功率谱估计 |
您所在的位置:网站首页 › 功率谱估计的理论基础是什么 › 功率谱估计 |
对于随机信号,不存在傅里叶变换,其对应的功率谱估计方法主要包括非参数方法(包括韦尔奇)和参数方法(ARMA, Burg)。 周期图方法 fs = 1000; t = 0:1/fs:1; xn = sin(2*pi*80*t) + 2*sin(2*pi*140*t) + randn(size(t)); N = length(xn); y = abs(fft(xn,1024)); Pxx = y.^2/N; f = [0:N-1]*fs/N; plot(f(1:N/2+1),Pxx(1:N/2+1));![]() 我们绘制该信号的功率谱图,有
![]() 如何降低功率谱估计的方差? (1). 将长度为N的数据分成若干段,分别求出每一段的功率谱,然后加以评价,甚至允许每段数据有部分重叠; (2). 采用合适的窗函数来消除由矩形窗旁辫带来的谱失真。 我们首先尝试非重叠下的功率谱绘制。 Pxx = (abs(fft(xn(1:256))).^2 + abs(fft(xn(257:512))).^2+... abs(fft(xn(513:768))).^2)/(256*3); figure plot((0:255)/256*fs,10*log10(Pxx)); title(‘平均周期(非重叠)') xlabel('Freq'); ylabel('PSD(dB)'); grid![]() 然后尝试有一般数据重叠的情况。 Pxx = (abs(fft(xn(1:256))).^2+… abs(fft(xn(129:384))).^2+... abs(fft(xn(257:512))).^2+… abs(fft(xn(385:640))).^2+... abs(fft(xn(513: |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |