Определите коэффициенты прямых линейных предикторов N-го порядка
Оценка / Линейное предсказание
dsplp
Блок Autocorrelation LPC решает, что коэффициенты N-шага передают линейный предиктор для timeseries в каждом входном канале длины-M, u, путем минимизации ошибки прогноза в смысле наименьших квадратов. Линейный предиктор является КИХ-фильтром, который предсказывает следующее значение в последовательности от настоящих и прошлых входных параметров. Этот метод имеет приложения в проекте фильтра, речевом кодировании, спектральном анализе и системе идентификации.
Блок Autocorrelation LPC может вывести ошибку прогноза для каждого канала как полиномиальные коэффициенты, отражательные коэффициенты или оба. Это может также вывести ошибочную степень прогноза для каждого канала. Вход u может быть неориентированным вектором, вектор-столбцом или матрицей. Векторы - строки не являются допустимыми входными параметрами. Блок обрабатывает весь M-by-N матричные входные параметры как каналы N длины M.
Когда вы выбираете Inherit prediction order from input dimensions, порядок прогноза, N, наследован от входных размерностей. В противном случае можно использовать параметр Prediction order, чтобы задать значение N. Обратите внимание на то, что N должен быть скаляром со значением меньше, чем длина входных каналов или блока производит ошибку.
Когда Output(s) установлен в A, порт A включен. Для каждого канала портируйте выходные параметры (N +1)-by-1 вектор-столбец, a = [1 a2
a3... aN+1] T, содержа коэффициенты скользящего среднего значения (MA) N-го порядка линейный процесс, который предсказывает следующее значение, ûM+1, во входном timeseries.
Когда Output(s) установлен в K, порт K включен. Для каждого канала порт K выводит вектор-столбец длины-N, элементы которого являются ошибочными коэффициентами отражения прогноза. Когда Output(s) установлен в A and K, и порт A и K включены, и каждый выходы порта его соответствующий набор коэффициентов прогноза для каждого канала.
Когда вы выбираете Output prediction error power (P), порт P включен. Ошибочная степень прогноза выводится в порте P как вектор, длина которого является количеством входных каналов.
Блок Autocorrelation LPC вычисляет решение методом наименьших квадратов к
где указывает на 2-норму и
Решение проблемы наименьших квадратов через нормальные уравнения
приводит к системе уравнений
где r = [r1 r2 r3... rn+1] T является оценкой автокорреляции для u, вычисленного с помощью блока Autocorrelation, и * указывает на комплексное сопряженное транспонирование. Нормальные уравнения решены в операциях O (n2) блоком Левинсона-Дербина.
Обратите внимание на то, что решение проблемы LPC очень тесно связано с методом Уокера Рождества АРА спектральной оценки. В том контексте нормальные уравнения выше упоминаются как уравнения Уокера Рождества АРА.
Тип коэффициентов прогноза выводится блоком. Блок может вывести полиномиальные коэффициенты (A), отражательные коэффициенты (K), или оба (A and K).
Когда выбрано, включает порт P, который выводит выходную ошибочную степень прогноза.
Когда выбрано, блок наследовал порядок прогноза от входных размерностей.
Задайте порядок прогноза, N, который должен быть скаляром. Этот параметр отключен, когда вы выбираете параметр Inherit prediction order from input dimensions.
Haykin, S. Адаптивная Теория Фильтра. 3-й редактор Englewood Cliffs, NJ: Prentice Hall, 1996.
Ljung, L. System Identification: теория для пользователя. Englewood Cliffs, NJ: Prentice Hall, 1987. PGS. 278-280.
Proakis, J. и Д. Мэнолакис. Цифровая обработка сигналов. 3-й редактор Englewood Cliffs, NJ: Prentice Hall, 1996.
Плавающая точка двойной точности
Плавающая точка с одинарной точностью
| Автокорреляция | DSP System Toolbox |
| Левинсон-Дербин | DSP System Toolbox |
| Метод Уокера Рождества | DSP System Toolbox |
lpc | Signal Processing Toolbox |
