现代信号处理的大业：LD算法以及WV变换.docxVIP

PAGE 10 现代信号处理大作业 姓名： 学号： 专业：电子科学与技术 目 录 TOC \o 1-3 \h \z \u 现代信号处理大作业 1 一. L-D算法的仿真实现 3 1、问题描述 3 2、算法分析 3 2.1 、LD算法原理 3 2.2、 LD算法的实现 4 3、程序实现思路 5 4、程序如下： 5 4.1、主函数： 5 4.2、LD算法子函数： 7 4.3、仿真结果： 8 二．WV变换 10 1、问题描述 10 2、WV分布的分析 10 3、程序设计 12 4、程序运行结果 13 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 线性预测 线性预测 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 figure plot(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); figure subplot(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 algorithm function [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; end P(1) = P(1)/N;% 计算预测误差功率的初始