Modélisation de signaux

Prédiction linéaire, modèles autorégressifs (AR), Yule-Walker, Levinson-Durbin

Signal Processing Toolbox™ propose des techniques de modélisation paramétrique permettant d’estimer une fonction de transfert rationnelle qui décrit un signal, un système ou un processus. Utilisez les informations disponibles sur un signal pour déterminer les coefficients d’un système linéaire permettant de le modéliser. Approximez une réponse impulsionnelle donnée dans le domaine temporel avec les modèles ARX de Prony et de Steiglitz-McBride. Identifiez une fonction de transfert analogique ou numérique correspondant à une réponse en fréquence complexe donnée. Modélisez les résonances avec des filtres de prédiction linéaire.

Fonctions

développer tout

corrmtxData matrix for autocorrelation matrix estimation
levinsonLevinson-Durbin recursion
lpcLinear prediction filter coefficients
rlevinsonReverse Levinson-Durbin recursion
schurrcCompute reflection coefficients from autocorrelation sequence
xcorrCross-correlation
xcovCross-covariance
ac2polyConvert autocorrelation sequence to prediction polynomial
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
rc2acConvert reflection coefficients to autocorrelation sequence
rc2isConvert reflection coefficients to inverse sine parameters
rc2larConvert reflection coefficients to log area ratio parameters
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
pronyProny method for filter design
stmcbCompute linear model using Steiglitz-McBride iteration

Rubriques

Sélection d՚exemples

Linear Prediction and Autoregressive Modeling

Linear Prediction and Autoregressive Modeling

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

Formant Estimation with LPC Coefficients

Formant Estimation with LPC Coefficients

Estimate vowel formant frequencies using linear predictive coding.

AR Order Selection with Partial Autocorrelation Sequence

AR Order Selection with Partial Autocorrelation Sequence

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