现代信号处理的大作业：LD算法以及WV变换.docx

现代信号处理大作业姓名：学号：专业：电子科学与技术一.L-D算法的仿真实现1、问题描述用Matlab实现Levinsion-Durbin算法。2、算法分析2.1 、LD算法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。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值之后有以下：由相关函数的偶函数性质有：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a，本实验中采用Levinson-Durbin算法。2.2、 LD算法的实现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，而和是预测误差的均方误差值，因此必须大于等于0，这样应满足，进而得到，即预测误差随递推次数增加而减少。3、程序实现思路3.1、观测值的选取。将均值为0.方差为1，数据长度3000的白噪声信号通过线性系统：H(z)=1/(1+a1*z^(-1)+a2*z^(-2))，设置模型的输入系数为a0= [1 0.72 0.88]；由输出信号作为观测信号x(n)。3.2、通过LD算法函数估计从一阶到50阶的系数。3.3、用Matlab自带的aryule函数预测50阶系数，与自己编写的程序结果对比。4、程序如下：4.1、主函数：clc;clear;close all;%% 给出一个已知的模型，让已知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*noise(n-2)+a2*noise(n-1)+a3*noise(n)len = 3000;% 数据长度noise = randn(1,len);% 产生均值为0，方差（功率）为1，数据长度为3000的高斯白噪声a0=[1 0.72 0.88];% 已知模型的输入系数x=filter(1,a0,noise);% 产生的信号模型是x(n)=a0(1)*noise(n-2)+a0(2)*noise(n-1)+a0(3)*noise(n);%% 利用L-D算法预测模型参数m = 50;[a,P] = Levinson_Durbin(x,m);aa = [ones(m,1),a];% 预测出来的系数%预测误差功率图figureplot(1:m,P(1:m),rh)ylim([0,6])title(预测误差功率随迭代次数的变化);xlabel(迭代次数)ylabel(预测误差功率)% 利用aryule验证y = aryule(x,m);figuresubplot(1,2,1)plot(1:51,aa(m,:),r)title(编写程序运行得出的系数)subplot(1,2,2)plot(1:51,y,k)title(aryule运行得出的系数)4.2、LD算法子函数：%% Levinson-Durbin algorithmfunction [a,P]=Levinson_Durbin(x,m)% x为输入信号% m为阶数a = zeros(m,m);N = length(x);P = zeros(1,m + 1);for i = 1:N P(1) = P(1) + x(i)^2;endP(1) = P(1)/N;% 计算预测误差功率的初始值P_0f = zeros(m + 1,N);% m阶前向预测误差g = zeros(m + 1,N);% m阶后向预测误差f(1,:) = x;g(1,:) = x;K = zeros(1,m);% 开始迭代：for i = 1:m numerator = 0; denominator = 0; for j = i + 1:N numerator = numerator - f(i,j)*g(i,j - 1); denominator = denominator + (f(i,j)^2 + g(i,j - 1)^2)/2; end K(i) = numerator/denominator;% 反射系数 for j = 1:i - 1 a(i,j) = a(i - 1,j) + K(i)*a(i - 1,i - j); end a(i,i) =