eviews脉冲响应图怎么分析

实证分析啊，他进行一个，呃，描述性分析啊，首先我们点 s， 二选 nsn， ds， 呃， idp， 因为你这个数据啊，呃，你就变量选择了 太多了， interesting， 然后 interesting， let's go， let's go， 完了，我点不了了。 disco will come on， ok， 这是我们的结果，第一个结果 看我这个蛋跟点点怎么做， 看到没这水平，然后这个已经，这个，这个，这个三个是会点这两个，然后这三个下面是 就随便一点就行，两个符合就行即可。然后携程检验，携程检验我们一般是根据这后面做的 vr 模型，因为你这个模型啊，他这个 vr 呃出来的不是太好 啊，所以我只我没有全用所有的边量，因为有些边量他确实是，呃用不上的，好吧。嗯， interest， 然后是 led gdp， 然后 ds 这个余额，然后 fm， 嗯，然后呢？ sorry， 然后我们直接 vr， 那我们先做个 vr， 看到没有？然后我们首先我们其实要做的这个信息准则，但是信息，呃，不是，不是信息准则，我们首先要做的是这个平衡性检验， 对，这个平衡线就说明， ok， 我们这个之后一期是同，呃是符合要求的。然后我们再去呃 做歌单结，这个，这个歌单结结果出来了， 对，这就是歌单结结果，这最后一期的结果你可以复制过去。

嗯，大家好，今天我们一起学习一下 vr 模型第六节脉冲响应分析。首先介绍一下脉冲响应函数的基本思想。 vr 模型的目的实际上就是为了得到脉冲响应函数和方案分解，而不是得到 vr 模型的回归方程。因为回归方程的系数的 t 统计量一般都很小，它是通过不了 t 检验的。因此呢，我们主要分析当一个变量变化，其他变量的动态变化过程。 在脉冲响应函数中呢，我们一般不是分析一个变化一个变量变化对另一个变量变 变化的影响，而是分析当一个误差项变化，或者说模型受到冲击时，整个系统的动态变化。我们可以看一下。呃，他的思想啊， 在一个 vr 二阶模型的展开试和中，咱们可以看到 x t 和 z t。 如果我们在一开始在，就对 x t， z t， f t 减一， x t 减二，它们的 值都进行约束。假如可以看到下面这个约束的过程。假如系统从零七开始活动， 设 x 负一， x 负二等于 z 负一， z 负二全都等于零，但残差一品荣一，零等于一，一品荣二零等于零， 并且以后全都为零这个约束约束了。如果有式子有约束，那么上述的这个 vr 模型的展开式就成为了一个地推式。我们可以根据变量的地推关系 写出 x 一， z 一， x 二， z 二， x 三、 z 三一直到 x p、 z p 的值。大概可以看到，当 t 等于零的时候， x 零是等于一的， z 零是等于零的， t 等于一十， x 一等于 a 一， z 一等于 c 一 t 等于二十， x 二和 z 二 t 等于三十， x 三和 z 三的值都能求出来，根据地推关系呢，我们可以求得所有的 x 和 z， 这个就是脉冲响应函数的思想。咱们可以看到哈，这个 叫做，可以看到一零，这个一品荣一零啊，残差一品荣一零。首先给他一个正向的冲击，让他等于一，这个就叫做 给 x 已脉冲，叫做已给 x 已脉冲，然后其他变量了，对，这个 x 要响应， x 是冲击源，其他的变量是响应源。在这个 vr 模型中，也就是 z， 也就是 z 是响应源， 这个就是脉冲响应函数的思想啊。呃，咱们现在可以看一下脉冲响应函数在论文中的呈现形 形式。这个是，嗯， long m s m s h 对 d long m e r u 的响应。第一个图是前十七的响应，第二个图是四十七的响应，嗯，大家可以看到哈，就是 这个响应的曲线是先增，前段时间是正向响应，然后减，变成负向响应。负向响应呢，到这里就看不见了，咱们可以看第二个图，在第， 这是第三期到第二十期都是负向响应，然后变为正向响应，然后开始收敛，这个实际上一直到收敛了，这就是整个脉冲响应的一个过程，整个过程就是这样这样的，我们一 般分析呢，是从先从描述曲线的轨迹走势等判断。啧， 一个响应，对啊，一个一个变量，对另一个变量啊，对冲击员的响应，响应是怎么样的？他的轨迹走势是怎么样的？正向响应还是负向响应？响应的力度是怎么样的？然后呢？ 在进行经济的解释，从影响的程度啊，政策的实质啊，他这个脉冲的持续的长短呀，就什么时候收敛这个时间的长短等一方面来进行分析， 大家要注意一下哈，就是，嗯，脉冲响应函数，它是一个误差项变化对其他变量的影响， 而不是斜等方程中一个变量对另一个变量当期的影响，和 vr 方程中那些数据的区别哈，大家要注意一下。呃，还要注意的一个点呢，就是咱们刚才说的这个脉通响应函数，给出了 脉冲响应函数的思想哈，但是你千万不要手算，因为软件不是这样算的。咱们这里只介绍一下思想，让大家了解一下脉冲响应函数到底是什么东西。嗯，好了，这节的课程就到这里。

