位移传递率matlab编程,各种谱计算,频响函数,传递率

A.信号与谱的分类

由于时域信号有不同的分类, 变换后对应的频域也有不同的谱

信号可分为模拟(连续)信号和数字(离散)信号,

连续信号变换后称为谱密度, 离散信号变换

后称为谱.

连续信号又可分为绝对可积,平方可积(能量有限),均方可积(功率有限)

绝对可积信号有傅里叶谱(线性谱)和傅里叶谱密度(线性谱密度),如时域信号单位为电压V,

则前者单位为V,后者单位为V/Hz.

均方可积信号有功率谱PS(单位为V2)和功率谱密度PSD(单位为V2/

Hz.).

平方可积信号有能量谱密度ESD(单位为V2 s /

Hz.).

注1

平方量称为功率,平方量乘秒称为能量,谱分量除以频率称为谱密度.

注2

功率谱密度另一定义(离散信号的功率谱密度)见下述,

连续信号的功率谱密度.

为连续(光滑)曲线,

离散信号的功率谱密度为不连续的阶梯形..

注3

随机信号求功率谱密度时为减少方差,可采用平均,重叠和加窗处理(Welch法).

数字信号又可分为绝对可和,平方可和,均方可和.

B.各种谱计算

1.

线性谱Linear Spectrum:

对时域离散信号作DFT(离散傅里叶变换)得到,

采用方法为FFT(快速傅里叶变换)法.X(f)=FFT(x(t))

2.

自功率谱APS=Auto Power Spectrum:

离散信号的线性谱乘其共轭线性谱

APS(f)=X(f)*conj(X(f)), conj=conjugate共轭(实部不变,虚部变符号).

3.

互功率谱 CPS=Cross Powe

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
郑州大学随机信号处理大作业 附程序, Yule-Walker法、Burg法、协方差法进行AR模型的功估计。楼主拿了90+、4.0。 郑州大学随机信号处理大作业 附程序, Yule-Walker法、Burg法、协方差法进行AR模型的功估计。楼主拿了90+、4.0。 1.引 1.引言 功佔计是分析、了解信号所含有用信息的工具,也是信 号内在本质的也一种表现形式,功密度(PSD)两数描述了随 机过程的功礻的分布。其评价指标包括客观度量和统计度 量,分辨特性是客观度量中的重要指标,而统计度量指标则 包括方差、均方误差等。 在分析中主要包含两大类方法:古典估计和现代估 计。占典估计包括周期图估计法和相关法,它们都以傅里叶分 析为理论基础,计算相刈较为简单,但主要存在着分辨低和性 能不好等问题。现代估计采用参数模型化的估计方法,通过 构造合适的系统模型,将要分析的随机信号用模型的参数来表示, 将其过程化为某系统在白噪声激劢下的输岀。常用的纯连续的 平稳随杋信号模型是有理分式模型,方法主要包括最大熵佔计、 AR模型法、MA模型法、ARMA模型法和最大似然法等,其中AR 模型用得较多。在线性估计方法大多是有偏的估计方法,分 辨随数据长度的增加而提高。而非线性估计方法大多是无偏 的估计方法,通常可以获得高的分辨。 本次实验主要利用了经典法中的周期图法和相关法、求解 Yule-Walker方程法、 Levinsη- durbin快速算法以及Bug算法实现 了对信号的功估计。 2.实验原理 2.实验原理 21古典估计 相关法估计是以相关函数为媒介米计算,又叫做间接法 它的理论基础是维纳-辛钦定理,其具体实现步骤如下: 第一步,由获得的N点数据构成的有限长序列xn(n)来估计自相关 哟数,即:f(x) N一1 NAn=0AN(nXN(n+ m) 第二步,由自相关函数的傅里叶变换求功,即Sx(el" 1=-(M-1) Rx(me/wi 以上两步经历了两次截断第一次是估计RX(m)时仅利用了x(n)的 N个观测值,这相当于对ⅹn)加矩形窗截断。该窗是加在数据上的, 般称为加数据窗另一次是估计Sx(e)时仅利用了从-(M1)到M-1)的 Rx(m这相当于对Rx(m加矩形窗截断将Rx(m)截成(2M1)长,这称为 加延时窗式中RX(m)和分别表示对它们和的估值由于M<N使得上 式的运算量不是很大因此在FFT问世之前,相关法是最常用的估计 方法。相关法估计的运算框图为: 快速相关 加窗截断 进行FFT 输出 矩形窗截断 除此之外,周期图法也可运用于占典估计。 首先,由获得的N点数据构成的有限长序列X(n)直接求傅里叶 变换,求得X(e/w 2.实验原理 然后取普幅度的平方,并除以N,以此作为对x(n)真实功x(e) 的估计,即Sx(em)=3x(em)2。 用框图表示周期图法的具体实现过程如下 矩形窗截断 相乘 N点FFT (e 事实上,两种经典法的差异主要在于估计相关函数的方法不同 22 Yule-Walker方程矩阵估计 随机信号可以看作是由当前激励白噪声w(n)以及若干次以往信 号ⅹ(nk)的线性组合产生,即所谓自回归模型(AR模型)。系统输出 与系统函数可分别用公式表示为: x()=w(n) auxin k) k=1 H(z 1+∑ 7 k k=1 P阶AR模型有p+1个待定系数a1到ap和系统增益G,由上 式,可得白噪声激劢得到的系统输出 x(n)=-∑2=10kx(n-1)+Gw(n) 该式可以理解为,用n时刻之前的p个值的线性组合来预测n时 刻的值x(n,预测误差为GW(n)。在均方误差最小准则下,组合系数 a1,a2,a3…,ap的选择应使预测误差GWn)的均方值最小经过一系 2.实验原理 列的运算,最终可以得到AR模型的正则方程 r( -k, m= 1, 2 Rx(m) kRx(m -k)+g2, m=0 其中模型参数为 Yule-Walker方程: Rxx(m a kXX k=1 其矩阵形式为: R(0) R(1) R(p-1) R(1) R(1) R R(p-1) 2 R(2) R(p-1)R(p-2) R(0) R(p) 求解Yule硎 Walker方程就可以得到AR模型系数。得到参数az (i=1,23,4.p),就可以根据自相关函数和以求参数求系统增益G。 再由Sye)=Sx(e)*|H(e)2可以得到功。但是这种方法直 接求解线性方程组,运算量较大,同时在用自相关法对数据开窗的辶 程中,人为假定了数据段之外的数据为0,在计算过程中引入了误差。 23 Levinson-durbin快速递推法 Levinson- durbin递推算

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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