随机信号的参数建模法

本文深入探讨了随机信号的参数建模,重点介绍了AR模型的原理和参数估计方法,包括Yule-Walker方程与Levinson-Durbin算法。通过对AR模型的分析,展示了其在生物医学信号处理中的应用,讨论了模型阶数选择和不同算法的优缺点,如L-D算法和Burg算法,并提出了最终预测误差准则作为确定AR模型阶次的有效方法。
摘要由CSDN通过智能技术生成

对语音信号进行编码的时候,对产生语音的过程进行建模,编码器计算出模型的参数,并且发送。接收端接收后,需要重建模型。随机信号的参数模型如下图所示
在这里插入图片描述
即认为随机信号是由白噪激励某一系统的响应。

3种参数模型

  • MA 模型(滑动平均模型)

随机信号 x(n) 由当前的激励 w(n) 和若干次过去的激励 w(n - k ) 线性组合产生:
x(n)= ∑ k = 0 q \sum_{k=0}^{q} k=0qbk*w(n-k)
该模型的系统函数是
H(z)=X(z)/W(z)= ∑ k = 0 q \sum_{k=0}^{q} k=0q

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值