主要内容

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。

功能

全部展开

corrmtx 自相关矩阵估计的数据矩阵
莱文森 Levinson-Durbin递归
lpc的 线性预测滤波系数
rlevinson 反向Levinson-Durbin递归
schurrc 从自相关序列计算反射系数
xcorr 互相关
xcov Cross-covariance
ac2poly 将自相关序列转换为预测多项式
ac2rc 转换自相关序列到反射系数
is2rc 将反正弦参数转换为反射系数
lar2rc 将测井面积比参数转换为反射系数
lsf2poly 将谱线频率转换为预测滤波系数
poly2ac 将预测滤波器多项式转换为自相关序列
poly2lsf 将预测滤波系数转换为线谱频率
poly2rc 将预测滤波器多项式转换为反射系数
rc2ac 将反射系数转换为自相关序列
rc2is 将反射系数转换为反正弦参数
rc2lar 将反射系数转换为测井面积比参数
rc2poly 将反射系数转换为预测滤波器多项式
arburg 自回归全极模型参数- Burg方法
arcov 自回归全极模型参数协方差法
armcov 自回归全极模型参数修正协方差法
aryule 自回归全极模型参数- Yule-Walker方法
invfreqs 从频率响应数据识别连续时间滤波器参数
invfreqz 从频率响应数据识别离散时间滤波器参数
普龙尼 滤波器设计的Prony方法
stmcb 使用Steiglitz-McBride迭代计算线性模型

主题

线性预测和自回归建模

比较两种确定线性滤波器参数的方法:自回归建模和线性预测。

偏自相关序列的AR阶数选择

使用偏自相关序列评估自回归模型的顺序。

参数化建模

学习为描述信号、系统或过程的数学模型找到参数的技术。

预测多项式

从自相关序列中获得预测多项式。验证所得到的预测多项式具有一个可产生稳定的全极滤波器的逆。

特色的例子

线性预测和自回归建模

线性预测和自回归建模

比较两种确定线性滤波器参数的方法:自回归建模和线性预测。
打开生活的脚本
基于LPC系数的Formant估计

基于LPC系数的Formant估计

估计元音共振峰频率使用线性预测编码。
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

使用偏自相关序列评估自回归模型的顺序。
打开生活的脚本

信号处理工具箱文档

万博1manbetx

基于MATLAB的信号处理深度学习

基于MATLAB的信号处理深度学习

下载白皮书