线性预测滤波器系数gydF4y2Ba
[gydF4y2Ba
求a的系数gydF4y2Ba一个gydF4y2Ba
,gydF4y2BaggydF4y2Ba
] = lpc (gydF4y2BaxgydF4y2Ba
,gydF4y2BapgydF4y2Ba
)gydF4y2BapgydF4y2Ba
三阶线性预测器,一种FIR滤波器,用于预测实值时间序列的当前值gydF4y2BaxgydF4y2Ba
基于过去的样品。该功能也返回gydF4y2BaggydF4y2Ba
,预测误差的方差。如果gydF4y2BaxgydF4y2Ba
是一个矩阵,函数将每一列作为一个独立的通道。gydF4y2Ba
lpc的gydF4y2Ba
在最小二乘意义下,通过最小化预测误差来确定前向线性预测器的系数。它在滤波器设计和语音编码中都有应用。gydF4y2Ba
lpc的gydF4y2Ba
使用自回归(AR)建模的自相关方法来寻找滤波系数。生成的过滤器可能不能准确地建模该过程,即使数据序列确实是一个正确顺序的AR过程,因为自相关方法隐式地为数据设置窗口。换句话说,该方法假设信号的采样长度超过gydF4y2BaxgydF4y2Ba
都是0。gydF4y2Ba
lpc的gydF4y2Ba
计算的最小二乘解gydF4y2BaXgydF4y2Ba一个gydF4y2Ba=gydF4y2BabgydF4y2Ba,在那里gydF4y2Ba
和gydF4y2Ba米gydF4y2Ba为长度gydF4y2BaxgydF4y2Ba.用正规方程求解最小二乘问题gydF4y2Ba 导致Yule-Walker方程gydF4y2Ba
在哪里gydF4y2BargydF4y2Ba= (gydF4y2Ba
rgydF4y2Ba(1)gydF4y2BargydF4y2Ba(2)……gydF4y2BargydF4y2Ba(gydF4y2BapgydF4y2Ba+1)gydF4y2Ba]gydF4y2Ba
是自相关估计吗gydF4y2BaxgydF4y2Ba
计算使用gydF4y2BaxcorrgydF4y2Ba
.Levinson-Durbin算法(见gydF4y2Ba莱文顿gydF4y2Ba
的Yule-Walker方程gydF4y2BaOgydF4y2Ba(gydF4y2BapgydF4y2Ba2gydF4y2Ba)gydF4y2Ba拖鞋。gydF4y2Ba
[1]杰克逊,L. B.gydF4y2Ba数字滤波器和信号处理gydF4y2Ba.第二版。波士顿:Kluwer学术出版社,1989年,第255-257页。gydF4y2Ba
aryulegydF4y2Ba
|gydF4y2Ba莱文顿gydF4y2Ba
|gydF4y2Ba普龙尼gydF4y2Ba
|gydF4y2BapyuleargydF4y2Ba
|gydF4y2BastmcbgydF4y2Ba