我们考虑的过程都是广义稳态随机过程,且均值为0。考虑的线性预测有两种,一种是 向前线性预测(forward linear prediction),用 u ( n − 1 ) u(n-1) u(n−1), u ( n − 2 ) u(n-2) u(n−2), … \dots …, u ( n − M ) u(n-M) u(n−M)来预测 u ( n ) u(n) u(n), U n − 1 \mathscr{U}_{n-1} Un−1表示 u ( n − 1 ) u(n-1) u(n−1), u ( n − 2 ) u(n-2) u(n−2), … \dots …, u ( n − M ) u(n-M) u(n−M)张成的空间, u ^ ( n ∣ U n − 1 ) \hat{u}(n\mid \mathscr{U}_{n-1}) u^(n∣Un−1);另一种是 向后线性预测(backward linear prediction),用 u ( n ) u(n) u(n), u ( n − 1 ) u(n-1) u(n−1), … \dots …, n ( n − M + 1 ) n(n-M+1) n(n−M+1)预测 u ( n − M ) u(n-M) u(n−M)。
![线性预测滤波图示](https://img-blog.csdnimg.cn/20200526222020468.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RpbmFfRkZhbmc=,size_16,color_FFFFFF,t_70#pic_center)
向前线性预测
u ^ ( n ∣ U n − 1 ) = ∑ k = 1 M w f , k ∗ u ( n − k ) , \begin{aligned} \hat{u}(n\mid \mathscr{U}_{n-1})=\sum_{k=1}^{M}w_{f,k}^*u(n-k), \end{aligned} u^(n∣Un−1)=k=1∑Mwf,k∗u(n−k),
向前预测误差为 f M ( n ) = u ( n ) − u ^ ( n ∣ U n − 1 ) = u ( n ) − ∑ k = 1 M w f , k