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

Codificación predictiva lineal

`corrmtx`	Matriz de datos para la estimación de la matriz de autocorrelación
`levinson`	Levinson-Durbin recursion
`lpc`	Coeficientes del filtro de predicción lineal
`rlevinson`	Reverse Levinson-Durbin recursion
`schurrc`	Calcular coeficientes de reflejo desde una secuencia de autocorrelación
`xcorr`	Correlación cruzada
`xcov`	Cross-covariance
`ac2poly`	Convierta la secuencia de autocorrelación en un polinomio de predicción
`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`	Convertir coeficientes de reflejo a secuencias de autocorrelación
`rc2is`	Convertir coeficientes de reflejo a parámetros inversos del seno
`rc2lar`	Convertir coeficientes para acceder a parámetros de acceso de área
`rc2poly`	Convert reflection coefficients to prediction filter polynomial

Modelado paramétrico

`arburg`	Parámetros de modelos autorregresivos solo de polos: método de Burg
`arcov`	Autoregressive all-pole model parameters — covariance method
`armcov`	Autoregressive all-pole model parameters — modified covariance method
`aryule`	Parámetros del modelo autorregresivo de todos los polos: método de Yule-Walker
`invfreqs`	Identify continuous-time filter parameters from frequency response data
`invfreqz`	Identify discrete-time filter parameters from frequency response data
`prony`	Método Prony para diseño de filtros
`stmcb`	Compute 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.
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.

Ejemplos destacados

Linear Prediction and Autoregressive Modeling

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

Abrir script en vivo

Estimación de formantes con coeficientes LPC

Estime las frecuencias formantes de vocales utilizando codificación predictiva lineal.

Abrir script en vivo

AR Order Selection with Partial Autocorrelation Sequence

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

Abrir script en vivo