动态导航定位中观测噪声和系统噪声均假设为高斯白噪声，但实际应用中，观测噪声或系统噪声是不断变化的，很难准确给出，有色噪声存在导致姿态参数异常，影响估计精度。为了减弱有色噪声的影响，提出一种二阶自回归有色噪声抗差自适应算法。通过对有色噪声的特点进行分析，建立二阶自回归有色噪声的模型，然后利用抗差估计和自适应滤波相结合的方法，对经有色噪声修正后的信息进行动态滤波。将提出的算法与基于高斯白噪声卡尔曼滤波，以及考虑有色观测噪声的卡尔曼滤波算法应用到车载GPS/DR组合导航系统中，进行仿真分析和比较，结果表明，该方法能有效的控制有色噪声和异常的影响。

压缩包里包括实现MVAR各个功能的20子函数，还有一个自己写的调用各个函数用来实现求EEG信号各通道相关性的脚本。另外还可以画出各通道相关性的图。

向量自回归和误差修正模型PPT

针对现阶段城市道路交通流预测精度不高的局限性，提出了一种基于差分自回归滑动平均( AＲIMA) 和小波神经.网络( WNN) 组合模型的预测方法来进行交通流预测。利用差分自回归滑动平均模型良好的线性拟合能力和小波神经网.络模型强大的非线性关系映射能力，把交通流时间序列的数据结构分解为线性自相关结构和非线性结构两部分。采用差.分自回归滑动平均模型预测交通流序列的线性部分，用小波神经网络模型预测其非线性残差部分，最终合成为整个交通.流序列的预测结果。计算机仿真结果表明: 组合模型的预测精度高于AＲIMA 模型和WNN 模型各自单独使用时的预测精.度，组合模型可以提高交通流预测精度，是交通流预测的有效方法。

我编码的自回归过程来预测足球比赛的结果。

比特币市场有效性的研究报告，

时间序列的工具箱，可直接运用，省去写代码

对一阶自回归模型进行分析的matlab程序

向量自回归模型的原理和分析过程，包括其运用范围，原理讲解，应用实例

本程序用于降水、径流、气温等的突变检验分析，通过读取Excel数据，自主控制子序列步长。滑动t检验的基本思想是：把一气候序列中两段子序列均值有无显著差异看为来自两个总体均值有无显著差异的问题来检验。如果两段子序列的均值差异超过了一定的显著性水平，可以认为均值发生了质变，有突变发生