广义互相关 matlab,关于小波分析和广义互相关

本文探讨了在时延估计中,使用小波分析重构信号后,基本互相关和PHAT加权方法的差异。实验发现,对于原始信号,两种方法都能准确获取时延;但在小波分解和重构后,PHAT加权无法给出正确时延。通过代码和图形展示了这一现象,并提供了相关信号的可视化分析。
摘要由CSDN通过智能技术生成

宋老师,我把一个声音信号作了延迟之后加上噪声,用PHAT加权和基本互相关都能得到正确的时延值,但我对这两个信号进行小波分解和重构近似信号之后,用基本互相关可以得到时延,但PHAT加权后就不能得到正确的时延了,这是为什么呢?下面附上代码和图。fs=2500/(t(end)-t(1));%采样频率 ,x是表格导入的数据,信号时间为t,长度是2500,这里上传不了表格

N=length(x);

x1=x-mean(x);%消除直流分量

x1=x1/max(abs(x1));%幅度归一化

%构造延时250个采样点,即延迟0.01S的信号x2

x2=[zeros(250,1);x1];

x2=x2([1:end-250],1);

x2=awgn(x2,15,'measured');

x1=awgn(x1,15,'measured');

%时延估计

X1=fft(x1,2*N-1);

X2=fft(x2,2*N-1);

X21=X2.*conj(X1);

R21=fftshift(real(ifft(X21)));%基本互相关

Ph21=fftshift(real(ifft(X21./abs(X21))));%PHAT加权

tt=(-N+1:N-1)/fs;%时间序列

figure(1)

subplot(2,1,1),plot(tt,R21),title('基本互相关');

subplot(2,1,2),plot(tt,Ph21),title('PHAT

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