted signals

Popis výsledku anglicky

This paper presents the theoretical basis of autoregressive (AR) modelling in spectral analysis. Autoregressive modelling includes a model identification procedure based on an autocorrelation function (ACF) of the incoming signal and its statistical evaluation. This is necessary to choose the best order of an AR model that best describes the given set of data. Spectral analysis gives information about the frequency content of a signal. The AR method is an alternative to discrete Fourier transform (DFT) in the computing of a power spectrum density function of a signal, but provides a smoother power spectral density then DFT. (C) 2017 The Authors. Published by IASE.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

20200 - Electrical engineering, Electronic engineering, Information engineering

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

International Journal of Advanced and Applied Science

ISSN

2313-626X

e-ISSN

2313-3724

Svazek periodika

4

Číslo periodika v rámci svazku

12

Stát vydavatele periodika

TW - Čínská republika (Tchaj-wan)

Počet stran výsledku

4

Strana od-do

79-82

Kód UT WoS článku

000418513600016

EID výsledku v databázi Scopus

—