Оценка параметров (коэффициентов) уравнения авторегрессии (AR) с использованием алгоритма наименьшего среднего квадрата (LMS)

Question

Я хочу сделать две вещи.

1. Оценка коэффициентов модели AR с использованием фильтра LMS
2. Использование коэффициентов, найденных на шаге 1, и прогнозирование будущих выборок сигнала с использованием уравнения AR.

У меня нет нужного сигнала, поэтому мне нужно использовать будущие выборки сигнала.

На прилагаемом рисунке 1 показана оценка двух коэффициентов, которая является шагом 1

% x=data=signal plus noise;

% mu=step size factor;

% M=number of filter coefficients;

% w1 is a matrix and each column is the history of each filter coefficient versus time n;

N=length(x);
y=zeros(1,N);
w=zeros(1,M);

for n=M:N-1

x1=x(n:-1:n-M+1); 

y(n)=w*x1';

e(n)=x(n+1)-y(n);

w=w+2*mu*e(n)*x1;

w1(n-M+1,:)=w(1,:);

end;

Проблема с моим кодом заключается в том, что он дает мне очень малые коэффициенты (значения сильно отличаются от фактических) В моем коде есть какая-то ошибка, и я не уверен, что это такое. Приведенный выше код должен дать мне Коэффициенты, которые затем я перейду к шагу 2 для прогнозирования AR.