如何用MATLAB分析数据的功率谱分析 fortran

来源：蜘蛛抓取(WebSpider) 时间：2017-11-05 16:05 标签： 功率谱分析 fortran
用MATLAB进行AR模型功率谱分析；随机信号序列x(n)是均值为0方差为1的高斯型白；H?z??11?2..9403；后的输出，采样长度为512，AR模型阶次取3，4；分析：；MATLAB函数pyulear()的用法；pyulear()是基于自相关法、利用Leves；x为随即信号序列，是由白噪声经AR模型产生的，在；p为AR模型阶次；；n
用MATLAB进行AR模型功率谱分析 随机信号序列x(n)是均值为0方差为1的高斯型白噪声经过AR模型 H?z??11?2....9606z?4 后的输出，采样长度为512，AR模型阶次取3，4，5，用L-D算法估计功率谱密度。 分析： MATLAB函数pyulear()的用法 pyulear()是基于自相关法、利用Levesion-Durbin算法估计功率谱密度。 [px,w]=pyulear(x,p,[nfft],’range’) x为随即信号序列，是由白噪声经AR模型产生的，在MATLAB中可以由白噪声序列u经过表示AR模型的数字滤波器后得到，使用的是filter函数； p为AR模型阶次； nfft为由模型参数计算频谱时的频域采样点数，默认为256； range用于选择输出是为单边[0,π]，还是双边[0,2π]； w的范围[0,π]，还是 [0,2π]由range确定或由nfft的奇偶性确定； 该函数返回实际频率w下的功率谱密度向量，w的单位即为rad/sample，默认sample为1Hz，若要转化为归一化频率，只需用w/π即可。 实验结果如图三.1（对应程序为shiyan3.m）： PSD estimated for AR(3)200Relative Power MagnititudeRelative Power MagnititudePSD estimated for AR(4).20.40.60.8Normalized Frequency/?.60.8Normalized Frequency/?1PSD estimated for AR(5)1000Relative Power Magnititude000.10.20.30.40.50.6Normalized Frequency/?0.70.80.91 图 错误！文档中没有指定样式的文字。.1 短时傅里叶变换（Short Time Fourier Transform, STFT）法，在MATLAB中做短时傅里叶变换的函数为spectrogram： spectrogram(x,window,overlap,f,fs) [s,f,t,p]=spectrogram(x,window,overlap,f,fs) x为被分析序列，window为窗函数及长度，默认为hamming窗，overlap为相邻两个短时序列之间重叠的数据点数，f为一向量，确定在某一个频率范围内做短时傅里叶变换，fs为采样频率。
附程序： %%------------------------------------------------------------------------ %%功能：随机信号AR模型功率谱分析方法 %%------------------------------------------------------------------------ x=randn(1,512); y=filter(1,[1 -2.3 -2.6],x);
[px,w]=pyulear(y,3,512); subplot(2,2,1); plot(w/pi,px); title('PSD estimated for AR(3)'); xlabel('Normalized Frequency/{\\pi}'); ylabel('Relative Power Magnititude');
[px,w]=pyulear(y,4,512); subplot(2,2,2); plot(w/pi,px); title('PSD estimated for AR(4)'); xlabel('Normalized Frequency/{\\pi}'); ylabel('Relative Power Magnititude');
[px,w]=pyulear(y,5,512); subplot(2,1,2); plot(w/pi,px); title('PSD estimated for AR(5)'); xlabel('Normalized Frequency/{\\pi}'); ylabel('Relative Power Magnititude');
三亿文库包含各类专业文献、文学作品欣赏、生活休闲娱乐、中学教育、幼儿教育、小学教育、外语学习资料、行业资料、专业论文、用MATLAB进行AR模型功率谱分析65等内容。　
　MATLAB中AR模型功率谱估计中AR阶次估计的实现_信息与通信_工程科技_专业资料。...4.5.2 HRV 频谱分析实验结果及分析 图 4.4~4.8 为从 20 例信号序列中抽取的... 　基于matlab的功率谱分析方法研究_数学_自然科学_专业资料。目 录 摘要 ...1 ...4.2 AR 模型的正则方程与参数计算 ... 4.2.1 正则方程的求导 ... +... 　功率谱估计性能分析及其 MATLAB 实现一、 经典功率谱估计分类简介 1. 间接法...仍然用前面的仿真信号,取 AR 模型的阶数 p=48,用上述各种 AR 模型参数提取... 　用matlab实现功率谱分析_数学_自然科学_专业资料。[键入文字] EXERCISE 2
