Main Content

La traducción de esta página está obsoleta. Haga clic aquí para ver la última versión en inglés.

Modelado de señales

Predicción lineal, modelos autorregresivos (AR), Yule-Walker, Levinson-Durbin

Signal Processing Toolbox™ proporciona técnicas de modelado paramétrico que permiten estimar una función de transferencia racional que describe una señal, un sistema o un proceso. Utilice la información conocida sobre una señal para encontrar los coeficientes de un sistema lineal que la modele. Aproxime una respuesta de impulso en el dominio del tiempo determinada mediante los modelos ARX de Prony y Steiglitz-McBride. Encuentre una función de transferencia analógica o digital que coincida con una respuesta de frecuencia compleja determinada. Modele las resonancias mediante filtros de predicción lineal.

Funciones

expandir todo

corrmtxMatriz de datos para la estimación de la matriz de autocorrelación
levinsonLevinson-Durbin recursion
lpcLinear prediction filter coefficients
rlevinsonReverse Levinson-Durbin recursion
schurrcCalcular coeficientes de reflejo desde una secuencia de autocorrelación
xcorrCorrelación cruzada
xcovCross-covariance
ac2polyConvierta la secuencia de autocorrelación en un polinomio de predicción
ac2rcConvert autocorrelation sequence to reflection coefficients
is2rcConvert inverse sine parameters to reflection coefficients
lar2rcConvert log area ratio parameters to reflection coefficients
lsf2polyConvert line spectral frequencies to prediction filter coefficients
poly2acConvert prediction filter polynomial to autocorrelation sequence
poly2lsfConvert prediction filter coefficients to line spectral frequencies
poly2rcConvert prediction filter polynomial to reflection coefficients
rc2acConvertir coeficientes de reflejo a secuencias de autocorrelación
rc2isConvertir coeficientes de reflejo a parámetros inversos del seno
rc2larConvertir coeficientes para acceder a parámetros de acceso de área
rc2polyConvert reflection coefficients to prediction filter polynomial
arburgAutoregressive all-pole model parameters — Burg’s method
arcovAutoregressive all-pole model parameters — covariance method
armcovAutoregressive all-pole model parameters — modified covariance method
aryuleAutoregressive all-pole model parameters — Yule-Walker method
invfreqsIdentify continuous-time filter parameters from frequency response data
invfreqzIdentify discrete-time filter parameters from frequency response data
pronyMétodo Prony para diseño de filtros
stmcbCompute linear model using Steiglitz-McBride iteration

Temas

Linear Prediction and Autoregressive Modeling

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

Selección de óla AR con secuencia de autocorrelación parcial

Evalúe el orden de un modelo autoregresivo utilizando la secuencia de autocorrelación parcial.

Modelado paramétrico

Técnicas de estudio que encuentran los parámetros de un modelo matemático que describe una señal, sistema o proceso.

Predicción Polinómio

Obtenga el polinomio de predicción a partir de una secuencia de autocorrelación. Compruebe que el polinomio de predicción resultante tiene una inversa que produce un filtro de polo completo estable.

Ejemplos destacados