目录
线性滤波误差(Error of Liner Filtering )
前向预测误差(Forward Prediction Error)
上一节讲述了最优的线性估计,维纳滤波器作为一种最优线性估计的具体实现形式,在现实中有着广泛的应用,这次课围绕递归(Recursion)主要讲两个方面的内容:线性估计(Liner Estimation)和线性滤波误差(The Error of Liner Filtering)。
这两项内容是之前学习内容的具体实现,虽然今天的研究价值已经不大,但这两项技术广泛应用在今天的电子设备中,仍值得我们了解或学习。本次课就借助这两项技术了解递归思想。
线性估计
Levinson-Durbin递归
线性估计的应用
Linear Predicting Code, LPC(线性预测编码)
在语音传输中,有两种方式供参考:1,直接把采样数据原样不动地传过去,这种做法简单易行,但效率很低,且占用很大的信道带宽;2,传一部分原始数据,再传一部分根据原始数据推断出来的数据。
方式2的工作过程大体可以描述为:1,在传输之前,先对A/D采集到的数据进行线性拟合,假定这段语音信号在短时间不会发生剧烈变化,那么线性拟合是很精准的,然后在根据Levinson-Durbin递归建立模型,并使其工作,当新的数据到来之后,并不直接把它传递过去,而是经过模型处理得到与线性拟合的数据的误差,然后传输这个误差。传输误差特别省带宽,因为预测误差彼此正交,没有冗余。在接收端端也有同样的模型,可以将误差补偿回来。当然模型不可能是一层不变的,每隔一段时间就要重新建立,重新建立模型的方式仍然是通过Levinson-Durbin递归算出线性预测的系数,并发送给接收端。
类似地,在图像处理中,由P帧和I帧之分,其中,I帧一幅完整的图像,P帧为前后两帧的差帧。图像传输中,先将I帧传输过去,第2帧就不需要完整的帧了,因为相对于上一帧而言,第2帧变化的部分很少, 只需要传递前后两帧的差分值,就能够在原有数据的基础上生成一副新的图像。
线性滤波误差(Error of Liner Filtering )
前向预测误差(Forward Prediction Error)
后向预测误差
后向预测是用时间稍晚的数据预测稍早的数据,目的是平滑,消除或减弱噪音的影响。同样,我们也希望得到一种递推关系。
线性滤波误差之间的递推关系
分析两种预测误差:
小结
------------------------------------------------------------------------------------------------
因为文档中公式较多,不方便编辑,所以本文使用截图的方式展现。如需电子版文档,可以通过下面的链接进行下载。
链接http://generatelink.xam.ink/change/makeurl/changeurl/11772