图形分析就是简单的一个画图啊，简单的画图，呃，他这里描述的是 xr 和 y 的关系，那我直接按住刚才教大家的就是如何选中两个，那就是 xry， 先点 xr， 再点 y， 有人说可不可以先点 y， 再点 x， 呃，可以，但是这个图形会有一些变化，因为，呃， 因为我们日常习惯之中，我们从初中、高中开始学，我们就习惯的把 x 作为横轴， y 作为竖轴，然后，呃，这个系统默认的是先点谁，谁就是横轴，那我想把 xr 设为横轴，那我就把 xr 先点 y， 后点，然后右击 oppo， 打开一组，打开，然后这里有个 grout 图形，点击 啊，然后这里就图形就出来了，这里就有，底下就有非常多的图形，大家看那个英文单词也能看出来他大概是个什么样的图形，这个他就 是线段类似的，这个就是一个，呃，那个柱状图，巴马棍子，棍子就是柱状图，大家自己每一个去点，大家知都就知道他每一个表示的是 一个什么样的图形，这个就是一个，那个，呃，区域图吗？就类似于丙状图这样的，大家一个一个去试。我们在这里使用的是散点图，这里就一个一个的小点，就叫散点图，就每一个 x y， 比如说我刚才的，呃，把数据打开啊， 第一章的数据，比如说我第一年的 x 等于九点，我该 x 二等于五点零九，然后 y 等于六十点四二，然后第二年的是这么多，我就在， 我找，我同样的，我就在这个坐标轴上， x 等于五十几，然后我就在这里，然后五十几往上找，然后我还等于 y 等于六十， x 等于五百多，然后我就在这里找个六十的，大概就在这里，哎，我就打个点，然后把每一个数字都标一个点标上去，然后这样就形成了一个闪点图，那红线是什么呢？红线就是他礼盒那个回归线这个软件，他就 判断这几个点有没有在一条直线上，然后求出这个这几个点，所有的点到直线的最短距点，然后画出一条线， 这就是他的回归线，然后回到这个软件操作上面来，然后我们选择散点，然后这里可以选择让他礼盒回归线或者不礼盒，这里选，我们选择是礼盒，选择这个回归线，单看单词， 然后这里就输出了这个图形，也就是这也就是 ppt 上的这个图，我们直接看 ppt 大一点啊，然后这里好，这里展示的是 xr 与 y 的散体 点图，以及二者之间的估计趋势，从图中大致的可以看出来， y 是随 x 二的增加， x 二增加， y 也在增加，在一定程度上可以观测两者之间呈现正向的关系，而且他们基本上就是闪点，有很多都 分布在这个回归线上，说明他们两个之间呃存在比较强的一个关系，从这里可以初步的判断出来。然后。

大家好，我是罗维，这集还是介绍一下脉冲响应时间窗。首先我们打开一条曲线，点击 open， 好，然后我们把这个曲线呢往上移动一下，点击鼠标右键，不要松手，往上拖动鼠标， 好，发现这一边呢没有对齐，所以我们点一下二十到二十千这个按钮对齐了，然后呢打开向位曲线，点击 face， 接着呢我们点击 controllers， 然后在下面点击 estimate ir d 类，就是评估 ir 延时，把这个延时插入进去， 这边显示零点零零三毫秒，接下来我们给他加窗，左边窗二十毫秒，右边窗也是二十。首先试一下 点击应用，发现还是会有折叠，然后我把右边窗呢改成五毫秒，这个时候折叠就没有了，然后呢我们提高它的平滑度， 好，这个样子就好看了，这就是加窗之后的向位曲线和平向曲线。再一次打开 i r windows， 就是加窗的界面，然后我们可以看到这边有一个这样的选项，可以把它画上勾。 第一个呢就是 within cycles， 就是宽度在周期里面，它是什么意思呢？实际上就是它针对每一个频率呢，有不一样的时间宽度，就是不一样的时间窗加在不一样的频率里面。 呃，这个呢是以他的周期来决定的，比如说一百赫兹的周期是十毫秒，那么我们在这边填入三十五呢，就代表三十五个周期，就是把三十五乘以十，等于三百五十毫秒，那么在一百赫兹呢，他会取得他的三十五个周期， 一千赫兹也取三十五个周期。好，我们看一下有什么变化。首先我们把这边改成一，就是只取一个周期，点一下应用窗口，可以发现他变得很平滑， 就是变得有点太光滑了，现在我们把它改成三十五，也就是最大的周期数， 点一下应用，他就会变得比较好，像没有那么平滑了。然后我们把这个勾去掉，点一下应用窗口，我们发现他的变化非常的小，只在高频部分好，再加上， 所以说我们填的数字越大呢，他越接近没填的状态好，当然我们是不用填的，免得平滑过度了， 有点太过于理想化了，对吧？好，这个勾就不填，在默认状态下，这个勾也是不打上的。接下来呢，我们再看一下下面这个应用窗口到所有 有的，也就是说当我们有多条曲线的时候，比如说我们再打开一条，好，再打开一条， 有这么多曲线，我们点一下加窗的界面， i r windows， 接下来把这边改成五，把这边改成五，当然我是随意改的啊。 好，点一下这个按钮，接下来呢，发现所有的曲线都加上了这样的一个时间窗，我们来检查一下。 好了，接下来我们再点击这个加窗的界面 i r windows， 然后呢我们点击这一个按钮，试一试， 就是把这个窗呢应用到所有的曲线当中，但是我们要保留参考时间，也就是这个时间是不变的。好，当然我们刚刚已经点过了，所以就没用啊， 先把它移动到这边，可以看到都是零，现在把所有的曲线都关闭，重新来一次。 好，这次呢要点击应用窗口到所有的图像中，然后保持参考时间。 好，接下来我们一个一个检查，检查最后一个中间，这一个中间，这一个的参考时间是二点九，所以他没变， 最上面一个负零点零。接下来我们对比一下加了窗之后的向位和最小向位他们有什么样的关系。首先切换其中的一个曲线，比如说这一个吧， 这个时候已经评估了 i r 的延时，所以呢我们可以看到一个很平滑的向位曲线。接下来我们点击生成最小向位曲线， 我们把这个音箱本身的曲线关掉，仅仅只是看这个向位曲线，这个呢是加窗后的向位曲线，然后再把最小向位打开， 这是最小的相位曲线，可以看到他们仍然是不一样的。接下来我们看第二个曲线。 好，这是加窗之后的向位曲线，接下来我们点击生成最小向位曲线，可以看到他在这边也是不一样的。然后第三个， 我们可以看到最小向位和加窗之后的向位曲线，他们之间呢，在分屏点的位置 变得不太一样，这只印象的分频点在两 k 两千赫兹啊，所以可以看到在两千赫兹呢，他们之间有会有很大的差异，是因为我们的最小相位曲线呢，他可以排除分频器带来的相宜，而这个加窗之后的 相位曲线呢，他是排出反射声干扰之后的相位曲线。好，接下来我们再检查第二个，发现也是一样，这是同样的一只音箱啊，只是换了不同的位置来测量，用了不同的测量方式，实际上是一样的， 我们现在把它改成同样的平滑度，就是三分之一，来对比一下， 发现基本上是没太大的区别。

