文档

信号建模

线性预测，自回归(AR)模型，Yule-Walker, Levinson-Durbin

信号处理工具箱™提供参数化建模技术，使您可以估计描述信号、系统或过程的合理传递函数。利用已知的信号信息，找出模拟信号的线性系统的系数。使用Prony和Steiglitz-McBride ARX模型近似给定的时域脉冲响应。找到一个模拟或数字传递函数，匹配给定的复杂频率响应。使用线性预测滤波器模型共振。

特色的例子

基于LPC系数的Formant估计

基于LPC系数的Formant估计

这个例子展示了如何使用线性预测编码(LPC)估计元音共振峰频率。通过求预测多项式的根，得到共振峰频率。
打开生活的脚本
偏自相关序列的AR阶数选择

偏自相关序列的AR阶数选择

这个例子展示了如何使用偏自相关序列评估自回归模型的顺序。对于这些过程，您可以使用部分自相关序列来帮助选择模型顺序。对于一个值为$X(1)，X(2)，X(3)，\dots,X(k+1)$的平稳时间序列，滞后$k$的部分自相关序列是在$X(2)，X(3)，X(4)， X(4)，\dots,X(k)$上回归$X(1)$和$X(k+1)$后的相关性。对于一个移动平均过程，您可以使用自相关序列来评估顺序。然而，对于自回归(AR)或自回归移动平均(ARMA)过程，自相关序列并不有助于顺序选择。考虑由定义的AR(2)流程
打开脚本
预测多项式

预测多项式

这个例子展示了如何从自相关序列中获得预测多项式。该实例还表明，所得到的预测多项式具有一个逆，从而产生一个稳定的全极滤波器。您可以使用全极滤波器滤除广谱平稳白噪声序列，以产生广谱平稳自回归过程。
打开生活的脚本
这个话题有用吗?
信号处理工具箱文档
其他文档
金宝app

尝试MATLAB, Si金宝appmulink和其他产品下载188bet金宝搏

得到审判现在