- 博客(6)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 随机信号处理AR模型Yule-Walker方程（Python实现2）
Yule-Walker（python） 画谱峰代码import numpy as npimport matplotlib.pyplot as pltimport scipy.signalfrom scipy.linalg import toeplitzN=64p=31#构造原函数f1=0.1f2=0.13n=np.linspace(0,N-1,N)sn=2*np.sin(2*np.pi*f1*n+np.pi/3)+10*np.sin(2*np.pi*f2*n+np.pi/4)wn=
2021-06-25 20:03:04
926
原创 随机信号处理功率谱估计 Music算法（Matlab）
Music算法-MatlabclearclcN_x=64; %信号长度N=64;%截取长度数目M=4;%信号频率个数包括负值f1=0.1;f2=0.13;n=1:N_x;SNR=-49:1:50;f2_expect=zeros(1,100);f1_expect=zeros(1,100);f2_mse=zeros(1,100);f1_mse=zeros(1,100);xn = 10*sin(2*pi*f1*n+pi/3) + 10*sin(2*pi*f2*n+pi/4); for
2021-06-25 19:33:07
1749
原创 随机信号处理功率谱估计Levinson-Durbin递推算法（C语言）
随机信号做谱估计（4)-Levinson-Durbin——C语言随机信号模型这里我们用X(n）=s(n)+w(n)来表示所分析的随机信号，其中s(n)是具有两个频率分量的正弦波，可表示为是s(n)=A1sin(2pif1+pi/3)+A2sin(2pif2+pi/4)。w(n)是随机高斯白噪声，它的谱线是一个直线，用它代表信号在传播中所夹杂的噪声不仅可以体现随机过程而且对于功率谱的求解也更为简单。估计质量的评价可以用均分误差以及偏差来评价估计质量的好坏，通过画出均分误差和均值随SNR变化的图来观察估
2021-06-25 19:26:48
864
原创 随机信号处理功率谱估计Yule-walker方程（Python）
随机信号做谱估计（3）-Yule-Walker随机信号模型这里我们用X(n）=s(n)+w(n)来表示所分析的随机信号，其中s(n)是具有两个频率分量的正弦波，可表示为是s(n)=A1sin(2pif1+pi/3)+A2sin(2pif2+pi/4)。w(n)是随机高斯白噪声，它的谱线是一个直线，用它代表信号在传播中所夹杂的噪声不仅可以体现随机过程而且对于功率谱的求解也更为简单。估计质量的评价可以用均分误差以及偏差来评价估计质量的好坏，通过画出均分误差和均值随SNR变化的图来观察估计质量。原理
2021-06-25 19:17:10
1326
原创 随机信号处理功率谱估计自相关法（C语言）
随机信号做谱估计（2)-相关法——C语言随机信号模型这里我们用X(n）=s(n)+w(n)来表示所分析的随机信号，其中s(n)是具有两个频率分量的正弦波，可表示为是s(n)=A1sin(2pif1+pi/3)+A2sin(2pif2+pi/4)。w(n)是随机高斯白噪声，它的谱线是一个直线，用它代表信号在传播中所夹杂的噪声不仅可以体现随机过程而且对于功率谱的求解也更为简单。估计质量的评价可以用均分误差以及偏差来评价估计质量的好坏，通过画出均分误差和均值随SNR变化的图来观察估计质量。原理利用维纳
2021-06-25 19:11:32
1912
原创 随机信号处理功率谱估计周期图法（直接法）（C语言）
随机信号做谱估计（1)-周期图法——C语言随机信号模型这里我们用X(n）=s(n)+w(n)来表示所分析的随机信号，其中s(n)是具有两个频率分量的正弦波，可表示为是s(n)=A1sin(2pif1+pi/3)+A2sin(2pif2+pi/4)。w(n)是随机高斯白噪声，它的谱线是一个直线，用它代表信号在传播中所夹杂的噪声不仅可以体现随机过程而且对于功率谱的求解也更为简单。估计质量的评价可以用均分误差以及偏差来评价估计质量的好坏，通过画出均分误差和均值随SNR变化的图来观察估计质量。原理实验
2021-06-25 18:57:52
2640
可调时长的多波形显示设计（stm32）
2020-10-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人