自适应格形滤波器.pptVIP

预测误差滤波器的零点在单位圆内。 即为最小相位滤波器。 图4.8 （） （） 图4.9 全极点横式滤波器 （） （） （）代入 （）得 （） （） 图4.10 无交叉连接的全极点格形滤波器 对于既有零点又有极点的传输函数 、 对于既有零点又有极点的横式滤波器----IIR滤波器 * * 第四章 自适应格形滤波器 §4.1 线性预测滤波器 图 4.1 前向线性预测滤波器 前向预测。根据 预测 （前向线性预测的正交原理: 最佳预测误差与用于预测的数据正交。） () （正规方程-m个方程） （正规方程-m个方程） 最小前向预测误差功率 （） Yule-Walker方程 () （m+1个方程） （3）Levinson-Durbin算法 （相关矩阵是Toeplitz矩阵----各对角线元素相同的矩阵） 运算量为 （1）高斯消元法。运算量为 （2）Cholesky法（相关矩阵为对称，且至少为半正定） 运算量为 后向预测。根据 预测 图4.2 前向预测和后向预测 前向预测。根据 预测 后向预测。根据 预测 （正交原理） （正规方程- m个方程） () （m+1个方程） Yule-Walker方程 Levinson-Durbin算法 定义前向预测误差和后向预测误差之相关系数为 对于最佳 预测系数，根据正交原理 () () （） （） Levinson-Durbin算法 () 从Levinson-Durbin递推公式()可看出， 从m阶到(m+1)阶时，需要次乘除法和次加减法，运算量为O(m)。 因此，对于从m=1到m=m+1所有的递推得运算量的数量级为 高斯消元法、Cholesky分解法运算量的数量级 即 图4.4 最初的几阶线性预测 初始化 m从0到1 m从1到2 0阶 1阶 2阶