信号建模
PySPT提供参数化建模方法，可让您估计描述信号、系统或过程的有理传递函数。使用信号的已知信息来查找对其建模的线性系统的系数。使用 Prony 和 Steiglitz-McBride ARX 模型逼近给定的时域脉冲响应。找到与给定复频率响应匹配的模拟或数字传递函数。使用线性预测滤波器对共振建模。
Matlab函数
线性预测编码
| 序号 | 函数名 | 功能描述 |
|---|---|---|
| 1 | corrmtx | 自相关矩阵估计的数据矩阵 |
| 2 | levinson | 莱文森-杜宾递归 |
| 3 | lpc | 线性预测滤波器系数 |
| 4 | rlevinson | 逆Levinson-Durbin递归 |
| 5 | schurrc | 从自相关序列计算反射系数 |
| 6 | xcorr | 互相关 |
| 7 | xcov | 互协方差 |
| 8 | ac2poly | 将自相关序列转换为预测多项式 |
| 9 | ac2rc | 将自相关序列转换为反射系数 |
| 10 | is2rc | 将反正弦参数转换为反射系数 |
| 11 | lar2rc | 将对数面积比参数转换为反射系数 |
| 12 | lsf2poly | 将线谱频率转换为预测滤波器系数 |
| 13 | poly2ac | 将预测滤波器多项式转换为自相关序列 |
| 14 | poly2lsf | 将预测滤波器系数转换为线谱频率 |
| 15 | poly2rc | 将预测滤波器多项式转换为反射系数 |
| 16 | rc2ac | 将反射系数转换为自相关序列 |
| 17 | rc2is | 将反射系数转换为反正弦参数 |
| 18 | rc2lar | 将反射系数转换为对数面积比参数 |
| 19 | rc2poly | 将反射系数转换为预测滤波器多项式 |
参数化建模
| 序号 | 函数名 | 功能描述 |
|---|---|---|
| 1 | arburg | 自回归全极点模型参数-伯格方法 |
| 2 | arcov | 自回归全极点模型参数-协方差法 |
| 3 | armcov | 自回归全极点模型参数-修正协方差法 |
| 4 | aryule | 自回归全极点模型参数-Yule-Walker方法 |
| 5 | invfreqs | 从频率响应数据识别连续时间滤波器参数 |
| 6 | invfreqz | 从频率响应数据识别离散时间滤波器参数 |
| 7 | prony | 滤波器设计的Prony方法 |
| 8 | stmcb | 使用Steiglitz-McBride迭代计算线性模型 |
主题
- 线性预测和自回归建模——比较确定线性滤波器参数的两种方法：自回归建模和线性预测。
- 使用偏自相关序列选择AR阶数——使用偏自相关序列评估自回归模型的阶数。
- 参数化建模——研究为描述信号、系统或过程的数学模型找到参数的技术。
- 预测多项式——从自相关序列中获取预测多项式。验证生成的预测多项式是否具有产生稳定全极点滤波器的逆。