Линейное предсказание - это математическая операция, в которой будущие значения сигнала discrete-time оцениваются как линейная функция предыдущих выборок.
В цифровой обработке сигналов линейное предсказание часто называется кодированием с линейным предсказанием (LPC) и, таким образом, может рассматриваться как подмножество теории фильтров. В системном анализе, подполе математика, линейное прогнозирование можно рассматривать как часть математического моделирования или оптимизации.
Содержание
- 1 Модель прогнозирования
- 2 См. Также
- 3 Ссылки
- 4 Дополнительная литература
- 5 Внешние ссылки
Модель прогнозирования
Наиболее распространенное представление равно
где - прогнозируемое значение сигнала, предыдущие наблюдаемые значения с и коэффициентами предиктора. Ошибка, вызванная этой оценкой, составляет
где - истинное значение сигнала.
Эти уравнения действительны для всех типов (одномерного) линейного прогнозирования. Различия обнаруживаются в способе выбора коэффициентов предиктора .
Для многомерных сигналов показатель ошибки часто определяется как
где - подходящий выбранный вектор норма. Прогнозы, такие как , обычно используются в фильтрах Калмана и сглаживателях для оценки текущего и прошлого значения сигналов соответственно.
Оценка параметров
Наиболее распространенный выбор при оптимизации параметров - это критерий среднеквадратичного значения, который также называется критерием автокорреляции. В этом методе мы минимизируем ожидаемое значение квадрата ошибки , что дает уравнение
для 1 ≤ j ≤ p, где R - автокорреляция сигнала x n, определяемая как
- ,
, а E - ожидаемое значение. В многомерном случае это соответствует минимизации L2нормы.
Вышеупомянутые уравнения называются нормальными уравнениями или уравнениями Юла-Уокера. В матричной форме уравнения могут быть эквивалентно записаны как
, где матрица автокорреляции - симметричная, матрица Теплица с элементами