自相关LPC

确定n阶向前线性预测指标的系数

图书馆：
DSP系统工具箱 /估计 /线性预测

描述

这自相关LPC块确定n-Step向前线性预测指标对于每个长度的时间序列 -m输入通道，你，通过将预测误差最小化，最小二乘意义。线性预测变量是一个FIR滤波器，可预测现在和过去输入的序列中的下一个值。该技术在滤波器设计，语音编码，光谱分析和系统识别方面具有应用。

自相关LPC块可以将每个通道的预测误差作为多项式系数，反射系数或两者兼而有之。该块还可以输出每个通道的预测误差功率。

端口

输入

展开全部

`输入1`- 输入数组
无定向向量|列向量|矩阵

指定输入你作为无指导的向量，列向量或矩阵。行向量不是有效的输入。街区对待全部m-经过-n矩阵输入为n长度的通道m。

数据类型：单身的|双倍的

输出

展开全部

`一个`- 多项式系数
列向量|矩阵

设置多项式系数输出参数为一个或者a和k。对于每个输入通道，端口A输出A（n+1）-b-1列矢量一个= [1一个₂一个₃...一个_n+1这是给予的^t，包含一个系数n^Th- 订单移动平均值（MA）线性过程，可预测下一个值，›_M+1，在输入时间序列中。

${\hat{你}}_{m + 1} = - （（ {一个}_{2} 你_{m} ） - （（ {一个}_{3} 你_{m - 1} ） - ... - （（ {一个}_{n + 1} 你_{m - n + 1} ）$