大家好啊，这次我们来看一下这个用内用窗窗函数法设计一个 fir 李博器窗含数法的设计原理。首先我们看一下这个窗含数法设计原理是什么样子， 假设这个希望逼近的李波器频率响应是这个，那么单位冲击响应是这个，那么他们之间就存在这个负利业变化的关系，这个这个是逆变化，如果能够有已知的理想低通李波器的频率响应函数， 求出这个这个脉冲响应、冲击响应，那么再对这个进行这一变换，我们就可以把那个啊系统函数求出来。但是呢这个如果这个比低通理波器的这个频率响应函数，它是那种标准的畸形，就是标 标准的那个低充理波器吗？如果是这种标准的畸形的话，那么因为这个是由这个进行负裂变换得来的，那，那这个呢？那这个他就 必须他是在整个时间这个积分的时候啊，就是富无穷到正无穷，我们看到他这个积分呢，是从富无穷到正无穷，但是在在在我们实际计算机里面呢，这个这个是办不到的，所以只能是怎么样？只能是在这个 在这个系列的基础上啊，接起一段来近视这个来让他在 频率频率响应函数啊，那这个接起一段的这个冲击响应，让他的频率响响应函数尽是等于这个理想的低通离播器。下周下面我们来看了这个这个应该怎么来解决这个问题，这个其实就是窗含 数啊设计理拨器的目的，然后我们看线线向位理想第一种理拨器的频率响应函数，他可以这样表示， 这个我们假设这个是 hn， 是一个，是一个长度 vn 的单位冲击响应，对吧？他这边会是这个，那么就可以他的这个频率响应函数就是这个了。这个呢，我们我因为是理想低速理不清，我们认为它这个幅度等于一吗？对， 等于一，所以呢他就他就可以用用我们刚才那个那那那种情况来表示这个就可以这样表示出来。好，那么我们我们看到由这个由这个 向伟理想滴通理波器倒推他的单位脉冲响应得出来的是一个信口函数，我们看到这个信口函数他，他就是这样无穷，在这个在这个时间时间点上无 无穷延伸下级。哈，所以呢，现在为了我们我们要要用这个序列啊，这个时间系列来得到一个理想的那个频率响应函数，就是理想提供理拨器，那只能是在这个时， 这个时间段里面接起一段，接起一段就就用这个窗含书来接起它，这一点我们要分清楚来啊，这是在食欲里面，对这个对这个食欲中的 性铁函数进行用一个窗函数去接取它目的是什么呢？目的是为了在频率里面得到一个理想的啊，提通理拨器也是，其实也是一个窗函数， 我们看到这个是频率里面的理想的一种理拨器，对吧？所以这个这个在这个创团术的时候就就是不能把这个食欲跟 情密搞混掉了。那么接起以后啊，我们还希望这个理波器接起以后的这个由由这个食欲信号得出来的这个理波器啊，我们还希望他具有线性项目，那这个在 上个视频里面我们已经说了，就是当这个一个 fir 那个理波器啊，他就有这种那个对称性的时候啊，这个食欲信号就有对称性的时候，他他的香味就，就就有现性香味的特点。 所以我们在接起的时候呢，你，你就要从中心点那个，然后让两边接起一个对称的这个这个这个这个信号下来，才能够保证这个这个理播器能具有那个线性香味。那因为这个阶段呢阶段呢，他的他这个频频率还是， 这是性感还送吗？性感还送他，他积分从富无穷到真无穷，他那个他那个结果才是一个，呃，才是一个那个那个那个标准的那个畸形啊。 所以呢阶段以后他得到了李波气，这里还有一半啊，这边还有一半，他，他的这个李波气就不是那种理想的他，他在那个通带这上面会有波动，主带上面呢，他也会有波动，这种效果就叫做这个吉普斯效应，吉博斯效应。哈， 那这个过程呢，就是穿函数涉及离不弃的思想，也就简单说就是用什么呢？用一个，用一个食欲里面的穿函数啊，去阶段一个信号， 让里边那个在频率里面获得一个理想。第一种理拨器也是一个畸形，畸形畸形理拨器，这个就是就是 用穿环术来设计李波气的思想。那么在这个阶段的过程当中啊，这个我们从这个食指可以看得出来哈，这个 n 肯定越多越好，但是这个 n 多吗？那个成本就越高了，只要我们能够满足要求，这个 n 我们应该把它最小化，对吧？ 因此呢，那个食欲里面的那个阶段的那个畸形呢？我们我们可以形象的把它看作一个窗口，然后而且呢就是从窗口看到的一段，而且 dn 系列，所以称而且等于这个进行加窗窗处理。下面我我们就开始分析 用机型窗阶段的影响和改正改进的措施。用这里来用 wn 表示充函数啊，用下标表示充函数类型机型充，就记住这个 wrn， 用 n 表示充函数的长度。然后我们进行对 对，对那个食欲信号进行分析，我们看到这个是相当于频率的转集， hd 的频率频谱函数跟那个窗函数的频谱函数，这两者是转集的，这个看相当于套吗？对吧？ hd 套 w 那个 t 减套，这个是转集，那是因为， 那是因为这个食欲里面这个这个这个我们想要的这个函数啊，是等于原来的这个函数乘以一个窗函数食欲的成绩，成绩等于频率的卷集，这是把这个跟这个直接相乘得出来的，所以在频率里面就是卷集。 好，按照这个分析分析得出一个这样的东西来，那么这个就是幅度函数，这个这个就是幅度函，那这个就是我们前面说的那个线性向位的那个那个这个向位线性线性向位的 好，我们由这里看，这是信口函数，食欲里面的信口函数，他对应一频域里面的那个畸形函数，畸形函数这个食欲里面的畸形函数 又对应于平玉里面的性克函数，他两者是这样相相互相互对应的哈，所以到平玉里面我们就变成了，变成了这个样子，变成了这个样子，这个是刚才的那个食食欲性克函数的平玉函数， 这个是刚才的窗十月的窗函数的那个平月函数，他两者是进行转集， 那这个转集的过程呢？正是导致这种那个极不极不适效应出现的原因。我们回想一下转集是怎么转集的呢？先要把一个反折，我们假设把一个反折，对吧？然后再平移，然后反折以后相乘， 然后再平移，再相乘。这我们回想前面讲过的这个这个转集，你比如这个跟这个转集，对吧？然后先把这个反折，然后反折以后要相乘相乘得得出一个这个这个转机结果，然后呢这个再平移又相乘 又相成这个这个跟这个，哈，这个跟这个，这个跟这个，那么这个跟再跟这个，所以他就会得出这样的啊，由于平移的过程原来都是等服的，那因因为平移的那个那个那个情况平移的 那个情形出现，他得出来的这个转集结果呢，就会导致这种啊这个政府不等的情况出现，那么呢这这个反贼了，他还是一样吗？对吧？然后但是平移，他要平移一个一个平移过去，然后呢这个积分的过程啊，他就会导致这种波动出现这种，这这 这就是那个吉布斯，吉吉布斯效应，这这这个表现形式具体的过程，这个可以自己看一下，这里这个对着这个他这里有一个，有一个主办，主办就是我们这个信函函数，他这个左边的第一个零点到右边的第一个零点七， 其次就是二排除以 n 码，这这这这中间这一部分叫主办，其小小的波动称为旁办。然后这个写成这个看看这个样子，然后呢把这个东西带入 这个前面的这那个表达时，就可以写出这个这个来，这一步一步推这个七二四十，就是我们前面这个这个表达时，就这个表达时啊，这个带进去以后就会得出一个这样的东西。然后具体的这个过程自己看的看一下， 这里面分析那个最大的正风和最大的复风啊，这个这个原因，这个我们可以从这个图上面这个 看出来，移到这个的时候哈，这个自己啊，可以可以看一下，那么他这个我们看得出来的这个理波器跟原理想理波器的差别有以下两点啊，这个也可以自己看一下，会产生波纹吗？这个会形成什么过渡带，这个东西， 这个过渡带就是这个啊，由由由由代通到代组的，这这个过程由于存在这个吉普式效应。然后呢我们我们就要考虑怎么来减少这种这种这种这种效应，对吧？ 然后以改善那个理部器的那个性能。那怎么来改善呢？首先我们想到会加大这个 n， 也就是说那个那个机型窗的那个宽度，但是呢加大宽度，我们看到这个 wrg， 它是等于这个东西，这个 x 就是这个这这个哈按着我们感恩，那 我们看到这个，嗯，因为这个欧密感，看到我们欧密感，我们看到这个这这个横轴是系列，然后我们看到一个这个欧密感，他他那个宽度啊， 这个 wrg 就是那个就是机型窗幅度特性，就 wrg 代表的是机型窗的窗的幅度特性，也就是这一个。那么如果横轴是那个奥秘感， 我们看这个表达时，他这个横轴，我们把他那个认为他是欧密感，那么随着欧密感增大，他，他不是主办旁办都是随着随着横轴出现吗？ 我们家是在假设这个横轴是欧密的，那么主办旁办都是在这个随着欧密的横轴这个出现，对吧？那你这个因为因为刚才那个表达时随着恩增大，主办会增大， 但是旁半也同时增大，所以增大，恩，并不是解决那个那个吉吉普斯效应的那个那个更好的一个好的方法。 这里哈，那么我们这个这个我们看到这种是不同长度哈， m 不同， 他的那个那个创函数，这个这个创函数他出现的这这个这个幅度特性出现的那个吉普斯效应并没有随着 n 的增大啊啊得到改善，这是相对应的那个 相对应的理波器的辅助特性，这个并没有得到改善。所以呢，为了解决这种效果啊，我们要想另外的方法。

那么这个跟换流便接线方式的配合就是在这里 啊，这里有很多的选项，这个要根据你变压器的配置来选，配置来选，那么我们看歪歪变压器，歪歪变压器和滴滴， 那么这两个变压器实际上网测换流变的网测和阀测是没有相尾差的，但是呢，还是要减三十度的意思呢？就很简单，就是因为我们用的是什么呢？我们用的是这样， 我们应该要什么呢？我们应该 应该触发脉冲的歧视点，应该算成向天涯的焦点，对吧？就是线电压过零的地方了，线电压过零的地方，但是我们刚才讲的这个 prl 出来的，它是 a 相对地点， 那么换句话说，这个量就差了个三十度了，对不对？就差了个三十度，所以我们一定要减掉三十度，这个对吧？就往前挪三十，所以这个量要配合好啊，这个你也一定要选这个，你要把这个琢磨清楚啊。 呃，不琢磨清楚的话，你很有可能这个控制就不对了。那么这是换流变，换流变是最重要的一个东西 啊，换了巧，换了法呀。呃，换了变，换了变，就两种模型，一个是经典模型，一个还有 一个 umbc 的模型，一般的情况下我们用这个经典模型的这个就够了，换六遍不太，因为我们大部分都是会去做控制的吧，不会太去研究换六遍，你要研究换六遍的话，那就是另外一个说法，我们一般都选这个经典模型， 他的参数也比较简单，这个我不去批，讲后面这个模型呢，主要是他方便输立词的数据啊。这个要说你要专门去研究这个立词特性的话，呃，这个比较方便，因为 这个他的饱饱和特性呢？因为经典进步法他的饱和特性他是固定的啊，他的饱和特性他是大概是这样的，是个固定的，你可以改其中的一些参数，比如说拐点呢？起点呢？然后这个 旋律啊，这些可以变，但特性是变是固定的。这个方法呢，就可以根据现场车辆的数据把力，把这个饱和特性把它输进去，比较方便啊，比较方便。曾经也碰到过一个问我怎么能去现场，他有个现场的数据，他想把这个 把这个现场的数据送进去。那只能用 usb c 的模型啊，欢乐便在我们刚才这边书店里面用的，也比较简单。 