octave_packages/tsa-4.2.4/content.m

   1 % Time Series Analysis (Ver 3.10)
   2 % Schloegl A. (1996-2003,2008) Time Series Analysis - A Toolbox for the use with Matlab.
   3 % WWW: http://hci.tugraz.at/~schloegl/matlab/tsa/
   4 %
   5 %       $Id: content.m 5090 2008-06-05 08:12:04Z schloegl $
   6 %       Copyright (C) 1996-2003,2008 by Alois Schloegl <a.schloegl@ieee.org>
   7 %
   8 %  Time Series Analysis - a toolbox for the use with Matlab
   9 %   aar         adaptive autoregressive estimator
  10 %   acovf       (*) Autocovariance function
  11 %   acorf (acf) (*) autocorrelation function
  12 %   pacf        (*) partial autocorrelation function, includes signifcance test and confidence interval
  13 %   parcor      (*) partial autocorrelation function
  14 %   biacovf     biautocovariance function (3rd order cumulant)
  15 %   bispec      Bi-spectrum
  16 %   durlev      (*) solves Yule-Walker equation - converts ACOVF into AR parameters
  17 %   lattice     (*) calcultes AR parameters with lattice method
  18 %   lpc         (*) calculates the prediction coefficients form a given time series
  19 %   invest0     (*) a prior investigation (used by invest1)
  20 %   invest1     (*) investigates signal (useful for 1st evaluation of the data)
  21 %   selmo       (*) Select Order of Autoregressive model using different criteria
  22 %   histo       (*) histogram
  23 %   hup         (*) test Hurwitz polynomials
  24 %   ucp         (*) test Unit Circle Polynomials
  25 %   y2res       (*) computes mean, variance, skewness, kurtosis, entropy, etc. from data series
  26 %   ar_spa      (*) spectral analysis based on the autoregressive model
  27 %   detrend     (*) removes trend, can handle missing values, non-equidistant sampled data
  28 %   flix        floating index, interpolates data for non-interger indices
  29 %   quantiles   calculates quantiles
  30 %
  31 % Multivariate analysis (planned in future)
  32 %   mvar        multivariate (vector) autoregressive estimation
  33 %   mvfilter    multivariate filter
  34 %   arfit2      provides compatibility to ARFIT [Schneider and Neumaier, 2001]
  35
  36 %  Conversions between Autocorrelation (AC), Autoregressive parameters (AR),
  37 %               prediction polynom (POLY) and Reflection coefficient (RC)
  38 %   ac2poly     (*) transforms autocorrelation into prediction polynom
  39 %   ac2rc       (*) transforms autocorrelation into reflexion coefficients
  40 %   ar2rc       (*) transforms autoregressive parameters into reflection coefficients
  41 %   rc2ar       (*) transforms reflection coefficients into autoregressive parameters
  42 %   poly2ac     (*) transforms polynom to autocorrelation
  43 %   poly2ar     (*) transforms polynom to AR
  44 %   poly2rc     (*)
  45 %   rc2ac       (*)
  46 %   rc2poly     (*)
  47 %   ar2poly     (*)
  48 %
  49 % Utility functions
  50 %   sinvest1    shows the parameter calculated by INVEST1
  51 %
  52 % Test suites
  53 %   tsademo             demonstrates INVEST1 on EEG data
  54 %   invfdemo            demonstration of matched, inverse filtering
  55 %   bisdemo             demonstrates bispectral estimation
  56 %
  57 % (*) indicates univariate analysis of multiple data series (each in a row) can be processed.
  58 % (-) indicates that these functions will be removed in future
  59 %
  60 % REFERENCES (sources):
  61 %  http://www.itl.nist.gov/
  62 %  http://mathworld.wolfram.com/
  63 %  P.J. Brockwell and R.A. Davis "Time Series: Theory and Methods", 2nd ed. Springer, 1991.
  64 %  O.   Foellinger "Lineare Abtastsysteme", Oldenburg Verlag, Muenchen, 1986.
  65 %  F.   Gausch "Systemtechnik", Textbook, University of Technology Graz, 1993.
  66 %  M.S. Grewal and A.P. Andrews "Kalman Filtering" Prentice Hall, 1993.
  67 %  S.   Haykin "Adaptive Filter Theory" 3ed. Prentice Hall, 1996.
  68 %  E.I. Jury "Theory and Application of the z-Transform Method", Robert E. Krieger Publishing Co., 1973.
  69 %  M.S. Kay "Modern Spectal Estimation" Prentice Hall, 1988.
  70 %  Ch.  Langraf and G. Schneider "Elemente der Regeltechnik", Springer Verlag, 1970.
  71 %  S.L. Marple "Digital Spetral Analysis with Applications" Prentice Hall, 1987.
  72 %  C.L. Nikias and A.P. Petropulu "Higher-Order Spectra Analysis" Prentice Hall, 1993.
  73 %  M.B. Priestley "Spectral Analysis and Time Series" Academic Press, 1981.
  74 %  T. Schneider and A. Neumaier "Algorithm 808: ARFIT - a matlab package for the estimation of parameters and eigenmodes of multivariate autoregressive models"
  75 %               ACM Transactions on Mathematical software, 27(Mar), 58-65.
  76 %  C.E. Shannon and W. Weaver "The mathematical theory of communication" University of Illinois Press, Urbana 1949 (reprint 1963).
  77 %  W.S. Wei "Time Series Analysis" Addison Wesley, 1990.
  78 %
  79 %
  80 % REFERENCES (applications):
  81 % [1] A. Schlögl, B. Kemp, T. Penzel, D. Kunz, S.-L. Himanen,A. Värri, G. Dorffner, G. Pfurtscheller.
  82 %     Quality Control of polysomnographic Sleep Data by Histogram and Entropy Analysis.
  83 %     Clin. Neurophysiol. 1999, Dec; 110(12): 2165 - 2170.
  84 % [2] Penzel T, Kemp B, Klösch G, Schlögl A, Hasan J, Varri A, Korhonen I.
  85 %     Acquisition of biomedical signals databases
  86 %     IEEE Engineering in Medicine and Biology Magazine 2001, 20(3): 25-32
  87 %
  88 % Features:
  89 % - Multiple Signal Processing
  90 % - Efficient algorithms
  91 % - Model order selection tools
  92 % - higher (3rd) order analysis
  93 % - Maximum entropy spectral estimation
  94 % - can deal with missing values (NaN's)