exponenta event banner

Моделирование сигналов

Линейное прогнозирование, авторегрессионные (AR) модели, Юле-Уокер, Левинсон-Дурбин

Toolbox™ обработки сигналов предоставляет методы параметрического моделирования, позволяющие оценить рациональную передаточную функцию, описывающую сигнал, систему или процесс. Используйте известную информацию о сигнале, чтобы найти коэффициенты линейной системы, которая его моделирует. Аппроксимировать данную импульсную характеристику временной области с использованием моделей Прони и Стейглица-МакБрайда ARX. Найдите аналоговую или цифровую передаточную функцию, соответствующую заданной комплексной частотной характеристике. Моделирование резонансов с использованием фильтров линейного прогнозирования.

Функции

развернуть все

corrmtxМатрица данных для оценки автокорреляционной матрицы
levinsonРекурсия Левинсона - Дурбина
lpcКоэффициенты фильтра линейного прогнозирования
rlevinsonОбратная рекурсия Левинсона - Дурбина
schurrcВычислить коэффициенты отражения из автокорреляционной последовательности
xcorrВзаимная корреляция
xcovПерекрестная ковариация
ac2polyПреобразование автокорреляционной последовательности в полином прогнозирования
ac2rcПреобразование автокорреляционной последовательности в коэффициенты отражения
is2rcПреобразование параметров обратного синуса в коэффициенты отражения
lar2rcПреобразование параметров отношения логарифмической площади в коэффициенты отражения
lsf2polyПреобразование линейных спектральных частот в коэффициенты фильтра прогнозирования
poly2acПреобразовать полином фильтра прогнозирования в автокорреляционную последовательность
poly2lsfПреобразование коэффициентов фильтра прогнозирования в линейные спектральные частоты
poly2rcПреобразование полинома фильтра прогнозирования в коэффициенты отражения
rc2acПреобразование коэффициентов отражения в автокорреляционную последовательность
rc2isПреобразование коэффициентов отражения в обратные синусоидальные параметры
rc2larПреобразование коэффициентов отражения в параметры отношения площади логарифма
rc2polyПреобразование коэффициентов отражения в полином фильтра прогнозирования
arburgПараметры авторегрессионной всеполюсной модели - метод Бурга
arcovПараметры авторегрессионной всеполюсной модели - ковариационный метод
armcovПараметры авторегрессионной всеполюсной модели - модифицированный ковариационный метод
aryuleПараметры авторегрессионной всеполюсной модели - метод Юле-Уокера
invfreqsОпределение параметров фильтра непрерывного времени из данных частотной характеристики
invfreqzОпределение параметров дискретно-временного фильтра из данных частотной характеристики
pronyМетод Prony для проектирования фильтра
stmcbВычисление линейной модели с помощью итерации Штейглица-МакБрайда

Темы

Линейное прогнозирование и авторегрессивное моделирование

Сравните два метода определения параметров линейного фильтра: авторегрессивное моделирование и линейное прогнозирование.

Выбор заказа AR с частичной автокорреляционной последовательностью

Оцените порядок авторегрессионной модели, используя частичную автокорреляционную последовательность.

Параметрическое моделирование

Методы исследования, которые находят параметры для математической модели, описывающей сигнал, систему или процесс.

Полином прогнозирования

Получить полином предсказания из автокорреляционной последовательности. Убедитесь, что результирующий полином прогнозирования имеет обратное значение, которое создает стабильный всеполюсный фильтр.

Характерные примеры