那像这些什么容量了，频率了，老祖类型的，这个这些漏炕了，空宅损耗啊， 笋啊啊，甜笋啊这些啊，呃，分解头啊这些大些， 这都懂， 这个我就不去吸奖了他了啊。 这个就是 usb， 可以描点法，描点法输这个饱和特性进去，输饱和特性进去，这个就比较方便。 那么另外一个就是线路，线路的话因为你是直流啊，所以直流是反而什么？反而在刚刚这个树林里面，这个线路反而倒不是重要的东西了。那不是太重要啊，从我自己现在做的东西来， 他是个直流的玩意，要么你就用集中参数去模拟他，这个就看你时间长数的问题了，如果你 时间长度比较大的话，用一个几种参数的模型没有什么太大问题。因为我现在要研究新播的话，那你必须要用分布式模型，这个就还是根据你需要啊，一切的一切就是说他的演练肯定是够用的，但是要根据你需要去做我们线路这些东西我也不去说了， 一般的情况下我们现在要么就搭个很简单的不是线路模式，要么就用派模型来做，再简单一点就用集中长按数得了。加光线呢我就不说了， 具体的太细节了，这个你要是讲的话几个星期都讲不完了。哦对，有这个我第二版的这个书啊，就是原来我出了一版这个书， 那就卖没了，当时第一版出了三千本吧，快点没有了，没有的话呢，我本来想找这个这个重新重印的，起码说不同意，他说你这个软件升级了，我们得要重新更新一版， 然后我又花了一段时间重新出了一本就是四点六的。四点六的这个吧。嗯，没有太详细的关于这些东西你可以找找书看看啊， 这些细节我就不说了啊。呃线路完了对吧？我们已经把换流变换流阀线路，然后就是电源的问题了， 电源他有很多种，电源有我们最常用的这个，你比如说有这个 理想的对吧？有这个可以串一个主抗的，当然这个东西你都可以自己搭了，是不是啊？你可以自己在外面用一个理想电压源，自己在外面再搭主抗的模型，这都可以啊，所以 呃交流电源的模型呢，在我们这个房子里面也不是什么太大的问题，还有好多种，还有三四种这个交流电源的模型， 但是有一种模型最近我在用，就是他叫什么？就是这个有有有人问我，他说我想做一个横攻略 啊，平时刚才没有这个玩意，但是你得自己做法做控制啊。自己做控制这个有一个方法可以做，就是他有个叫 透明的这个选项，而是透明的呢，这个地方你就要送他的 pq 进去，这个你把这个固定住，他就可以直接去算低压的香味和香蕉啊，相当于他做了个反馈控制， 还有其他的教育员的模型，这个我就不说了， 还有很多啊，其他原件就比较简单了，还有平抗，这个就是因为有个颠杆，顶多在模拟下仿核特性。 还有这个离不弃啊，离不弃的问题是要说一下离不弃呢。呃，这个当然，你啊高质量书店，常规高质量书店，离不弃应该 是研究的比较多的了，对吧？有专门的设计的方法，设计的手册，还有相关的标准，这个就多了去了，一般的情况下我们就根据厂家提供的参数用二二幺四一把它打起来就得了。 嗯，说到滤波器呢，还有一个问题，就是我们扫屏的问题，你看这个滤波器我们要得到他的评理响应在线，就这个 我们一般的会用一个扫屏原件，我平时看的有个扫屏原件，这个原件我觉得特好用，就是把这个原件搭在这， 他有一个扫屏的原件搭到这之后他就可以自动的按你设的频率范围，把所有的频率小型东西都给他扫出来，然后存到文本文件里面，然后你自己把主抗的这个屏蔽特性，然后向外的屏蔽特性之后把它画出来，这个特别好，特别 特别是研究平理响应的时候用这个特别特别方便，要了抽离不弃，这个我就不说了，还有很多种， 那么讲讲运行控制的问题啊，而且 vdc 的分类，嗯，大部分的我们都是做两端的，还有多段的也有，但多段的现在少了，因为 那现在多端都是柔直了，是吧？在做常规多端也很少，也就说我们现在大大部分的直流书店就是分两种，分三种类型，一个就是这个 常规的 lcc 啊，直流书店，然后这是 vsc 的，是吧？就柔直了，现在还有混直了，这个 lccvsc 的，我们现在这个， 呃，最近我们这个原广的那个是吧？就是吴东德吗？是吧？他不是投了一个这个多端的吗？那个里面就有混值的问题。还有 一个四端的吧，是吧？然后多端的一般都在柔纸多，像张北的四端的，然后这个南澳的基本上都是柔纸。 那么我们先说一下两端的两端的话呢？嗯，一般的情况下我们做双击做的多双击的，对吧？现在目前都是双击， 然后背靠背，也有背靠背，你的灵宝啊， 这个具体的运行 控制我就不说了，简单的说一下他的控制控制方式，这是运行方式， 像这个我们做的是最多的，对吧？啊，不，不是这个，这是同级的，双级的， 像这个啊，双击双击的运行方式很灵活啊，他可以做单集也可以做单集啊，他有很多运行方式，他这两个集特别灵活，我们一般的运行方式就是这个， 就是两极运行，对吧？就是两极运行，上面是正，下面是负啊，下面是负。

向量自回归 v a r 是一种用于多变量时间序列分析的统计模型，尤其是在变量具有相互影响关系的时间序列中。本视频中我们介绍了向量自回归，并在 r 软件中进行实现。 为什么用项链自回归？为了能够理解几个变量之间的关系，允许动态变化。为了能够得到更好的预测， 一组时间序列由多个单一序列组成。我们在建立时间序列模型时说，简单的单变量 arma 模型可以很好的进行预测。 那么为什么我们需要多个序列？例子，如 cpi 反应的是通胀， cpi 高了，通胀风险大，而意志通胀最重要的手段就是加息。反之，当 cpi 很低就说明经济不景气，那么就需要降息，降息之后刺激经济增长。 因此，可能需要一个联合的动态模型来了解动态的相互关系，并可能做一个更好的预测工作。在观察 a， r， n a 和 gark 模型时，您会立即注意到估计和预测 是针对一个变量进行的。