以下的matlab程序分别使用周期图法、相关函数法以及AR谱方法计算信号的功率谱。
% power spectrum estimated
clear all;
clc;
close all;
Fs=1000; % 採样频率
nfft = 1024; % fft计算点数
%产生含有噪声的序列
n=0:1/Fs:1;
xn=cos(2*pi*100*n)+3*cos(2*pi*200*n)+(2*randn(size(n)));
subplot(2,2,1);plot(xn);title(‘加噪信号‘);grid on
% 周期图法
window=boxcar(length(xn)); %矩形窗
[psd1,f]=periodogram(xn,window,nfft,Fs); %直接法
psd1 = psd1 / max(psd1);
subplot(2,2,2);plot(f,10*log10(psd1+0.000001));title(‘周期图法‘);grid on
% 自相关法
cxn=xcorr(xn,‘unbiased‘); %计算序列的自相关函数
CXk=fft(cxn,nfft);
psd2=abs(CXk);
index=0:round(nfft/2-1);
k=index*Fs/nfft;
psd2 = psd2 / max(psd2);
psd2=10*log10(psd2(index+1)+0.000001);
subplot(2,2,3);plot(k,psd2);title(‘自相关法‘);grid on
% AR谱
psd3 = pyulear(xn, Fs, nfft);
psd3=psd3/max(psd3);
psd3 = psd3 / max(psd3);
index=0:round(nfft/2-1);
psd3=10*log10(psd3(index+1)+0.000001);
subplot(2,2,4);plot(k, psd3);title(‘AR谱预计‘);grid on;
如今就此来说是关于功率谱的几点理解:
- 功率谱的数据都是相对值,他无法给出信号的实际绝对幅值,一般只要看峰值之间的比值即可了,也能够对数据归一化
- 功率谱中的峰值代表的是信号中的周期成分,隐含的周期信号能量要比随机信号大(这个一般能理解的)。
比方,上面xn是
xn=cos(2*pi*100*n)+3*cos(2*pi*200*n)+(2*randn(size(n)));
其周期包含200Hz及100Hz,200Hz的幅值比100Hz大。再看功率谱图中。清晰的体现了信号中含有200Hz和100Hz的信号。
- 直接法又称周期图法,它是把随机序列x(n)的N个观測数据视为一能量有限的序列。直接计算x(n)的离散傅立叶变换。得X(k),然后再取其幅值的平方,并除以N,作为序列x(n)真实功率谱的预计
- 间接法先由序列x(n)预计出自相关函数R(n)。然后对R(n)进行傅立叶变换。便得到x(n)的功率谱预计
- 直接採用平均周期图法求功率谱时,功率普形状呈锯齿形,谱峰点的准确位置不大好定。于是能够採用其它的方法对谱进行平滑操作,平滑化,不过为了使图形光滑,并不会使得波的本质受到歪曲和畸变。
反过来说,因为不纯的东西去掉了。本质的东西必定会更加显示出来!平滑化的程度能够依据所分析的信号,选择合理的窗函数和带宽!
- 平均周期图法和其它方法求出的结果,參数条件取得一样的话。能够得到全然同样的结果。
时间: 2024-10-12 15:49:12