matlab 识别信号参数

已于 2022-03-14 18:43:04 修改
阅读量1.7k 收藏 11
点赞数 3
分类专栏： matlab数字信号处理 文章标签： matlab 矩阵 开发语言
于 2022-03-14 10:30:07 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Redmoon955331/article/details/123444263
版权

这一节做一个分析正弦波信号参数的工程，其他波形的信号参数分析代码是一样的。

1.创建GUI工程

在这里插入图片描述

2.布局

在这里插入图片描述

3.频率的slider回调函数

% 频率的Slider
function slider1_Callback(hObject, eventdata, handles)
    pinlv=get(handles.slider1,'Value'); % 获取slider1代表的频率
    caiyangpinglv=5120;% 采样频率设置为5120
    dt=1.0/caiyangpinglv;
    T=1;
    N=T/dt;
    t=[0:N-1]/N;
    fuzhi=get(handles.slider2,'Value');% 获取slider2代表的
    x=fuzhi * sin(2*pi* pinlv *t);%计算波形
    plot(t, x, 'r','LineWidth', 3);%画波形
    axis([0,0.1,-2000,2000]);%axis( [xmin xmax ymin ymax] ) 设置当前坐标轴 x轴 和 y轴的限制范围
    set(gca,'color',[0, 0.95, 0.95]); %利用set(gca,'propertyname','propertyvalue'......)命令可以调整图形的坐标属性
    s1=sprintf('%f',pinlv);
    set(handles.edit1,'String',s1);
    wavplay(x,caiyangpinglv);

4.幅值的Slider回调函数

% 幅值的Slider
function slider2_Callback(hObject, eventdata, handles)
    pinlv=get(handles.slider1,'Value'); % 获取slider1代表的频率
    caiyangpinglv=5120;% 采样频率设置为5120
    dt=1.0/caiyangpinglv;
    T=1;
    N=T/dt;
    t=[0:N-1]/N;
    fuzhi=get(handles.slider2,'Value');% 获取slider2代表的
    x=fuzhi * sin(2*pi* pinlv *t);%计算波形
    plot(t, x, 'r','LineWidth', 3);%画波形
    axis([0,0.1,-2000,2000]);%axis( [xmin xmax ymin ymax] ) 设置当前坐标轴 x轴 和 y轴的限制范围
    set(gca,'color',[0, 0.95, 0.95]); %利用set(gca,'propertyname','propertyvalue'......)命令可以调整图形的坐标属性
    s1=sprintf('%f',fuzhi);
    set(handles.edit2,'String',s1);
    wavplay(x,caiyangpinglv);

在这里插入图片描述
在这里插入图片描述
使用下面matlab的函数分析波形参数
在这里插入图片描述

5.分析波形的幅值

fenxi_max=sprintf('%f',max(x));%分析波形的幅值
set(handles.text5,'String',fenxi_max);%更新分析出的幅值

将分析波形幅值的代码增加到原来的Slider回调函数的最下面

% 频率的Slider
function slider1_Callback(hObject, eventdata, handles)
    pinlv=get(handles.slider1,'Value'); % 获取slider1代表的频率
    caiyangpinglv=5120;% 采样频率设置为5120
    dt=1.0/caiyangpinglv;
    T=1;
    N=T/dt;
    t=[0:N-1]/N;
    fuzhi=get(handles.slider2,'Value');% 获取slider2代表的
    x=fuzhi * sin(2*pi* pinlv *t);%计算波形
    plot(t, x, 'r','LineWidth', 3);%画波形
    axis([0,0.1,-2000,2000]);%axis( [xmin xmax ymin ymax] ) 设置当前坐标轴 x轴 和 y轴的限制范围
    set(gca,'color',[0, 0.95, 0.95]); %利用set(gca,'propertyname','propertyvalue'......)命令可以调整图形的坐标属性
    s1=sprintf('%f',pinlv);
    set(handles.edit1,'String',s1);
    wavplay(x,caiyangpinglv);
    fenxi_max=sprintf('%f',max(x));%分析波形的幅值
    set(handles.text5,'String',fenxi_max);%更新分析出的幅值

