du_Welch_cov_burg 功率谱估计 matlab
% clc,
% clear all;
fs=1000; %采样率
df=0.1; %频率分辨率
N=floor(fs/df)+1;%计算的序列点数
nfft=2*N; %FFT变换为复序列
t=0:1/fs:(N-1)/fs;%截取信号的时间段
f=0:df:fs;%功率谱估计的频率分辨率和范围
f=roundn(f,-2);%%find 函数依靠精度识别
% xn=2*cos(2*pi*40*t)+3*cos(2*pi*100*t)+randn(size(t));
xt_0=Feat_test{1,1}(:,1);
% xt_0=feat_test(:,Ch_i);xt_1=repmat(xt_0,1,11);xt_1=reshape(xt_1,1,11000);xn=xt_1(1,1:size(f,2));%%
% %真实功率谱syms ff;
% % a=[zeros(1,N),1,0.98,1.92,0.94,0.92]; %模型系数
% a=xn;
% b=xcorr(a,length(a)-1); %自相关
% c=(abs(fft(b))).^2;
% Px=c';
% figure;
% plot(f(1:300),Px(1:300));
% title('真实功率谱');xlabel('f(未归一化)');ylabel('P(dB)')%% FFT
a=xn;
Px=abs(fft(a)).^2/(N^2);%功率谱估计
plot(f(1:300),Px(1:300));title('FFT功率谱');xlabel('f');ylabel('P')
%%
%周期图法功率谱估计
figure;
sum_Pxx=0;
window=hamming(N);%汉明窗
[Pxx,f]=periodogram(xn,window,2*N,fs);
sum_Pxx=sum_Pxx+abs(Pxx);
plot(f(1:300),sum_Pxx(1:300));title('周期图法');xlabel('f(Hz)');ylabel('P');%%
%WELCH法功率谱估计
figure;
L=length(xn)*0.5; %数据段长度取值
nfft=2*N; %FFT变换为复序列
sum_Pxx=0;
for j=1:1:N/Lwindow=hamming(L);%汉明窗noverlap=length(window)*0.5;%重叠数[Pxx,f]=pwelch(xn(1,:),window,noverlap,nfft,fs);sum_Pxx=sum_Pxx+abs(Pxx);
end
plot(f(1:2000),sum_Pxx(1:2000));title('WELCH法');xlabel('f(Hz)');ylabel('P');% %%
% %自相关法功率谱估计
% figure;
% % p=[2 4 8 16 32];%阶数的取值
% p=30;%阶数的取值
% for i=1:1:length(p)
% sum_Pxx=0;
%
% [Pxx,f]=pcov(xn,p(i),nfft,fs);
% sum_Pxx=sum_Pxx+abs(Pxx);
%
% subplot(length(p),1,i); plot(f,(sum_Pxx));
% s=['协方差法(p=',int2str(p(i)),')'];
% title(s);xlabel('f(Hz)');ylabel('P');
% end%%
%Burg法功率谱估计
figure;
% p=[300 350 400 450 500 ];%阶数的取值
% p=[440 450 470];%阶数的取值
p=450;%阶数的取值
% p=32;%阶数的取值
for i=1:1:length(p)
sum_Pxx=0;[Pxx,f]=pburg(xn,p(i),nfft,fs);sum_Pxx=sum_Pxx+abs(Pxx);
subplot(length(p),1,i); plot(f,(sum_Pxx));
s=['Burg法(p=',int2str(p(i)),')'];
title(s);xlabel('f(Hz)');ylabel('P');
end
du_Welch_cov_burg 功率谱估计 matlab相关推荐
- 确定信号的功率谱matlab,信号的功率谱估计——Matlab
%用Fourier变换求取信号的功率谱---周期图法 clf; Fs=1000; N=256;Nfft=256;%数据的长度和FFT所用的数据长度 n=0:N-1;t=n/Fs;%采用的时间序列 xn ...
- matlab 现代功率谱估计,matlab经典、现代功率谱估计
上机作业: 1.假设一平稳随机信号为()()()0.81x n x n w n =?+,其中 是均值为0,方差为1的白噪声,数据长度为1024. (1).产生符合要求的)(n w 和)(n x : ( ...
- ar模型功率谱估计 matlab,AR模型功率谱估计及Matlab实现
南昌大学实验报告 学生姓名:学号:专业班级: 实验类型:□验证□综合□设计□创新实验日期:实验成绩: 一.实验名称 基于AR模型的功率谱估计及Matlab实现 二.实验目的 1.了解现代谱估计方法,深 ...
- 基于blackman方法的正弦信号功率谱估计matlab仿真
目录 1.算法仿真效果 2.MATLAB源码 3.算法概述 4.部分参考文献 1.算法仿真效果 matlab2022a仿真结果如下: <
- 功率谱估计性能分析及matlab仿真,功率谱估计性能分析及Matlab仿真.doc
您所在位置:网站首页 > 海量文档  > 计算机 > matlab 功率谱估计性能分析及Matlab仿真.doc19页 ...
- 经典功率谱估计及Matlab仿真
原文出自:http://www.cnblogs.com/jacklu/p/5140913.html 功率谱估计在分析平稳各态遍历随机信号频率成分领域被广泛使用,并且已被成功应用到雷达信号处理.故障诊断 ...
- 基于matlab的谱估计,基于MATLAB的功率谱估计实验.doc
基于MATLAB的功率谱估计实验 一.实验目的 1.进一步熟悉matlab软件的使用: 2.学会运用matlab自带函数实现编程: 3.掌握功率谱估计的方法. 二.实验原理 功率谱:随机信号的功率谱反 ...
- matlab ar谱分析,AR模型功率谱估计的典型算法比较及MATLAB实现
CHINANEW TELECOMMUNICATIONS 功率谱估计是信息学科中的研究热点, 在过去的 30 多年里取得了飞速的发展.现代谱估计主要是针对经典谱估计( 周期图和自相关法) 的分辨率低和方 ...
- matlab中拟合函数中的gian值,如何在Matlab中优化基本周期图法对随机信号进行的功率谱估计...
首都师范大学学报(自然科学版)第27卷 第5期2006年10月 Journal of Capital N ormal University (Natural Science Edition ) V o ...
最新文章
- python可视化lassocv特征筛选之后的特征的相关性分析热力图
- 专升本c语言程序设计网课_2020年宜春学院专升本招生信息
- JAVA_OA(bug篇)(一):SpringMVC的bug1
- Linux命令必知必会
- JavaScript——易班优课YOOC课群在线测试自动答题解决方案(四)答案显示
- Java.util.Date类型的转化成为数据库中的Date类型。
- C++to_string应用举例
- spring学习(49):javaconfig里面定义bean的作用域
- centos 环境变量配置
- 升级到新SQL Server版本
- 开了立体声混音仍然不能内录_蓝牙音箱有个功能很鸡肋,用好了秒变HIFI立体声...
- 应对对日软件开发的危机
- 这里有几位数据分析方向的大佬
- STM32 flash 大小
- 普中HC6800V2.2开发板思考记录-蜂鸣器(谱曲软件自动生成代码,烧录就可用,内含醉酒的蝴蝶,大海,把悲伤留给自己这三首歌)
- 《Dreamweaver CS6 完全自学教程》笔记 第四章:创建站点
- GPA计算器雏形--
- 程序开发心理学第四篇
- Android:使用 Flutter 包创建 Xylophone 应用程序
- 农村经济与科技杂志农村经济与科技杂志社农村经济与科技编辑部2022年第9期目录