Оцените ряд данных Используя прямой линейный предиктор
Оцените, что ряд данных с помощью третьего порядка передает линейный предиктор, который моделируется блоком Autocorrelation LPC. Блок вычисляет коэффициенты полинома предиктора путем минимизации ошибки предсказания в смысле наименьших квадратов. Оцените будущие значения сигнала с помощью этих коэффициентов предиктора и прошлых значений сигнала.
Во-первых, создайте данные сигнала u как выход пятого порядка, авторегрессивного (AR) процесс, управляемый нормированным белым Гауссовым шумом. Шум имеет нулевое среднее значение и отклонение 0,001.
Передайте данные сигнала u блоку Autocorrelation LPC. Действия блока как третий порядок передают линейный предиктор, и выводит коэффициенты полинома предиктора. Используя эти коэффициенты, оцените будущие значения сигнала u. Ошибочная степень предсказания выводится через Порт P блока Autocorrelation LPC. Значение этой степени очень близко к значению входного отклонения белого шума, указывающего, что коэффициенты полинома предиктора оптимальны. Чтобы включить порт P, необходимо выбрать ошибочную степень предсказания Ouput (P) в диалоговом окне блока.
Сравните исходный сигнал и предполагаемый сигнал.
Смотрите также
Блоки
- Random Source | Discrete FIR Filter (Simulink) | Autocorrelation LPC | Time Scope | Display (Simulink)