% 幅值的Slider
function slider2_Callback(hObject, eventdata, handles)
    pinlv=get(handles.slider1,'Value'); % 获取slider1代表的频率
    caiyangpinglv=5120;% 采样频率设置为5120
    dt=1.0/caiyangpinglv;
    T=1;
    N=T/dt;
    t=[0:N-1]/N;
    fuzhi=get(handles.slider2,'Value');% 获取slider2代表的
    x=fuzhi * sin(2*pi* pinlv *t);%计算波形
    plot(t, x, 'r','LineWidth', 3);%画波形
    axis([0,0.1,-2000,2000]);%axis( [xmin xmax ymin ymax] ) 设置当前坐标轴 x轴 和 y轴的限制范围
    set(gca,'color',[0, 0.95, 0.95]); %利用set(gca,'propertyname','propertyvalue'......)命令可以调整图形的坐标属性
    s1=sprintf('%f',fuzhi);
    set(handles.edit2,'String',s1);
    wavplay(x,caiyangpinglv);
    fenxi_max=sprintf('%f',max(x));%分析波形的幅值
    set(handles.text5,'String',fenxi_max);%更新分析出的幅值

试验结果
在这里插入图片描述

6.分析峰峰值

fenxi_fenfenzhi = sprintf('%f',(max(x) - min(x)));%分析波形的峰峰值
set(handles.text7,'String',fenxi_fenfenzhi);%更新分析出的幅值

更改后的回调函数如下：

% 频率的Slider
function slider1_Callback(hObject, eventdata, handles)
    pinlv=get(handles.slider1,'Value'); % 获取slider1代表的频率
    caiyangpinglv=5120;% 采样频率设置为5120
    dt=1.0/caiyangpinglv;
    T=1;
    N=T/dt;
    t=[0:N-1]/N;
    fuzhi=get(handles.slider2,'Value');% 获取slider2代表的
    x=fuzhi * sin(2*pi* pinlv *t);%计算波形
    plot(t, x, 'r','LineWidth', 3);%画波形
    axis([0,0.1,-2000,2000]);%axis( [xmin xmax ymin ymax] ) 设置当前坐标轴 x轴 和 y轴的限制范围
    set(gca,'color',[0, 0.95, 0.95]); %利用set(gca,'propertyname','propertyvalue'......)命令可以调整图形的坐标属性
    s1=sprintf('%f',pinlv);
    set(handles.edit1,'String',s1);
    wavplay(x,caiyangpinglv);
    
    fenxi_max = sprintf('%f',max(x));%分析波形的幅值
    set(handles.text5,'String',fenxi_max);%更新分析出的幅值
    
    fenxi_fenfenzhi = sprintf('%f',(max(x) - min(x)));%分析波形的峰峰值
    set(handles.text7,'String',fenxi_fenfenzhi);%更新分析出的幅值

% 幅值的Slider
function slider2_Callback(hObject, eventdata, handles)
    pinlv=get(handles.slider1,'Value'); % 获取slider1代表的频率
    caiyangpinglv=5120;% 采样频率设置为5120
    dt=1.0/caiyangpinglv;
    T=1;
    N=T/dt;
    t=[0:N-1]/N;
    fuzhi=get(handles.slider2,'Value');% 获取slider2代表的
    x=fuzhi * sin(2*pi* pinlv *t);%计算波形
    plot(t, x, 'r','LineWidth', 3);%画波形
    axis([0,0.1,-2000,2000]);%axis( [xmin xmax ymin ymax] ) 设置当前坐标轴 x轴 和 y轴的限制范围
    set(gca,'color',[0, 0.95, 0.95]); %利用set(gca,'propertyname','propertyvalue'......)命令可以调整图形的坐标属性
    s1=sprintf('%f',fuzhi);
    set(handles.edit2,'String',s1);
    wavplay(x,caiyangpinglv);
     
    fenxi_max = sprintf('%f',max(x));%分析波形的幅值
    set(handles.text5,'String',fenxi_max);%更新分析出的幅值
    
    fenxi_fenfenzhi = sprintf('%f',(max(x) - min(x)));%分析波形的峰峰值
    set(handles.text7,'String',fenxi_fenfenzhi);%更新分析出的幅值

