预览加载中，请您耐心等待几秒...

最大熵谱估计优秀PPT.ppt

预览
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲，该文档总共12页，到这已经超出免费预览范围，如果喜欢就直接下载吧～

下载提示 文本预览

如果您无法下载资料，请参考说明：

1、部分资料下载需要金币，请确保您的账户上有足够的金币

2、已购买过的文档，再次下载不重复扣费

3、资料包下载后请先用软件解压，在使用对应软件打开

3.2最大熵谱估计性质1：⑵有约束的优化问题，在不同约束条件下 ⑶Levinson递推(典范表示) 总结:⑴从信息论角度出发，定义了熵谱 信息量：事件X，事件发生时(概率)，带来的信息 以e为底：nat(奈特)以2为底：bit(比特) 后向预测误差 AR谱估计(相关匹配) ⑵ AR谱估计(相关匹配) 后向预测误差 知：2p+1个样本相关函数，使 假设，则一定可以找到一个满足 AR谱估计(相关匹配) ⑶Levinson递推(典范表示) 后向预测误差 但如何递推？ 而且若的根全部在单位园内，则A(z)是唯一确定的。与AR功率谱等价Fejer-Riesz定理：功率谱(spectrum)倒谱(cepstrum)而且若的根全部在单位园内，则A(z)是唯一确定的。 以e为底：nat(奈特)以2为底：bit(比特) 总结:⑴从信息论角度出发，定义了熵谱 而且若的根全部在单位园内，则A(z)是唯一确定的。 ARMA谱估计(相关匹配＋倒谱匹配) 总结:⑴从信息论角度出发，定义了熵谱 Burg定义：前向预测误差 ⑶Levinson递推(典范表示) 熵：平均信息量，X取值的字符集 而且若的根全部在单位园内，则A(z)是唯一确定的。 时间递推 假设，则一定可以找到一个满足 AR谱估计(相关匹配) Fejer-Riesz定理： ⑵有约束的优化问题，在不同约束条件下Levinson递推特殊值：⑴ ⑵Burg定义：前向预测误差总结:⑴从信息论角度出发，定义了熵谱谢谢