基于Levinson-Durbin算法的变采样周期调度

由于资源受限而产生的网络时延是多回路网络控制系统面临的最严重问题之一,该时延具有随机、时变的特性,它将导致控制效果不理想,甚至使得系统不稳定。针对该问题,本文提出了基于中间插件的变采样周期调度策略,通过动态调整各控制回路的采样周期来实现网络资源的动态分配,以有效地减小网络时延,保证系统的稳定性。仿真结果表明,将该策略应用到资源受限的网络控制系统中,可以较大程度地减小随机时变时延对控制性能产生的负面影响,使得控制系统工作稳定,并有效地提高网络控制系统整体的控制性能。

雷电产生的海洋电磁场研究中Levinson-Durbin算法实现

雷电是海洋天然电磁场的主要场源之一,它会对水中兵器产生较大影响。由于雷电持续时间较短,利用传统的谱估计方法难以提取出信号的线谱频率。利用基于输出序列自相关阵的Levinson-Durbin递推算法,求解AR模型参数,进而计算出信号的功率谱。计算结果表明,Levinson-Durbin算法可以准确地估计出信号的线谱特征。

线性预测编码中Levinson-Durbin算法的ASIC实现

介绍了Levinson-Durbin算法的运算步骤及流程,并根据ASIC设计方法和要求,设计硬件电路实现了该算法。并将硬件电路仿真结果与C语言计算结果相比较,结果显示该设计能够很好的实现Levinson-Durbin算法,计算结果准确,误差小。

Levinson-durbin's recursive solution |k_i| =1 for voice linear prediction coefficients

This paper includes three parts: (1) As introduction to briefly summarize L-D recursion procedure and the principle for computing voicc Lp coefficient; (2) Qucstions or problems at the reflection coefficients |ki|; (3) Discussion and solutions of different cases.

基于AR模型和ZMNL变换的K分布海杂波仿真方法

海杂波统计模型的研究对最优检测算法设计和雷达性能预估有重要作用。文章介绍了一种基于AR模型和ZMNL变换的K分布海杂波仿真方法,结合ACI准则和Yule-Walker方程,利用Levinson-Durbin递推关系式求解AR模型的阶数和参数,将生成的高斯序列通过线性滤波器产生服从K分布的相关序列。仿真结果表明,无论是功率谱还是概率分布都与理想分布相吻合。

f^(-a)噪声的模拟

闪变噪声是一种普遍存在的自然现象,尽管其形成机理还没有定论,但闪变噪声的功率谱与频率具有f-a的关系是十分确定的.准确模拟闪变噪声,对于研究闪变噪声的特点以及闪变噪声对特定系统的影响,具有重要的意义.通过从闪变噪声具有的功率谱形式出发,得到闪变噪声序列的自相关函数,采用Levinson-Durbin迭代算法构造出高阶AR(p)模型来模拟闪变噪声,研究结果表明当阶次p大于1024时,AR(p)模型可以很好地模拟闪变噪声.

基于现代谱估计的互相关高斯随机序列的模拟产生

利用现代谱估计技术中的Levinson-Durbin递推方法来求解对序列相关值有所要求的AR自回归模型的各阶参数,并将所产生的原序列及其移位序列作为无线通信和雷达系统仿真中所需的互相关高斯随机序列,仿真结果证明了该方法的有效性。

基于MMSE维纳滤波语音增强方法研究与Matlab实现

提出一种基于最小均方误差估计维纳滤波器的设计方法与Matlab实现。通过使用莱文森-德宾算法求解维纳-霍夫方程(Yule-walker方程),得到滤波器系数进行维纳滤波。加载Matlab中的语音数据handel,人为地加入高斯白噪声,分别计算加入噪声后信号的自相关Rxx和加入噪声后信号和理想信号的互相关Rxd。在输出端将信号较为精确地重现出来,而噪声却受到最大抑制。实测数据的处理结果证明经过维纳滤波后语音信号的噪声减弱,信噪比提高,较好地改进了语音信号质量。

Burg算法在基于AR模型多普勒血流信号时频分析中的应用

多普勒超声血流信号是一个非平稳的高斯随机过程,其时频分布与血流的速度及其变化有密切的关系。由于假设信号在一定时间间隔内是平稳的,实际上难以获得同时具有较好的时间、频率分辨率的超声多普勒时频分布。一种估计多普勒超声血流信号时频分布的方法是基于Levinson-Durbin算法的自回归(AR)模型法。但用该算法估计出的参数的误差随时间间隔的缩短而增大。Burg提出一种递推算法,不需要计算自相关,而是用使前向与后向预测误差能量之和最小的方法求出模型的参数。我们将用两种算法估计出的多普勒时频分布及理论的时频分布进行比较,发现用Burg算法估计出的多普勒时频分布比用Levinson-Durbin递推算法估计出的多普勒时频分布更接近理论的时频分布,尤其是频率带宽性能得到了明显的改善。