在现实生活中，这并不成立。实际上，还有许多其他变量可能会影响变量。市场参与者和经济学家总是对宏观经济变量与他们有兴趣购买的资产之间的动态关系感兴趣， 此操作可以帮助他们预测市场上可能发生的潜在情况。使用 vr 模型的基本要求是具有至少两个变量的时间序列。 变量之间存在动态关系。他被认为是一个自回归模型，因为模型所做的预测取决于过去的值，这意味着每个观测值都被建模为其治后值的函数 rema 和像量字回归模型之间的基本区别在 于，所有微骂模型都用于单变量时间序列，其中向量自回归模型是用于多变量时间序列。此外，微骂模型是单向模型，这意味着因变量受其过去值或至后值本身的影响。其中向量自回归是双向模型， 这意味着因变量受其过去值或另一个变量值的影响或受这两件事的影响。 什么是项链子回归？项链子回归模型是统计分析中经常使用的模型，他探索了几个变量之间的相互关系。 在开始建模部分之前，让我们先了解一下模型背后的数学 学。单变量时间序列的典型自会规模型 arp 可以表示为，其中 yti 表示较早时期的变量值。 a 是一个时不变的 k 成 k 矩阵， et 是一个误差相， c 是模型的拮据。 这里接触批的意思是最多使用歪的批滞后。 众所周知，项链资回归模型处理的是多元时间序列，这意味着会有两个或多个变量相互影响。因此，项量资回归模型方程随着时 间序列中变量数量的增加而增加。假设有两个时间序列变量 y 一和 y2， 因此要计算 y e t。 项量自回归模型将使用两个时间序列变量的滞后。 例如，具有两个时间序列变量 y 一和 y2 路 r 一模型的方程如下所示， 其中 y e t 减一是 y 一的第一个制后值， y 二 t 减一是 y r 的第一个制后指。并且具有 y 一和 y r 时间序列变量的 y 二模型的方程将如下所示。 我们可以清楚地了解模型的方程将如何随着变量和滞后值的增加 而增加。例如，具有三个时间序列变量的哇三模型方程如下所示。 所以这就是批职将如何增加模型方程的长度，而变量的数量将增加方程的高度。 选择模型的滞后数有两种主要方法可以选择模型的滞后数。经验方法，我们使用信息标准推理方法包括使用假设检验。 我们只考虑信息标准有三个，流行的信息标准及吃吃信息准则， aic， 施瓦茨贝伊斯 bake， 汉兰奎恩 hq。 实际上，最佳制后数是信息标准最小的制后数。然后我们估计 p 等于零到 px 的 vip， 并选择最小化 a， i， c， v 或 hick 的直 p。 以下是考虑标准的以下公式。 项链自回归模型的估计包括以下步骤，选择最佳滞后长度。信息标准 ic 用于确定最佳滞后长度，最常用的是 ak ic hana 昆准则。 平稳性检验下一步是估计变量的平稳性。一种广泛使用的估计平稳性的方法是增广敌机附勒检验和菲利普斯配龙检验。如果变量 是非平稳的，则应采用一阶插分，并以相同的方式测试平稳性。 斜整检验，变量可能是非平稳的，但具有相同接触的积分。在这种情况下，可以使用矢量纠错模型 like， 而不是向量自回归来分析它们。如果变量是斜整的，则在以下分析中应用歪痛，而不是向量自回归模型。 mac 被用用于非变换的非平稳序列，而向量自回归使用变换的或平稳的输入 模型。估计使用选择的滞后数和具有标准误差的系数运行向量自回归模型，并计算相应的提统计量以评估统计显着信 诊断测试，接下来使用 boss govern 检验对模型进行血液相关性检验，使用 boss pagan 检验。一、方差性和稳定性。 脉冲响应函数 i r f i r f 用于以图形方式表示向量自回归模型的结果，并预测变量对彼此的影响。 向量自回归在以下几种情况下很有用。向量自回归面临的一个批评是，他们是非理论的，也就是说他们不是建立在某些将理论结构强加于方程的经济理论之上。 假设每个变量都会影响系统中的所有其他变量，这使得对估计系数的直接解释变的困难。 尽管如此，向量自回归在以下几种情况下很有用，一、在不需要明确解释的情况下预测相关变量的集合。二、测试一个变量是否对预测另一个变量有用。格兰杰因果检验的基础。三、 脉冲响应分析，分析一个变量对另一个变量突然但暂时变化的响应。四、预测误差方差分解。其中每个变量的预测方差比例归因于其他变量的影响。 接下来我们在 r 软件中实现。 接下来我们在 r 软件中实现。 本视频中我们考虑 vr。 二、过程估算值简单， vr 模型的参数和斜方差距真的估计很简单，为了估计 vr 模型，加载并指定数据 y 和模型 比较。摩尔分析中的一个中心问题是找到滞后的接触以产生最佳结果。模型比较通常机遇信息标准，例如 a， i， c， v， ch， u。 通常由于其有利的小样本预测功能， a i c 优于其他标准，但是贝克 h t 又在大型样本中效果很好。在此视力中，我们使用 a i c。 通过查看 summary word ache， 我们 可以看到 aic 建议使用 r 的技术 仔细观察结果。我们可以将真实纸与模型的参数估计值进行比较，所有估计值都相对接近其真实纸 脉冲响应。一旦我们确定了最终的沃尔摩型，就必须解释其估计的参数值。由于沃尔摩型中的所有变量都相互依赖，因此单个参数值仅提供有限信息。 为了更好的了解模型的动态行为，使用了脉冲响应 i r。 他们使音变量对脉冲变量中的一次性冲击的反应可以绘制音变量的轨迹，从而产生在许多宏观论文中 都可以找到的那些波浪曲线。在下面的视力中，我们想知道序列二受到冲击后的行为。指定了我们想要脉冲响应的模型和变量后，我们将时间范围设置 n 点， ahead 为 20。 该图给出了序列 r 的响应。 请注意，正将选项很重要，因为它说明了变量之间的同时关系。 要了解这一点，还可以计算并绘制累计脉冲响应函数，以了解总体长期影响。 我们看到，尽管序列二对序列一中的反应在某些时期是负面的，但总体效果却是显著的正面。