依赖性

启用端口A，设置输出至一个或者a和k。

数据类型：单身的|双倍的

`k`- 反射系数
列向量|矩阵

当反射系数生成输出被设定为k或者a和k。对于每个输入通道，端口k输出一个长度 -n列的元素是预测误差反射系数。

依赖性

启用端口K，设置输出至一个或者a和k。

数据类型：单身的|双倍的

`p`- 预测错误功率
向量

端口P处的预测误差功率输出为矢量，其长度是输入通道的数量。

依赖性

要启用端口P，请选择输出预测误差功率（P）范围。

数据类型：单身的|双倍的

参数

展开全部

`输出`- 预测系数的类型
`一个`（默认）|`a和k`|`k`

指定块输出的预测系数类型。该块可以输出多项式系数（一个），反射系数（k），或两者（a和k）。

当您设置时输出至a和k，该块启用端口A和K，并且每个端口都为每个通道输出其各自的预测系数。

`输出预测误差功率（P）`- 输出预测错误功率
`离开`（默认）|`上`

选择此参数以启用输出端口p，输出输出预测误差功率。

`从输入维度继承预测顺序`- 从输入维度继承预测顺序
`离开`（默认）|`上`

选择此参数以继承预测顺序n从输入尺寸。

`预测顺序（n）`- 预测顺序
`1`（默认）|标量

指定预测顺序n。注意n必须是一个值的标量，其值小于输入通道的长度或块会产生错误。

依赖性

仅当您不选择从输入维度继承预测顺序范围。

模型示例

使用正线性预测指标估算数据系列

使用自相关LPC块估计信号的未来值。

开放型号

块特征

数据类型	`双倍的`\|`单身的`
直接进料	`不`
多维信号	`不`
可变大小信号	`不`
零交叉检测	`不`

算法

自相关LPC块计算到最小二乘解决方案

$\underset{一世 \in ℜ^{n}}{最小} ” 你 \overset{〜}{一个} - b ”$

在哪里 $” Å ”$ 指示2个norm和

$你 = [[\begin{matrix} 你_{1} & 0 & \dots & 0 \\ 你_{2} & 你_{1} & ⋱ & ⋮ \\ ⋮ & 你_{2} & ⋱ & 0 \\ ⋮ & ⋮ & ⋱ & 你_{1} \\ ⋮ & ⋮ & ⋮ & 你_{2} \\ ⋮ & ⋮ & ⋮ & ⋮ \\ 你_{m} & ⋮ & ⋮ & ⋮ \\ 0 & ⋱ & ⋮ & ⋮ \\ ⋮ & ⋱ & ⋱ & ⋮ \\ 0 & \dots & 0 & 你_{m} \end{matrix} 这是给予的，，，， \overset{〜}{一个} = [[\begin{matrix} {一个}_{2} \\ ⋮ \\ {一个}_{n + 1} \end{matrix} 这是给予的，，，， b = [[\begin{matrix} 你_{2} \\ 你_{3} \\ ⋮ \\ 你_{m} \\ 0 \\ ⋮ \\ 0 \end{matrix} 这是给予的$

通过普通方程解决最小二乘问题

$你^{*} 你 \overset{〜}{一个} = 你^{*} b$

导致方程式系统

$[[\begin{matrix} r_{1} & r_{2}^{*} & \dots & r_{n}^{*} \\ r_{2} & r_{1} & ⋱ & ⋮ \\ ⋮ & ⋱ & ⋱ & r_{2}^{*} \\ r_{n} & \dots & r_{2} & r_{1} \end{matrix} 这是给予的 [[\begin{matrix} {一个}_{2} \\ {一个}_{3} \\ ⋮ \\ {一个}_{n + 1} \end{matrix} 这是给予的 = [[\begin{matrix} - r_{2} \\ - r_{3} \\ ⋮ \\ - r_{n + 1} \end{matrix} 这是给予的$

在哪里r= [r₁r₂r₃...r_n+1这是给予的^t是一个自相关估计值你使用自相关块计算， *指示复杂的共轭转置。正常方程式解决o（（n²）由莱文森·杜宾（Levinson-Durbin）块的操作。

请注意，对LPC问题的解决方案与光谱估计的Yule-Walker AR方法密切相关。在这种情况下，上面的正常方程式称为Yule-Walker AR方程。

参考

[1] Haykin，S。自适应滤波器理论。第三版。新泽西州Englewood Cliffs：Prentice Hall，1996年。

[2] Ljung，L。系统标识：用户理论。新泽西州Englewood Cliffs：Prentice Hall，1987年。278-280。

[3] Proakis，J。和D. Manolakis。数字信号处理。第三版。新泽西州Englewood Cliffs：Prentice-Hall，1996年。

扩展功能

C/C ++代码生成
使用Simulink®Coder™生成C和C ++代码。金宝app

生成的代码依赖于memcpy或者memset功能（string.h）在某些条件下。

版本历史记录

在R2006a之前引入

也可以看看

功能

LPC

块

自相关|莱文森·德宾|Yule-Walker方法

自相关LPC

描述

端口

输入

输入1- 输入数组无定向向量|列向量|矩阵

输出

一个- 多项式系数列向量|矩阵

依赖性

k- 反射系数列向量|矩阵

依赖性

p- 预测错误功率向量

依赖性

参数

输出- 预测系数的类型一个（默认）|a和k|k

输出预测误差功率（P）- 输出预测错误功率离开（默认）|上

从输入维度继承预测顺序- 从输入维度继承预测顺序离开（默认）|上

预测顺序（n）- 预测顺序1（默认）|标量

依赖性

模型示例

使用正线性预测指标估算数据系列

块特征

算法

参考

扩展功能

C/C ++代码生成使用Simulink®Coder™生成C和C ++代码。金宝app

版本历史记录

也可以看看

功能

块

`输入1`- 输入数组
无定向向量|列向量|矩阵

`一个`- 多项式系数
列向量|矩阵

`k`- 反射系数
列向量|矩阵

`p`- 预测错误功率
向量

`输出`- 预测系数的类型
`一个`（默认）|`a和k`|`k`

`输出预测误差功率（P）`- 输出预测错误功率
`离开`（默认）|`上`

`从输入维度继承预测顺序`- 从输入维度继承预测顺序
`离开`（默认）|`上`

`预测顺序（n）`- 预测顺序
`1`（默认）|标量

C/C ++代码生成
使用Simulink®Coder™生成C和C ++代码。金宝app