In the case of linear prediction, t

In the case of linear prediction, the intention is to determine an FIR filter that can optimally predict future samples of an autoregressive process based on a linear combination of past samples. The difference between the actual autoregressive signal and the predicted signal is called the prediction error. Ideally, this error is white noise.

For the case of autoregressive modeling, the intention is to determine an all-pole IIR filter, that when excited with white noise produces a signal with the same statistics as the autoregresive process that we are trying to model.

Kết quả (Việt) 1:

trong trường hợp dự đoán tuyến tính, mục đích là để xác định một bộ lọc linh sam rằng tối ưu có thể dự đoán tương lai mẫu của một quá trình tự hồi quy dựa trên sự kết hợp tuyến tính của các mẫu trong quá khứ. sự khác biệt giữa các tín hiệu tự hồi thực tế và dự báo tín hiệu được gọi là lỗi dự đoán. lý tưởng, lỗi này là tiếng ồn trắng.

đối với trường hợp của mô hình tự hồi quy,mục đích là để xác định một bộ lọc IIR tất cả các cực, mà khi bị kích thích với tiếng ồn trắng tạo ra một tín hiệu với số liệu thống kê tương tự như quá trình autoregresive mà chúng tôi đang cố gắng để mô hình.

Kết quả (Việt) 2:

Trong trường hợp dự đoán tuyến tính, mục đích là để xác định một bộ lọc FIR tối ưu có thể dự đoán tương lai mẫu của một quá trình autoregressive dựa trên một tổ hợp tuyến tính của qua mẫu. Sự khác biệt giữa các tín hiệu thực tế autoregressive và tín hiệu dự đoán được gọi là dự báo lỗi. Lý tưởng nhất, lỗi này là tiếng ồn trắng.

cho trường hợp của mô hình autoregressive, mục đích là để xác định một bộ lọc IIR tất cả-cực, rằng khi vui mừng với tiếng ồn trắng ra một tín hiệu với các thống kê tương tự như autoregresive xử lý mà chúng tôi đang cố gắng làm người mẫu.