- 博客(3)
- 收藏
- 关注
RSS订阅原创 Python 功率谱估计直接法（二）
做了什么 对上文的代码进行了改动，使其能在不同幅度的噪声条件下多次运行并计算同一噪声条件下均方误差的期望，而且在最后一次运行时输出最大噪声条件下的振幅谱和功率谱，并最终输出能反映均方误差（MSE）随信噪比（SNR）变化的曲线。其中f1、f2的估计也是在全部循环完成后取所有估计值的期望，因此估计效果较上文差。 结果 代码 import matplotlib.pyplot as plt import numpy as np from math import * import random as ran de
2021-09-25 20:35:46
560
原创 Python 功率谱估计直接法
xn=10sin(2pi0.1+pi/3)+4sin(2pi0.4+pi/4)，噪声为均值为零方差为一的高斯白噪声，用经典谱估计直接法来估计f1（0.1）和f2（0.4），并计算均方误差（MSE）。 原理 对N点DFT取绝对值后得到幅频特性，取绝对值平方后得到功率谱。 在估计f1、f2时，采取对幅频特性拟合后根据波峰处值最大来得到所要顾及的f对应的k。 将整个程序循环多次即可计算估计值的期望和均方误差。 如果调整拟合效果见上篇博文。 代码 import matplotlib.pyplot as plt im
2021-09-24 00:25:37
948
原创 Python DFT、功率谱估计
x(n)=10sin(2pi0.1+3/pi)+4sin(2pi0.4+4/pi),噪声为均值为零方差为一的高斯随机噪声,DFT点数N=1024,目标为画出频谱和功率谱，并对f1和f2（0.1和0.4）进行估计。在估计时，将对功率谱拟合和对DFT拟合比较后选择了对DFT拟合 最终结果为： 对功率谱拟合后得到的结果 对DFT拟合后得到的结果 代码如下 import matplotlib.pyplot as plt import numpy as np from math import * import
2021-09-23 03:25:33
868
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人