大家好，这次我们来看一下这个模拟，具体设计一个模拟理波器需要哪些步骤。这个理波器已经他这个理论呢，已经很成熟了，他现有的这个模拟理波器 啊，这种模型啊，供我们选择的有巴特沃斯、李波齐、切皮雪夫李波齐、椭圆内部李波齐和贝舍李波齐啊等等。我们从这里看到这个其实都是这个，这个贝斯的切皮学夫、巴特沃斯其实都是都是数学家啊，所以这个东西呢就 还更多的数学成分多一点。那么这个特点自己看一下，我们前面说过，就是对于 h 这个函数来说，他既可以表示冲击响应，又可以表示系统函数，这个是拉布拉斯变换系统，那系这变换呢？ 是也是也也是系系统函数，对吧？那拉布拉比拉丝变换是对于模拟信号来说的，这个这一变换呢，是对于离散信号来说，这个呢就是频率响应的函数，其实就是复利也变换了，没没没有，那个拉普拉斯变换 里面的那个那个四个码，对吧？ s 等于四个码，加结欧密干嘛？所以这这个这个就是这这个 h 函数，他表示的可以表示这三种，三种意思哈啊奇奇的，这这这这个表达是在这里，那上节课我们也提到了这个分贝的概念， 上个视视频里面呢，我们也说到了设计一个啊，模拟理波器啊，他有这四个指标，这个一个是什么？通带主带，对吧？的衰减，这是他们的图形。 好，这个通带的这个最大衰减呐，他他是这个用用分贝表示，这个这个主带最小 衰减，他是用用分贝表示的是这个，至于这个带他一带他二带他二啊，他就是体称为这个波纹幅度，也就是说在通带里面或者那个主带里面，他他那个传输函数这个幅度啊是会波动的。我们看到这个这个代表的是一种这个 将带他一，这个带他二，他表示的是一种。比如在这个主带或者这个这个通带里面，他也会存在这种波动啊，这里的波动，这个是带他一带他二这个波动的辅助呢，其实就可以用一剪带他一代替这个，所以他们存在一个种这样的关系哈。 好，我们再来看这个，我们设计一个理波器，就是其实就是通过已经知道的这个幅度平方函数，然后把这个这个 系统函数啊求出来。那怎么求系统函数呢？我们知道系统函数它是有零点和几点的，对吧？所以其实其实就是根据幅度频繁函数把这个系统函数的零点和几点求出来。 那我们知道一个系统要稳定的话，他的几点是必须在 s 平面的左半平面的，也就是在这平面的单位元以内。这个是他我们设计这个理波器的时候要注意的问题哈。 从这个图里面我们还可以看到阿法 p 跟 fs 和那个系统函数存在这样的一个关系，这是 h 一 接零啊，一接零这个就是这个是一接我们那个皮，这个是我们说了这个是通带接触频率，对吧？这个这个什么叫通带了？这个衰减二发批是是通带 最大衰减，也就是说这个衰减的幅度，他最多只能衰减到最大值的根号二分之一，也就是零点七零七，百分之七十那个样子， 你如果在通带里面衰减的幅度超过百分之七十，那我们就认为这个理部器是不合格的，那这个通带最大最大衰减，他就存在着一种这样的关系，这个图看得更清楚一点，哈， 那么他们的关系就是这样，那啊，上个视频提到了一个三分贝带宽，对吧？我们把这个你你他 他这两嘴除一下，就等于根号二分之一吗？我们把它带进来啊，带进来，那么你算出来，他就等于这个根号二分之一，是根号二分之二的负二分之一次方，对吧？那这个这个那就是副十罗格二了，罗格二是等于零点三零一， 好像是那么多，他其实就是那个三分贝的意思，哈，三分贝的意思，这个把把把分子分母调一下，这里加个负号，就是一样的跟到二分之一， 比如到这里假设这个唯一吗？对吧？这个唯一，这里这里加个富豪就变成这个样子，也就是这个这个这个这个三分贝的来历。 好，我们知道系统函数他是可以这样表示的，这个零点几点，对吧？好，那我们知道这这个系统，这这这个叫做幅度平方函数，以后他是等于这个这个复数跟他的共额相乘的，对吧？好，我们这里假设这一 是这个是这个的 has 的这个 has 的零点，那么负这一，那就一定是这个共额的零点，把这个 s 用，结果我们一个带进去，是吧？你，你把它负一， 那我这个这一就就就变，这这里变成了加号才等于零啊。所以这个 has 和 has 共额的零点，他们是关于这个叫什么，关于这个重轴对称的，同样的极点也是关于这个重轴对称的， 我们再反过来看一下这个就就明白。这个幅度平方函数我们在设计理拨器的时候啊，就是已经知道了， 那对于我们要求的这个 has 来说啊 has 来说，因为我们要求他的系统这个必须是稳定的， 所以当我们把这个，把这个系统幅度平方函数啊，这个所有的零点几点都求出来以后，我们所采用的这个几点，他一定要处于左半平面啊 s， 这个是 s 平面，我们才能够 保证系统是稳定的。那至于零点，他可以在左半平面，也可以在右半平面，在左半平面就意味着什么呢？意味着我们所设计的这个这个理部器是一个最小消费系统，如果是在右半平面， 那么他可能如果都在右半平面的话，那就是一个最大向围系统，如果有两者都有啊，那就是一般的这个系统，这这个起点我们是一定要保证他在左半平零点不会影响系统的稳定，都可以。好，接下来的问题呢，就是怎么样 由一个知道的这个幅度平方函数来具体来确定这个系统函数，他的步骤是分为这几步啊？然后有有零几年跟争议场所得到这个这个 k 就是争议场数。哈，这里这里借鉴网上一位老师的这个讲的例子，我们来看一下怎么来做这个过程。这次手机 像这个是 h a s， 然后幅度平方函数里面呢？