运行结果
在这里插入图片描述

7.分析平均值

fenxi_pingjunzhi = sprintf('%f',mean(x));%分析波形的平均值
set(handles.text9,'String',fenxi_pingjunzhi);%更新分析出的平均值

在这里插入图片描述

8.分析有效值

 pingjunzhi = mean(x);%平均值
 chazhi = x - pingjunzhi;%波形数组每一个元素与平均值的差值
 chazhipingfang = chazhi.*chazhi;%上面的差值数组求平方
 chazhipingfanghepingjun = sum(chazhipingfang)/N;%将每一个平方加起来
 youxiaozhi = sqrt(chazhipingfanghepingjun);%开根号求得有效值
 fenxi_youxiaozhi = sprintf('%f',youxiaozhi);%分析波形的有效值
 set(handles.text13,'String',fenxi_youxiaozhi);%更新分析出的有效值

在这里插入图片描述

9.分析标准差

fenxi_biaozhuncha = sprintf('%f', std(x));%分析波形的标准差
set(handles.text15,'String',fenxi_biaozhuncha);%更新分析出的标准差

在这里插入图片描述

10.分析频率和初始相位

在这里插入图片描述

p=max(x);q=min(x);n=1;ti=[0];
at=0.8*(p-q)+q;
for k=2:1:N-1
    if(x(k-1)<at && x(k)<=at && x(k+1)>at && x(k+2)>at)
        ti(n) = k;
        n = n+1;
    end;
end;
T=((ti(2) - ti(1)))*dt;
F=1.0/T;
Q=(T-ti(1)*dt);%计算出初始相位
fenxi_pinlv = sprintf('%f', F);%分析波形的频率
set(handles.text11,'String',fenxi_pinlv);%更新分析出的频率
fenxi_chushixiangwei = sprintf('%f', Q);%分析波形的初始相位
set(handles.text17,'String',fenxi_chushixiangwei);%更新分析出的初始相位

在这里插入图片描述

完整代码：
注意：这里caiyangpinglv=1000000，是因为采样频率设置的越大，分析出来的频率越接近设置的频率，读者可以将caiyangpinglv改小一点测试，你会发现，当频率设置的比较大的时候，分析出来的频率和设置的频率相差很大。

% 幅值的Slider
function slider2_Callback(hObject, eventdata, handles)
    pinlv=get(handles.slider1,'Value'); % 获取slider1代表的频率
    caiyangpinglv=1000000;% 采样频率设置为5120
    dt=1.0/caiyangpinglv;
    T=1;
    N=T/dt;
    t=[0:N-1]/N;
    fuzhi=get(handles.slider2,'Value');% 获取slider2代表的
    x=fuzhi * sin(2*pi* pinlv *t);%计算波形
    plot(t, x, 'r','LineWidth', 3);%画波形
    axis([0,0.1,-2000,2000]);%axis( [xmin xmax ymin ymax] ) 设置当前坐标轴 x轴 和 y轴的限制范围
    set(gca,'color',[0, 0.95, 0.95]); %利用set(gca,'propertyname','propertyvalue'......)命令可以调整图形的坐标属性
    s1=sprintf('%f',fuzhi);
    set(handles.edit2,'String',s1);
    wavplay(x,caiyangpinglv);
     
    fenxi_max = sprintf('%f',max(x));%分析波形的幅值
    set(handles.text5,'String',fenxi_max);%更新分析出的幅值
    
    fenxi_fenfenzhi = sprintf('%f',(max(x) - min(x)));%分析波形的峰峰值
    set(handles.text7,'String',fenxi_fenfenzhi);%更新分析出的幅值
    
    fenxi_pingjunzhi = sprintf('%f',mean(x));%分析波形的平均值
    set(handles.text9,'String',fenxi_pingjunzhi);%更新分析出的平均值
    
