论文简介：
　　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

论文文件预览：
共3文件夹，11个文件，文件总大小：1.15MB，压缩后大小：588.34KB

• 毕业设计-数字信号预测滤波器设计及实现
• 文数字信号预测滤波器设计及实现
• 程序
• ARForecast.m  [669.00B]
• ARMAForecast.m  [646.00B]
• DataStock.mat  [2.76KB]
• InputSignal.m  [215.00B]
• InputStockData.m  [129.00B]
• KalmanFunction.m  [882.00B]
• untitled.fig  [990.00B]
• untitled.m  [2.81KB]
• XiaJinBao.fig  [4.29KB]
• XiaJinBao.m  [11.48KB]
• 数字信号预测滤波器设计及实现.doc  [1.12MB]