基于LPC的语音谱分析

介绍了自回归模型、线性预测编码原理及其参数算法。对实际语音信号进行线性预测编码分析实验,重点讨论了实际语音信号线性预测时自回归模型参数求取及模型阶数确定,MATLAB仿真绘出了功率谱图。分析实验残差,研究表明线性预测编码分析对短数据的频谱分辨率效果明显。

基于新型TNS启用机制的高效音频编码方法

时域噪声整型能有效地抑制由量化带来的时域上的前回音(Pre-echo)现象。提出了一种结合时域与频域,利用Levinson-Durbin及检测前回音的双重标准作为TNS的启用机制。提出了一种基于TNS启用机制的编码策略来替代计算复杂的心理模型中动态窗的算法,并验证了其在存储和计算上的开销。

基于信息量准则的AR模型相关高斯杂波模拟

研究了相关雷达杂波功率谱特性的AR模型及其模拟方法。使用了Levinson-Durbin算法和四种基于信息量准则的AR模型定阶准则:AIC、FPE、CAT和MDL,并与其它定阶方法进行了比较,最后给出了计算机模拟结果。

线性预测及其DSP实现

扼要介绍了线性预测编码(LPC)及其算法的基本原理,重点说明了如何用TMS320VC5402实现LPC算法,并给出了软硬件实现的结果。

多径情况下的信道估计算法

无线通信时会出现多径传输现象,这种情况下,信道在时间和频率上都会出现选择性衰落,从而增加了信道估计的难度。文中介绍了一种基于训练序列的信道估计算法,在特定的多径信道模型基础上,利用训练样本建立各径强度的线性方程组,得到了信道的时域冲击响应。实验表明,文中的信道估计算法效果较好。

非线性非平稳运动可预报时长分析

基于相关理论和移动平台构成的实际运动数据,研究分析非线性非平稳运动可预报时长。通过计算最大Lyapunov指数得到该动平台平均可预报时长为4.3 s;采用基于Durbin-Levinson算法自回归模型对动平台运动的数据进行预报,给出其平均可预报最大时长为4.0 s。最后,基于文章提出的非线性非平稳运动预报评估方法,给出该动平台运动的最大预报时长,为开展工程应用奠定基础。

线性预测及其Matlab实现

介绍线性预测编码(LPC)及其基本原理,由语音信号常用的全极点模型的传递函数推导出线性预测方程,然后简要讲述了G.729中线性预测分析的基本原理。重点是使用Matlab实现G.729中LPC算法,首先阐述了加窗和自相关函数计算,并附上了Matlab的程序说明以及加窗前后运行结果图;最后,列出了求解线性预测滤波器系数经典的Levinson-Durbin算法,同时给出了该算法的Matlab程序描述。利用Matlab程序进行线性预测,可以很直观地知道分析结果,为下一步将算法在DSP上的实现奠定基础。

基于Durbin-levinson估计的多维AR(p)过程的实证分析

基于Durbin-levinson算法对多维AR(p)过程的系数进行了推断,通过求解多维AR(p)过程的Yule-walker方程,给出了模型系数的矩估计,并介绍了模型定阶过程中的AICC准则,最后,利用ITSM2000程序对实际问题做了相关分析.

基于FGN输入流的G/D/1排队模拟

传统的排队理论不适于分析高速网络表现出的自相似流量 .通过实验仿真 ,主要考察平均等待时间和在队列分别为无限和有限情形下的队列尾部特征等参数 ,并对以FGN为输入流的G/D/ 1排队模型作了定性分析 .结果表明在输入流的强度和方差基本相等且系统利用律大于某一阈值的情况下 ,队列平均等待时间随Hurst参数增大而显著增长 .同时指出在相同的条件下考察队列尾部特征 ,具有有限队列长度的G/D/

基于广义合成分析和深度神经网络的自回归系数估计方法

自回归(AR)模型是一类描述时序序列相关性的有效方法,经典的AR系数估计方法对残差信号做了简单的假设,在噪声干扰等复杂场景中难以准确估计AR系数,而基于深度神经网络(DNN)的AR(DNN-AR)系数估计方法在训练中容易受到莱文逊-杜宾迭代(LDR)解法的数值稳定性的影响.为改善DNN-AR系数训练的稳定性和整体性能,在保证系统稳定性的前提下,本文利用精度转化提高系统运算速度的思路,提出了基于广义合成分析(GABS)模型的深度网络结构改善方法,提高了AR系数在含噪环境下估计的准确性和网络训练的稳定性.组合DNN的GABS(GABS-DNN)的模型由三个主要部分组成:修正器的谱增强网络、编码器的DNN预处理及LDR参数估计和解码器的AR系数到功率谱的转换.在优化目标函数的过程中,引入了增强谱和观测谱的误差,减少了反向传播时LDR的梯度对增强网络的影响,实现了稳定估计含噪语音的AR系数.

语音信号的线性预测分析在DSP上的优化实现

语音信号的线性预测分析是语音压缩中的一个重要环节,占据语音压缩计算中的大部分时间,为提高语音压缩的速度,在C54x系列DSP上用汇编语言实现了语音信号的线性预测分析,并对其进行优化。最终可以使代码的运行时间减少到原来的5%左右。