pmusic
伪谱采用MUSIC算法
语法
描述
例子
输入参数
输出参数
提示
在估计伪谱的过程中,pmusic
根据估计的特征向量计算噪声子空间和信号子空间vj和特征值λj信号的相关矩阵。这些特征值中的最小值与阈值参数一起使用(2页)
在某些情况下影响噪声子空间的维数。
长度n特征向量的pmusic
是信号子空间和噪声子空间的维数之和。这个特征向量的长度取决于你的输入(信号数据或相关矩阵)和你使用的语法。
下表总结了特征向量长度对输入参数的依赖关系。
特征向量长度取决于输入数据和语法
输入数据形式x |
语法注释 |
特征向量的长度为n |
---|---|---|
行向量或列向量 |
|
|
行向量或列向量 |
|
|
行向量或列向量 |
|
2× |
l——- - - - - -米矩阵 |
如果 |
米 |
米——- - - - - -米非负定矩阵 |
|
米 |
你应该指定nwin
>(1页)
或长度(nwin)
>(1页)
如果你愿意(2页)
>1
有任何效果
算法
多信号分类(MUSIC)算法估计伪谱从一个信号或相关矩阵使用施密特的特征空间分析方法[1].该算法对信号的相关矩阵进行特征空间分析,以估计信号的频率含量。该算法特别适用于含有加性高斯白噪声的正弦波和信号。如果不提供相关矩阵,则估计信号相关矩阵的特征值和特征向量。
MUSIC伪谱估计由
在哪里N特征向量的维数是vk是k相关矩阵的特征向量。整数p信号子空间的维数,也就是特征向量vk所用的和对应于最小的特征值,也张成了噪声子空间。向量e(f)由复指数组成,所以是内积
相当于傅里叶变换。这是用来计算伪谱估计。FFT是计算每一个vk然后把大小的平方求和。
参考文献
[1]劳伦斯市马普尔。数字频谱分析.Englewood Cliffs, NJ: Prentice-Hall, 1987, pp. 373-378。
[2]施密特,R. O.多发射极位置和信号参数估计。IEEE®天线与传播汇刊.AP-34卷,1986年3月,第276-280页。
[3]斯托伊卡,彼得和伦道夫·l·摩西。信号的频谱分析.上马鞍河,新泽西州:Prentice Hall, 2005。