lpc
Coeficientes del filtro de predicción lineal
Sintaxis
Descripción
[
encuentra los coeficientes de un predictor lineal de a
,g
] = lpc(x
,p
)p
-ésimo orden, un filtro FIR que predice el valor actual de la serie de tiempo de valor real x
en base a muestras pasadas. La función también devuelve g
, la varianza del error de predicción. Si x
es una matriz, la función trata cada columna como un canal independiente.
Ejemplos
Argumentos de entrada
Argumentos de salida
Más acerca de
Algoritmos
lpc
determina los coeficientes de un predictor lineal hacia delante minimizando el error de predicción en el sentido de los mínimos cuadrados. Tiene aplicaciones en el diseño de filtros y la codificación de voz.
lpc
utiliza el método de autocorrelación de modelado autorregresivo (AR) para encontrar los coeficientes del filtro. Es posible que el filtro generado no modele el proceso de forma exacta, incluso aunque la secuencia de datos sea realmente un proceso AR del orden correcto, ya que el método de autocorrelación dispone en ventanas implícitamente los datos. En otras palabras, el método asume que las muestras de la señal más allá de la longitud de x
son 0.
lpc
calcula la solución de mínimos cuadrados a Xa = b, donde
y m es la longitud de x. Resolver el problema de mínimos cuadrados mediante las ecuaciones normales lleva a las ecuaciones de Yule-Walker
donde r = [
r(1) r(2) ... r(p+1)]
es una estimación de autocorrelación para x
calculada mediante xcorr
. El algoritmo de Levinson-Durbin (consulte levinson
) resuelve las ecuaciones de Yule-Walker en O(p2) flops.
Referencias
[1] Jackson, L. B. Digital Filters and Signal Processing. 2nd Edition. Boston: Kluwer Academic Publishers, 1989, pp. 255–257.
Historial de versiones
Introducido antes de R2006a