Моделирование сигнала

Линейное предсказание, авторегрессивные модели (AR), Уокер Рождества, Левинсон-Дербин

Signal Processing Toolbox™ обеспечивает методы параметрического моделирования, которые позволяют вам оценить рациональную передаточную функцию, которая описывает сигнал, систему или процесс. Используйте известную информацию о сигнале найти коэффициенты линейной системы, которая моделирует ее. Аппроксимируйте данную импульсную характеристику временного интервала с помощью моделей Prony и Steiglitz-McBride ARX. Найдите аналоговую или цифровую передаточную функцию, которая совпадает с данной комплексной частотной характеристикой. Резонансы модели с помощью фильтров линейного предсказания.

Функции

развернуть все

corrmtxМатрица данных для матричной оценки автокорреляции
levinsonРекурсия Левинсона-Дербина
lpcКоэффициенты фильтра линейного предсказания
rlevinsonИнвертируйте рекурсию Левинсона-Дербина
schurrcВычислите отражательные коэффициенты из последовательности автокорреляции
xcorrВзаимная корреляция
xcovПерекрестная ковариация
ac2polyПреобразуйте последовательность автокорреляции в полином предсказания
ac2rcПреобразуйте последовательность автокорреляции в отражательные коэффициенты
is2rcПреобразуйте параметры обратного синуса в отражательные коэффициенты
lar2rcПреобразуйте логарифмические параметры отношения области в отражательные коэффициенты
lsf2polyПреобразуйте линейные спектральные частоты в коэффициенты предсказательного фильтра
poly2acПреобразуйте полином предсказательного фильтра в последовательность автокорреляции
poly2lsfПреобразуйте коэффициенты предсказательного фильтра в линейные спектральные частоты
poly2rcПреобразуйте полином предсказательного фильтра в отражательные коэффициенты
rc2acПреобразуйте отражательные коэффициенты в последовательность автокорреляции
rc2isПреобразуйте отражательные коэффициенты в параметры обратного синуса
rc2larПреобразуйте отражательные коэффициенты в логарифмические параметры отношения области
rc2polyПреобразуйте отражательные коэффициенты в полином предсказательного фильтра
arburgПараметры авторегрессивной модели все-полюса — метод Бурга
arcovПараметры авторегрессивной модели все-полюса — метод ковариации
armcovПараметры авторегрессивной модели все-полюса — модифицированный метод ковариации
aryuleПараметры авторегрессивной модели все-полюса — метод Юла-Уокера
invfreqsИдентифицируйте стационарные параметры фильтра от данных о частотной характеристике
invfreqzИдентифицируйте параметры фильтра дискретного времени из данных о частотной характеристике
pronyМетод Prony для создания фильтра
stmcbВычислите линейную модель с помощью итерации Steiglitz-McBride

Темы

Линейное предсказание и авторегрессивное моделирование

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

Выбор порядка AR с частичной последовательностью автокорреляции

Оцените порядок авторегрессивной модели с помощью частичной последовательности автокорреляции.

Параметрическое моделирование

Изучите методы, которые находят параметры для математической модели, описывающей сигнал, систему или процесс.

Полином предсказания

Получите полином предсказания из последовательности автокорреляции. Проверьте, что получившийся полином предсказания имеет инверсию, которая производит устойчивый фильтр все-полюса.

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте