MATLAB中的levinson调用规则,LevinsonDurbin算法实验的报告 .doc

LevinsonDurbin算法实验的报告

Levinson-Durbin算法

一、实验目的

学会LEVINSON-DURBIN算法求解Yule-Walker方程，并通过MATLAB实现程序及仿真。

二、实验原理

1、线性预测分析的基本原理

由于语音样点之间存在相关性，所以可以用过去的样点值来预测现在或未来的样点值。如下图所示

图1 线性预测图示

由上图可得，从而可以通过使实际语音x(n)和线性预测结果之间的误差e(n)在某个准则下达到最小值来决定唯一的一组预测系数。而这组系数就能反映语音信号的特性，可以作为语音信号特征参数来用于语音编码、语音合成和语音识别等应用中去。

Yule-Walker(Y-W)方程

由估计值和实际信号值的误差可有

根据e(n)最小均方误差准则，来决定唯一的一组预测系数，即由此可得到Y-W方程：取遍k值之后可有以下：

由相关函数的偶函数性质可有

在已知自相关函数的前提下，根据e(n)均方误差最小的原则来求解ak，本实验中采用Levinson-Durbin算法。

Levinson-Durbin算法简介

Levinson-Durbin算法首先由一阶AR模型开始，按照前面的Y-W方程可有，一阶AR模型(p=1)的Y-W方程是

然后增加一阶，即令p=2，可得到：

由上式可解出：

然后令以此类推，可以得到一般的递推公式：

式中的称为反射系数，而

实验过程

实验开始先按照前文所述的Levinson算法的递推公式编写子函数function [a_p,E_V]=Levinson_algorithm(x,p)其中a_p是输出的预测系数，E_V是输出的预测误差均放值。该子函数实现用Levinson-Durbin算法求解Yule-Walker方程，用迭代方法求解与谱估计有关的参量。

利用子函数估计AR(2)模型中的参数值，估计其功率谱，并与已知的信号功率谱进行比较。

参数设置：已知信号为白噪声通过线性系统H(z)=1/(1+a1*z^(-1)+a2*z^(-2))产生信号向量，p=90，先假设已知模型的输入系数为a0=[1 0.78 0.92]。

实验结果由图可知，两图的频谱基本一致，即可知该子函数可以很好的估计出模型参数。

附录：函数程序

%%%子函数程序

%Levinson-Durbin 函数

%参量：A(R)模型的输入参数为信号x和滤波器阶数p，输出参数为模型预测系数a_p和预 测功率误差E_p；

function [a_p,E_V]=Levinson_algorithm(x,p) %输入信号的互相关函数计算

N=length(x);

for i=1:N

Rx(i)=x(1:N-i+1)*(x(i:N))'/N; %计算输入信号的自相关函数值

end

%levinson算法迭代过程

a(1)=1;

a(2)=-Rx(2)/Rx(1); %自适应滤波器的前两个系数

for k=1:p-1

E_V(k+1)=Rx(1)+a(2:k+1)*Rx(2:k+1)'; %预测误差更新

D(k+1)=a(1:k+1)*(fliplr(Rx(2:k+2)))'; %为扩大方程矩阵中的Dk的更新

gama(k+2)=D(k+1)/E_V(k+1); %反射系数gama的更新

E_V(k+2)=E_V(k+1)*(1-(gama(k+2))^2); %预测误差的更新

%预测系数的更新

a_yuce(1)=1; %由k阶系数预测第k+1阶系数

for q=1:k

a_yuce(q+1)= a(q+1)-gama(k+2)* a(k-q+2);

end

a_yuce(k+2)=-gama(k+2);

a=a_yuce; %准备下一次迭代

end

a_p=a; %算法迭代完成输出模型系数

E_p=E_V; %输出系统预测误差

%%%%%函数应用实例

%运用前面所编写的levinson算法程序计算已知信号的预测误差,一次检验所设计的算法准确性。

%给出一个已知的模型，让一直信号经过该模型之后利用函数估计模型系数

%已知模型设为x(n)=a1*u(n-2)+a2*u(n-1)+a3*u(n)

clear;

close all;

c