周期图法估计功率谱

周期图法估计功率谱

ID:45034082

大小:186.00 KB

页数:10页

时间:2019-11-08

周期图法估计功率谱_第1页
周期图法估计功率谱_第2页
周期图法估计功率谱_第3页
周期图法估计功率谱_第4页
周期图法估计功率谱_第5页
资源描述:

《周期图法估计功率谱》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、实用文档随机信号谱估计方法的Matlab实现摘要:功率谱估计是随机信号分析中的一个重要内容。从介绍功率谱的估计原理入手分析经典谱估计和现代谱估计两类估计方法的原理、各自特点及在Matlab中的实现方法。经典功率谱估计的方差大、谱分辨率差,分辨率反比于有效信号的长度,但现代谱估计的分辨率不受此限制。给出了功率谱估计的应用。关键词:功率谱估计;周期图法;AR参数法;1引言在一般工程实际中,随机信号通常是无限长的,例如,传感器的温漂,不可能得到无限长时间的无限个观察结果来获得完全准确的温漂情况,即随机信号总体的情况,一般只能在有限的时间内得到有限个结果,即有限个样本,根据经验来近似地估计总体的分布。

2、有时,甚至不需要知道随机信号总体地分布,而只需要知道其数字特征,如均值、方差、均方值、相关函数、功率谱的比较精确的情况即估计值。功率谱估计(PSD)是用有限长的数据估计信号的功率谱,它对于认识一个随机信号或其他应用方面都是重要的,是数字信号处理的重要研究内容之一。功率谱估计可以分为经典谱估计(非参数估计)和现代谱估计(参数估计)。2.平均周期图法和平滑平均周期图法对于周期图的功率谱估计,当数据长度N太大时,谱曲线起伏加剧,若N太小,实用文档谱的分辨率又不好,因此需要改进。两种改进的估计法是平均周期图法和平滑平均周期图法。(1)Bartlett法:Bartlett平均周期图的方法是将N点的有限长

3、序列x(n)分段求周期图再平均。Matlab代码示例1:fs=600;n=0:1/fs:1;xn=cos(2*pi*20*n)+3*cos(2*pi*90*n)+randn(size(n));nfft=512;window=hamming(nfft);%矩形窗noverlap=0;%数据无重叠p=0.9;%置信概率[Pxx,Pxxc]=psd(xn,nfft,fs,window,noverlap,p);index=0:round(nfft/2-1);k=index*fs/nfft;plot_Pxx=10*log10(Pxx(index+1));plot_Pxxc=10*log10(Pxxc(i

4、ndex+1));figure(1)plot(k,plot_Pxx);figure(2)plot(k,[plot_Pxxplot_Pxx-plot_Pxxc实用文档plot_Pxx+plot_Pxxc]);matlab调试图下图实用文档(1)Welch法:Welch法对Bartlett法进行了两方面的修正,一是选择适当的窗函数w(n),并在周期图计算前直接加进去,加窗的优点是无论什么样的窗函数均可使谱估计非负。二是在分段时,可使各段之间有重叠,这样会使方差减小。Matlab代码示例4:Fs=600;n=0:1/Fs:1;xn=cos(2*pi*40*n)+3*cos(2*pi*90*n)+ra

5、ndn(size(n));nfft=512;实用文档window=boxcar(100);%矩形窗window1=hamming(100);%海明窗window2=blackman(100);%blackman窗noverlap=20;%数据无重叠range='half';%频率间隔为[0Fs/2],计算一半的频率[Pxx,f]=pwelch(xn,window,noverlap,nfft,Fs,range);[Pxx1,f]=pwelch(xn,window1,noverlap,nfft,Fs,range);[Pxx2,f]=pwelch(xn,window2,noverlap,nfft,F

6、s,range);plot_Pxx=10*log10(Pxx);plot_Pxx1=10*log10(Pxx1);plot_Pxx2=10*log10(Pxx2);figure(1)plot(f,plot_Pxx);title('加矩形窗');figure(2)plot(f,plot_Pxx1);title('加海明窗');figure(3)plot(f,plot_Pxx2);title('加blackman窗');matlab调试如下实用文档实用文档(1)AR模型法经典谱的主要缺点是频率分辨率低。这是由于周期图法在计算中把观测到的有限长的N个数据以外的数据认为是零,这显然与事实不符。如果把以

7、观察到的为N个以外的数据全为零,就有可能克服经典谱估计的缺点。一个实际中的随机过程总是可以用以下模型很好的表示:当除外的所有,均为零时的形式称为p阶自回归模型即AR模型,又称为全极点模型。当方差为的白自噪声通过AR模型时,输出的功率谱密度为:实用文档在Matlab仿真中可调用Pburg函数直接画出基于burg算法的功率谱估计的曲线图。Matlab代码示例:用周期图法求出的功率谱曲线和burg算法求

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。