Matlab代码：莱文逊——杜宾的自相关方法计算线性预测系数的函数

数字语音处理的作业，应用LPC分析元音音素的共振峰，并且利用不同样本的预测系数和误差函数合成音效，附音频和代码文件，仅供参考。

基于卡尔曼滤波的语音增强算法

采用LMS算法实现线性预测估计，分别使用不同的抽头系数。

求出线性预测系数，然后分别以白噪声和残差来模拟激励，编码得出语音信号与原声作比较

matlab利用一阶自回归过程,采用LMS算法实现前向线性预测器的设计

帧内DPCM的编解码方法(预测、量化)及其压缩性能。 一维前值预测DPCM编解码程序，预测系数取(1,0,0,0) 二维前值预测DPCM编解码程序，预测系数取(1/2,1/4,0,1/4) 本实验采用15个量化分层的主观量化器，其量化电平分别取(0,±5,±7,±10,±17,±28,±39,±52,±67)。

利用MATLAB仿真了几种DOA估计的算法，包括最大熵算法MEM、最大熵算法MEM、最大熵算法MEM、FBLP复合的前向和后向线性预测

用 LPC 线性预测方法估计信号

非线性和随机性是导致复杂系统退化过程的两个重要因素，因此在基于随机退化模型的预测中必须予以考虑。 然而，当前的研究几乎总是集中在与年龄有关的随机降解模型上，其中大多数是线性的，或者可以转化为线性模型。 在本文中，我们提出了一个与年龄和状态有关的通用非线性退化模型，以进行预测。 在提出的模型中，利用具有年龄和状态相关的非线性漂移和挥发性系数的扩散过程来表征降解过程的动力学和非线性。 为了获得估计的剩余使用寿命分布，首先通过兰佩蒂变换将考虑的扩散过程转换为具有随年龄或状态而定的非线性漂移但具有恒定波动性的扩散过程。 然后，基于众所周知的时空变换，我们在首次通过时间的概念中获得了解析的近似剩余可用寿命分布。 进而，提出了一种基于厄米展开法的近似形式的退化状态转变密度函数，在此模型中针对未知参数的最大似然估计方法。 提供了一个说明性示例，以说明如何将获得的结果应用于特定的与年龄和状态相关的非线性退化模型。 最后，提出的模型适合轴承退化数据。 比较结果表明，在预测学中必须使用年龄和状态相关的非线性退化模型。