    pingjunzhi = mean(x);%平均值
    chazhi = x - pingjunzhi;%波形数组每一个元素与平均值的差值
    chazhipingfang = chazhi.*chazhi;%上面的差值数组求平方
    chazhipingfanghepingjun = sum(chazhipingfang)/N;%将每一个平方加起来
    youxiaozhi = sqrt(chazhipingfanghepingjun);%开根号求得有效值
    fenxi_youxiaozhi = sprintf('%f',youxiaozhi);%分析波形的有效值
    set(handles.text13,'String',fenxi_youxiaozhi);%更新分析出的有效值
    
    fenxi_biaozhuncha = sprintf('%f', std(x));%分析波形的标准差
    set(handles.text15,'String',fenxi_biaozhuncha);%更新分析出的标准差
    
    p=max(x);q=min(x);n=1;ti=[0];
    at=0.8*(p-q)+q;
    for k=2:1:N-1
        if(x(k-1)<at && x(k)<=at && x(k+1)>at && x(k+2)>at)
            ti(n) = k;
            n = n+1;
        end;
    end;
    T=((ti(2) - ti(1)))*dt;
    F=1.0/T;
    Q=(T-ti(1)*dt);%计算出初始相位
    fenxi_pinlv = sprintf('%f', F);%分析波形的频率
    set(handles.text11,'String',fenxi_pinlv);%更新分析出的频率
    fenxi_chushixiangwei = sprintf('%f', Q);%分析波形的初始相位
    set(handles.text17,'String',fenxi_chushixiangwei);%更新分析出的初始相位

% 频率的Slider
function slider1_Callback(hObject, eventdata, handles)
    pinlv=get(handles.slider1,'Value'); % 获取slider1代表的频率
    caiyangpinglv=1000000;% 采样频率设置为5120
    dt=1.0/caiyangpinglv;
    T=1;
    N=T/dt;
    t=[0:N-1]/N;
    fuzhi=get(handles.slider2,'Value');% 获取slider2代表的
    x=fuzhi * sin(2*pi* pinlv *t);%计算波形
    plot(t, x, 'r','LineWidth', 3);%画波形
    axis([0,0.1,-2000,2000]);%axis( [xmin xmax ymin ymax] ) 设置当前坐标轴 x轴 和 y轴的限制范围
    set(gca,'color',[0, 0.95, 0.95]); %利用set(gca,'propertyname','propertyvalue'......)命令可以调整图形的坐标属性
    s1=sprintf('%f',pinlv);
    set(handles.edit1,'String',s1);
    wavplay(x,caiyangpinglv);
    
    fenxi_max = sprintf('%f',max(x));%分析波形的幅值
    set(handles.text5,'String',fenxi_max);%更新分析出的幅值
    
    fenxi_fenfenzhi = sprintf('%f',(max(x) - min(x)));%分析波形的峰峰值
    set(handles.text7,'String',fenxi_fenfenzhi);%更新分析出的幅值
    
    fenxi_pingjunzhi = sprintf('%f',mean(x));%分析波形的平均值
    set(handles.text9,'String',fenxi_pingjunzhi);%更新分析出的平均值
    
    pingjunzhi = mean(x);%平均值
    chazhi = x - pingjunzhi;%波形数组每一个元素与平均值的差值
    chazhipingfang = chazhi.*chazhi;%上面的差值数组求平方
    chazhipingfanghepingjun = sum(chazhipingfang)/N;%将每一个平方加起来
    youxiaozhi = sqrt(chazhipingfanghepingjun);%开根号求得有效值
    fenxi_youxiaozhi = sprintf('%f',youxiaozhi);%分析波形的有效值
    set(handles.text13,'String',fenxi_youxiaozhi);%更新分析出的有效值
    
    fenxi_biaozhuncha = sprintf('%f', std(x));%分析波形的标准差
    set(handles.text15,'String',fenxi_biaozhuncha);%更新分析出的标准差
    
