Линейное предсказание

Cтраница 2

Случай нормального распределения соответствует шуму гауссова типа, в котором линейное предсказание является абсолютно оптимальным. [16]

Случай нормального распределения соответствует шуму гауссовского типа, в котором линейное предсказание является абсолютно оптимальным. [17]

Всеполюсный решетчатый фильтр для синтеза сигнала речи. [18]

Линейная модель с одними полюсами, для которой коэффициенты фильтра оцениваются посредством линейного предсказания, являются простейшей линейной моделью для источника. Более общая модель источника - линейный фильтр, который содержит и полюса, и нули. [19]

В качестве метода первичной обработки сигнала для получения вектора параметров был использован метод перцептивного линейного предсказания, учитывающий основные особенности психоакустического восприятия и порождения речи, описывающий анализируемый сегмент сигнала пятью параметрами. В качестве шестого параметра использовался регрессионный коэффициент энергии, позволяющий подчеркнуть особенности динамики спектра. [20]

В качестве метода первичной обработки сигнала для получения вектора параметров был использован метод перцептивного линейного предсказания [55], учитывающий основные особенности психоакустического восприятия и порождения речи, описывающий анализируемый сегмент сигнала пятью параметрами. [21]

Другими словами, если автокорреляционная функция экспоненциальна, то только один предыдущий отсчет требуется для линейного предсказания. [22]

Формула (5.25) имеет очень важное значение, и сфера ее использования далеко не ограничивается расчетом коэффициентов линейного предсказания, Рассматривая нашу частную задачу, мы получили формулу оптимальною фильтра Винера, который позволяет сделать входной сигнал максимально близким ( в смысле среднеквадратической ошибки) к заданному образцу. [23]

Если бы эта корреляция была нулевой для всех t tlt то, как будет показано ниже, никакое существенное линейное предсказание невозможно. [24]

Как и в проблеме чистого предсказания, если шум и сигнал оказываются чисто гауссовскими временными последовательностями, то линейное предсказание является абсолютно оптимальным среди всех операций предсказания, линейных или нелинейных. Более того, распределение значений s ( / a), когда / ( /) известно для t О, является гауссовским. [25]

Если бы эта корреляция была нулевой для всех г ti, то, как будет показано ниже, никакое существенное линейное предсказание невозможно. [26]

Как и в проблеме чистого предсказания, если шум и сигнал оказываются чисто гау: совыми временными последовательностями, то линейное предсказание является абсолютно оптимальным среди всех операций предсказания, линейных или нелинейных. [27]

Более простыми для выполнения, но менее эффективными, являются системы дифференциальной ИКМ, например разностная ИКМ ( рис. 6.11), в которой реализуется метод линейного предсказания. Система построена таким образом, что квантуется не S0, а разность е0 S0 - S0, где S0 - линейная оценка очередного выборочного значения S0 с помощью v предыдущих значений, которую вырабатывает предсказатель. [28]

Линейное предсказание требует проведения через систему точек плоскости регрессии. [29]

Линейное предсказание требует проведения плоскости регрессии через систему точек. [30]

Страницы: 1 2 3