他没有那个界，对吧？只有欧密改，所以我们先把这个欧密改用 s， 因为 s 等于结，结成于欧密干嘛？那欧密改就等于 s 处于界了，把这个欧密改用 s 处于界。带进去，得出一个一个一个表达时， 我们看一下具体的求解过程，他就这样带进去，带进去，然后折出来，这个呢？他他这个零点我们看到是正五正五 七，正负五界，这里有个平方，那就是二阶二阶零点，对吧？这个极点他就有正负六，正负七， 这个我们我们因为前面已经说了这个几点他是必须在左半平面，那零点呢？我们我们取一半，因为这个他是这样的吗？我们只要取一半的零点，所以求最后得出来的这个这个这个 这个 h a s 就是这个样子，哈，就是这个样。最后呢就剩下这个 k 等于多少来，就在这里我们把我们一个等于零带进去，得出一个，得出一个结果来，这是平方，对吧？我们一根号就行，得出得出一个结果，然后再把再在这里把二十等于零带进去， 这个两者要相等， k 乘以这个东西要等于这个东西，最后算出来 k 就等于等于四， 这个过程就是当是等于零的时候，这个是等于这个的，对吧？等于这个，所以把它带进来，带，带进去以后啊，这个结果啊，这个结果带进来以后，然后我们我们求开一下根号就行，然后 这里开一个更好，对吧？开一个更好，就是 h a s 啊， h a s 计算的结果就是 h a j 零等于这个，这个 h a 是这这个呢？最后推出 k 等于四。

我们怎么样去测这个系统的脉冲响应呢？有两种办法，根据测量的原理，那其中有一类呢叫做直接测量，第二种测量发放的叫间接测量，直接测量就是给这个系统一个真的一个脉冲信号，先拿一个气球 作为一个做发信号，然后激发这个场地的升学空间，然后我用话筒把它捕捉回来，那这是直接测量， 这些测量是通过 smart 的这个传递函数的功能测量到一个系统的传递函数，同时我也就说测量他的频率响应了，通过处理液利益变换 得到一个系统的脉冲响应。把这个原理图给大家看一下。双通道测量，背射系统，输入信号带射系统，这个系统会有个输出叫做测量信号，原先进去的输入信号 返回到那个声卡通道，这个叫做参考通道。这两信号的比对会得到一个系统的传递函数响应，通过助学计算呢叫做福利利变换得到脉送响应。这种测量我们称之为间接测量。

好的，我们今天继续给大家来聊一聊现场音响系统的测量，今天需要给大家介绍的是传递函数的测量部分， 传递函数在 smart 里面，我们叫 tresfer faction， 简称 tf， 现在大家看到这个界面分为了三个部分，最上面是脉冲响应，中间呢是向位响应，最下面是频率响应，那么这个响应曲线是怎么得出来的呢？ 之前我们给大家有聊过，如果是做 rta 的测量的话，实际上只需要一个通道就行。大家看一下我们现在这边的传递函数的测量，有两个电瓶表，上面这个是测量通道，下面这个是参考通道。为什么传递函数的测量是需要两个通道呢？ 那么这两个通道我们在前面的设置中讲过，其中有一个是测量通道，也就是说测量话筒接收到被测音 音箱实际的音频信号，另外一个叫做参考通道。参考通道顾名思义，他就是测量的一个标准，也就是说软件把我们拾取到的音箱真实的信号，然后通过测量话筒 传递到软件当中，那么软件将实际测量的信号跟本身的一个参考信号进行一个对比，那么 就会得到一个相应的结果。这个对比呢就是一个传递函数的一个测量的过程。那么在做传递函数的测量之前呢，我们首先需要配置一下信号发声器，在软件的右下角，我们点开这个信号发声器，我们这边看到我们放声音的设备仍然是我们的美琪的二点二的声卡，然后呢 命主通道选择一，然后我们的辅助通道选择二，这里的主通道和辅助通道其实播放的都是一模一样的测量信号， 那么我们在这边看到信号选择，我们现在选了粉红噪声，下面呢是我们对外输出的测量信号的电瓶的设置，如果我们打开这个开关，那么声卡的输出就会把信号分别送给被测量的喇叭系统和我们的参考通道， 我们现在打开， 那其实在刚才打开信号发声器的瞬间呢，大家可以看到我们的屏幕上出现了箱的一些线条，然后在这边呢我们的测量通道和参考通道同时有了信号产生， 那么大家或许会有个疑问，为什么我们在屏幕上看到的向位曲线会有好多条，而频率响应 相对来说比较接近于真实的状况，那么这个原因在于，我们在进行测量的时候，因为话筒距离我们被测量的音箱有一段距离，而我们大家知道声音在传播是需要一定的时间的， 另外我们的声音在从声卡进行输出到达我们的音箱的同时，经过了 dsp， 也经过了功率放大器， 在这个过程中，尤其是 dsp 的运算和 adda 的一个转换也需要相应的时间，所以说这个时间再加上声音从音箱传递到我们测量话筒的时间，就会称为我们这个传输的一个时间，那 那么因为这个时间相对我们的这个参考信号，从声卡的输出端到输入端这么一条短短的路径来讲是长了好多的，而软件呢是没有办法去知道这个时间到底花费了多少，所以呢， 我们在要进行相应的测量的时候需要去做一件事情，那么就是查找岩石，接下来我们来看一下如何在测量的时候进行岩石的一个查找。我们继续打开信号发声器， 可以看到在这个地方有一个犯的，也就是查稿的一个按钮，我们按一下这个按钮， 这边有一个小窗口出现了结果，有测量到的延时是四点四二毫秒，我们点击 insert 插入， 那我们可以看到在插入了刚才查找到的岩石四点四二毫秒之后，我们得到了一个相对比较接近于实际的向位曲线和一个平行 响曲线啊，尤其是个因为测量话筒离这个音箱比较近，所以相干性也特别好。 那在上面呢，在脉冲响应这里，我们也得到一个四点四二毫秒的一个呃，延迟啊，我们现在看到的这个曲线呢，就是相应的脉冲响应的曲线。