    p=max(x);q=min(x);n=1;ti=[0];
    at=0.1*(p-q)+q;
    for k=2:1:N-2
        if(x(k-1)<at && x(k)<=at && x(k+1)>at && x(k+2)>at)
            ti(n) = k;
            n = n+1;
        end;
    end;
    T=((ti(2) - ti(1)))*dt;
    F=1.0/T;
    Q=(T-ti(1)*dt);%计算出初始相位
    fenxi_pinlv = sprintf('%f', F);%分析波形的频率
    set(handles.text11,'String',fenxi_pinlv);%更新分析出的频率
    fenxi_chushixiangwei = sprintf('%f', Q);%分析波形的初始相位
    set(handles.text17,'String',fenxi_chushixiangwei);%更新分析出的初始相位
hg2016
关注
  • 3
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【参数辨识】通过MATLAB编程实现基于prony的参数辨识算法
平时工作较为繁忙,私信消息一般晚上回复,谢谢大家~~
11-11 1269
Prony方法是用一组指数项的线性组合来拟合等间距采样数据的方法，可以从中分析出信号的幅值、相位、阻尼因子、频率等信息。“Prony方法是用一组指数项的线性组合来拟合等间距采样数据的方法，可以从中分析出信号的幅值、相位、阻尼因子、频率等信息。简介Prony方法是用一组指数项的线性组合来拟合等间距采样数据的方法,可以从中分析出信号的幅值、相位、阻尼因子、频率等信息。Prony算法使用多个复指数衰减函数的线性组合来描述等间距采样数据，使用的衰减函数个数为Prony算法模型的阶数。
【新星计划】MATLAB系统辨识工具箱使用方法
qingfengxd1的博客
05-29 6926
1、进入System Identification主界面 打开APP栏的系统辨识工具箱， 弹出如下界面 然后点击import data，选择加载类型为时域类型 2、加载数据 导入采集的实验数据，从工作区直接拖拽相应的变量到Input和Output 点击Import按钮，成功加入需要辨识的一组数据，加载成功之后的数据如图： 3、参数辨识 点击Estimate，选择需要辨识的系统模型的结构，这里选择Transfer Function Models...
matlab示波器的峰值测量,峰峰值定义_示波器峰峰值怎么看
weixin_29482557的博客
03-24 9065
描述峰峰值定义峰峰值是指一个周期内信号最高值和最低值之间差的值，就是最大和最小之间的范围。它描述了信号值的变化范围的大小。峰值是以0刻度为基准的最大值，有正有负。而峰峰值是最大值和最小值的差值，只有正的。正弦波峰峰值计算峰峰电压Vpp=垂直偏转因数(V/div) ×信号波形在垂直方向所占格数。示波器峰峰值怎么看一、对于模拟示波器：用示波器测量信号的电压峰-峰值和周期时，把波形峰-峰值高度调到显示屏...
电机数据预处理matlab程序
含光左卫的工作笔记集
05-05 247
电机的输入电压和电流波形上叠加的有高频信号，在进行计算前，如果需要求得有效值，则必须进行整周期判定。这里提供了一个Matlab函数可以做这个事情，它会把U/I信号中的一个完整的周期相关采样数据摘出来，存储为独立的文件。需要三个数据通道——电压、电流、转子转速，另外的一个额外参数是电机的极对数，实际处理时用到了一些简化处理，如果发现最终输出的不是一个完整周期，可以调整特定的门限值。
matlab中ransac函数,matlab – 通过RANSAC查找正弦曲线
weixin_30990821的博客
03-16 502
RANSAC算法直到达到inlier百分比阈值或测试N个样品组合.>它随机选择最小的样本来构建或拟合模型.>其他数据点分类为内点或异常值>该模型被接受或拒绝输入：>确定内点和异常值的误差容限>阈值内部百分比>测试的最大样本组合可能的改进>确保没有多次测试组合>如果有更好的方法可以选择组合,请使用它.>一旦找到许多内点,就可以使用一组新的内点来进...