功率谱分辨率 (A) 分别产生两个离散时间(以 10 赫兹的采样率,100 个时间点)... 　功率谱分析(Matlab)_信息与通信_工程科技_专业资料。分别用最大熵法、Burg法、...提高了谱分析的分辨率, 这是因为 AR 模型的谱估计隐含着对数据和自相关函数的... 　基于MATLAB的AR模型谱估计研究与实现_教育学/心理学_人文社科_专业资料。摘要 ...平方可积,严格来说不能进行 Fourier 变换,通常是求其功率谱来进行频谱分析。 ... 　n =1 N 4、 采用各种功率谱估计方法对功率谱进行估计。 三、实验结果及分析...功率谱估计及其MATLAB仿... 3页 免费 AR模型功率谱估计及Matl... 3页 1下载... 　AR功率谱估计MatlAB_计算机软件及应用_IT/计算机_专业资料 暂无评价|0人阅读|0次下载|举报文档 AR功率谱估计MatlAB_计算机软件及应用_IT/计算机_专业资料。...用matlab实现功率谱仿真_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
用matlab实现功率谱仿真
阅读已结束，下载文档到电脑
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩3页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢[转载]FFT的MATLAB程序（功率谱分析）
%将【0，pi】分为501个等间隔的点，计算x(n)=(0.5)^n*u(n)的离散傅里叶变换，画出模，相角，实部，虚部的曲线
w = [0:1:500]*pi/500;
x = exp(j*w)./( exp(j*w) - 0.5*ones(1,501) );
magx = abs(x);
angx = angle(x);
realx = real(x);
imagx = imag(x);
subplot(2,2,1);plot(w/pi, magx);grid
xlabel('以pi为单位的频率');ylabel('幅度');title('幅度部分');
subplot(2,2,3);plot(w/pi, angx);grid
xlabel('以pi为单位的频率');ylabel('弧度');title('相角部分');
subplot(2,2,2);plot(w/pi, realx);grid
xlabel('以pi为单位的频率');ylabel('实部');title('实部');
subplot(2,2,4);plot(w/pi, imagx);grid
xlabel('以pi为单位的频率');ylabel('虚部');title('虚部');
%用FFT分析信号x = sin(2*pi*50*t) + sin(2*pi*120*t)的功率谱密度图
t = 0:0.001:0.6;
x = sin(2*pi*50*t) + sin(2*pi*120*t);
y = x + 2*randn(size(t));
Fs = 1024;%采样频率
N = 1024;%采样点数
Y = fft(y,N);
Pyy = Y.*conj(Y)/N;%power spectrum %conj()共轭
f = Fs * (0:(N/2))/N;
plot(f,Pyy(1:(N/2+1)));
title('功率谱');
xlabel('频率（Hz）');
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。用MATLAB进行AR模型功率谱分析_中华文本库
第1页/共3页
用MATLAB 进行AR 模型功率谱分析
随机信号序列x(n)是均值为0方差为1的高斯型白噪声经过AR 模型 H (z )=1
1-2. 2137z -1+2. 9403z -2-2. 1697z -3+0. 9606z -4 后的输出，采样长度为512，AR 模型阶次取3，4，5，用L-D 算法估计功率谱密度。
MATLAB 函数pyulear()的用法
pyulear()是基于自相关法、利用Levesion-Durbin 算法估计功率谱密度。
[px,w]=pyulear(x,p,[nfft],’range ’)
x 为随即信号序列，是由白噪声经AR 模型产生的，在MATLAB 中可以由白噪声序列u 经过表示AR 模型的数字滤波器后得到，使用的是filter 函数；
p 为AR 模型阶次；
nfft 为由模型参数计算频谱时的频域采样点数，默认为256；
range 用于选择输出是为单边[0,π]，还是双边[0,2π]；
w 的范围[0,π]，还是 [0,2π]由range 确定或由nfft 的奇偶性确定；
该函数返回实际频率w 下的功率谱密度向量，w 的单位即为rad/sample，默认sample 为1Hz ，若要转化为归一化频率，只需用w/π即可。
实验结果如图三.1（对应程序为shiyan3.m ）：
第1页/共3页
寻找更多 ""

我要回帖

更多关于 功率谱分析 fortran 的文章

 

随机推荐