Questa pagina è stata tradotta con la traduzione automatica. Fai clic qui per vedere l’originale in inglese.

Modellazione del segnale

Previsione lineare, modelli autoregressivi (AR), Yule-Walker, Levinson-Durbin

Signal Processing Toolbox™ fornisce tecniche di modellazione parametrica che consentono di stimare una funzione di trasferimento razionale che descrive un segnale, un sistema o un processo. Utilizza le informazioni note su un segnale per trovare i coefficienti di un sistema lineare che lo modella. Approssima una data risposta all'impulso nel dominio del tempo utilizzando i modelli ARX di Prony e Steiglitz-McBride. Trova una funzione di trasferimento analogica o digitale che corrisponda a una data risposta in frequenza complessa. Risonanze del modello utilizzando filtri di previsione lineare.

Funzioni

espandi tutto

Codifica predittiva lineare

`corrmtx`	Data matrix for autocorrelation matrix estimation
`levinson`	Levinson-Durbin recursion
`lpc`	Linear prediction filter coefficients
`rlevinson`	Reverse Levinson-Durbin recursion
`schurrc`	Compute reflection coefficients from autocorrelation sequence
`xcorr`	Correlazione incrociata
`xcov`	Cross-covariance
`ac2poly`	Convert autocorrelation sequence to prediction polynomial
`ac2rc`	Convert autocorrelation sequence to reflection coefficients
`is2rc`	Convert inverse sine parameters to reflection coefficients
`lar2rc`	Convert log area ratio parameters to reflection coefficients
`lsf2poly`	Convert line spectral frequencies to prediction filter coefficients
`poly2ac`	Convert prediction filter polynomial to autocorrelation sequence
`poly2lsf`	Convert prediction filter coefficients to line spectral frequencies
`poly2rc`	Convert prediction filter polynomial to reflection coefficients
`rc2ac`	Convert reflection coefficients to autocorrelation sequence
`rc2is`	Convert reflection coefficients to inverse sine parameters
`rc2lar`	Convert reflection coefficients to log area ratio parameters
`rc2poly`	Convert reflection coefficients to prediction filter polynomial

Modellazione parametrica

`arburg`	Autoregressive all-pole model parameters — Burg’s method
`arcov`	Autoregressive all-pole model parameters — covariance method
`armcov`	Autoregressive all-pole model parameters — modified covariance method
`aryule`	Autoregressive all-pole model parameters — Yule-Walker method
`invfreqs`	Identify continuous-time filter parameters from frequency response data
`invfreqz`	Identify discrete-time filter parameters from frequency response data
`prony`	Prony method for filter design
`stmcb`	Compute linear model using Steiglitz-McBride iteration

Argomenti

Linear Prediction and Autoregressive Modeling
Compare two methods for determining the parameters of a linear filter: autoregressive modeling and linear prediction.
AR Order Selection with Partial Autocorrelation Sequence
Assess the order of an autoregressive model using the partial autocorrelation sequence.
Parametric Modeling
Study techniques that find the parameters for a mathematical model describing a signal, system, or process.
Prediction Polynomial
Obtain the prediction polynomial from an autocorrelation sequence. Verify that the resulting prediction polynomial has an inverse that produces a stable all-pole filter.

Esempi in primo piano

Linear Prediction and Autoregressive Modeling

Compare two methods for determining the parameters of a linear filter: autoregressive modeling and linear prediction.

Apri live script

Formant Estimation with LPC Coefficients

Estimate vowel formant frequencies using linear predictive coding.

Apri live script

AR Order Selection with Partial Autocorrelation Sequence

Assess the order of an autoregressive model using the partial autocorrelation sequence.

Apri live script