MATLAb振动信号代码.rar_信号处理_信号频域参数_振动信号时频_时域参数识别_模态参数识别
07-14
信号处理：预处理 ，时域，频域识别出模态参数
基于matlab的电话号码识别程序
04-01
1.了解双音多频信号的产生、检测、包括对双音多频信号进行DFT时的参数选择等。 2．初步了解数字信号处理在是集中的使用方法和重要性。 3．掌握matlab的开发环境
基于WiFi信号检测的CNN固体识别Matlab源码
03-25
项目概述：基于WiFi信号的CNN固体识别Matlab源码实现 本项目采用Matlab为主要开发语言，致力于通过WiFi信号检测技术，实现对固体物质的识别。项目包含共计238个文件，其中Matlab数据文件（.mat）170个，Matlab脚本...
干扰信号识别.docx
09-07
2）选择合适的特征参数，采用决策树法实现对上述干扰信号的识别，高斯白噪声信道，干噪比(JNR)为0~15dB，识别正确率大于95%。扩展部分：选择合适的特征参数，采用NN 或者SVM 机器学习实现对上述干扰信号的识别，高斯...
基于神经网络的调制信号识别技术研究
最新发布
06-03
基于神经网络的调制信号识别技术是现代通信领域的一个重要研究方向。这项技术利用人工神经网络（ANN）的强大数据处理和模式识别能力，自动识别不同类型的调制信号，包括2ASK（二进制振幅键控）、2FSK（二进制频率键...
信号调制识别matlab程序
06-14
用BP神经网络做分类器，提取信号的五个特征，并对信号进行识别。
MATLAB高阶系统参数辨识程序
09-02
将需要辨识的数据以.mat文件格式输入到程序中，即可对任意阶数系统进行参数辨识。
六种数字调制信号识别的matlab程序
03-22
基于高阶累积量的六种数字调制信号的识别matlab程序，包括2ask、4ask和2fsk和4fsk和2psk和4psk
MATLAB+参数辨识代码
03-14
使用matlab进行的参数辨识代码--机器人的动力学模型
Matlab调试过程中如何查看子函数中的变量数值？
fighting110cq的博客
10-01 1万+
如何查看matlab子函数中局部变量的数值？本文快速教会你。
【个人实验】直流有刷电机速度闭环控制+MATLAB参数辨识+PID Tuner整定参数
心流的博客
02-01 1773
基于参数辨识+PID tuner整定参数进行直流有刷电机闭环控制
MATLAB系统辨识工具箱介绍（完结）
热门推荐
Wendy的博客
09-24 3万+
网上有比较详细的关于系统辨识工具箱函数的介绍，但是并没有根据相关实例进行讲解，因此让人看得云里雾里。这里我通过实例对MATLAB系统辨识工具箱函数进行详细讲解，帮助大家更容易理解系统辨识工具箱。
【信号识别】基于matlab深度学习CNN信号调制分类【含Matlab源码 2066期】
订阅付费专栏（初级版），可赠送该付费专栏任意代码1份；
08-30 9199
深度学习CNN信号调制分类 完整的代码，方可运行；可提供运行操作视频！适合小白！
基于图像处理交通信号灯识别算法
m0_59833680的博客
08-18 3970
基于图像处理交通信号灯识别算法摘 要：交通信号灯是智能车辆在城市环境中行驶的主要指示信号，在城市交通安全中发挥了不可或缺的作用。交通信号灯通常设在交叉口，能够供应智能车辆的方位信息，查看和辨认交通信号灯的情况是智能车辆感知的重要任务。在简单工况下，可在各种颜色空间中利用信号灯颜色的先进行分割得到兴趣区域，然后再通过信号灯所特有的形状特征等进行进一步的判定。关键词：智能车辆；感知；颜色空间前言智能车...
matlab信号识别率
09-27
信号识别率是用来评估信号识别系统性能的指标，它衡量了系统正确识别信号的能力。 在使用Matlab进行信号识别时，我们通常会利用一些算法和技术来提取信号的特征，然后将这些特征输入到识别模型中进行分类或识别。...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值