Reverse Levinson-Durbin递归
r = rtlevinson(a,efinal)
[r,u] = rtlevinson(a,efinal)
[r,u,k] = rtlevinson(a,efinal)
[r,u,k,e] = rtlevinson(a,efinal)
反向Levinson-Durbin递归实现用于解决以下线性方程的以下对称Toeplitz系统的降压算法R., 在哪里R.= [R.(1)......R.(P.+ 1)]和R.(一世)*表示复杂的缀合物R.(一世)。
r = rtlevinson(a,efinal)
解决上述方程系统R.给予载体一种, 在哪里一种= [1一种(2)......一种(P.+ 1)]。在线性预测应用中,R.
表示预测错误滤波器的输入的自相关序列,其中R.(1)是零滞后元素。下图显示了这种类型的典型过滤器,其中H(Z.)是最佳的线性预测因子,X(N)输入信号,
是预测的信号,还是E.(N)是预测错误。
输入载体一种表示该预测误差滤波器在下降功率中的多项式系数Z.。
过滤器必须是最小阶段以生成有效的自相关序列。efinal.
是标量预测误差功率,其等于预测误差信号的方差,σ.2(E.)。
[r,u] = rtlevinson(a,efinal)
返回上三角矩阵你来自udu.*分解
在哪里
和E.是一个对角线矩阵,输出中返回的元素E.
(见下文)。该分解允许有效地评估自相关矩阵的倒数,R.-1。
输出矩阵你
包含预测滤波器多项式,一种
,从反向Levinson-Durbin递归的每次迭代
在哪里一种一世(j)是个j训练的系数一世顺序预测滤波多项式(即,步骤一世在递归中)。例如,第五阶预测滤波器多项式是
A5 = U(5:-1:1,5)'
注意U(p + 1:-1:1,p + 1)'
输入多项式系数矢量一种
。
[r,u,k] = rtlevinson(a,efinal)
返回矢量K.
长度P.+ 1包含反射系数。反射系数是第一行中值的共轭你
。
K =结合(U(1,2:结束))
[r,u,k,e] = rtlevinson(a,efinal)
返回长度的向量P.+ 1包含来自ReverseLevinson-Durbin递归的每次迭代的预测错误:e(1)
是来自一阶模型的预测错误,E(2)
是二阶模型的预测错误,等等。
这些预测误差值形成矩阵的对角线E.在里面udu.*分解R.-1。
[1] Kay,Steven M.现代光谱估计:理论与应用。Englewood Cliffs,NJ:Prentice-Hall,1988年。