rooteig.

使用特征向量方法的频率和功率内容

页面上倒塌

句法

[w，pow] = rooteig（x，p）

[w，pow] = rooteig（___，'corr'）

[f，pow] = rooteig（___，fs）

描述

例子

[W.那鲍] = rooteig（X那P.）估计输入信号中的频率内容X并退货W.，RAD /样品中频率的矢量，以及矢量中的相应信号功率鲍。您可以使用输入参数指定信号子空间维度P.。

第二个条目中的额外阈值参数P.在分配噪声和信号子空间时为您提供更灵活性和控制。

[W.那鲍] = rooteig（___那'corr'）强制输入论点X被解释为相关矩阵而不是信号数据矩阵。对于这个语法，X必须是一个方形矩阵，其所有特征值必须是非负面的。此语法可以包括来自先前语法的输入参数。

笔记

你可以放置'corr'任何地方之后P.。

[F那鲍] = rooteig（___那FS.）返回频率的向量F以Hz计算。您提供了采样频率FS.在Hz。如果您指定FS.作为空向量[]，采样频率默认为1赫兹。

例子

全部收缩

复杂指数的频率内容

打开直播脚本

在噪声中发现由三个复杂指数组成的信号中的频率内容。使用修改的协方差方法来估计特征向量方法使用的相关矩阵。重置随机数发生器以进行可重复的结果。

RNG.默认n = 0:99;s = exp（1i * pi / 2 * n）+ 2 * exp（1i * pi / 4 * n）+ exp（1i * pi / 3 * n）+ Randn（1,100）;x = Corrmtx（S，12，'mod'）;[w，p] = rooteig（x，3）

w =3×10.7883 1.5674 1.0429

P =3×14.1748 1.0572 1.2419

输入参数

全部收缩

`X`-输入信号
向量|矩阵

输入信号，指定为向量或矩阵。如果X是矢量，然后被视为信号的一个观察。如果X是一个矩阵，每行X表示信号的单独观察。例如，每行是传感器阵列的一个输出，如在阵列处理中，这样x'* x是相关矩阵的估计。

对于复值输入数据X那鲍和W.具有相同的长度。对于实值输入数据X，相应的电力矢量的长度鲍是0.5 *长度（w）。

笔记

您可以使用输出corrmtx.生成这样的数组X。

复数支持：金宝app是的

`P.`-子空间维度
真正的正整数|双元素矢量

子空间尺寸，指定为真实的正整数或两个元素矢量。如果P.是一个真实的正整数，然后它被视为子空间尺寸。如果P.是两个元素矢量，第二个元素P.表示乘以乘以的阈值λ._闵，信号相关矩阵的最小估计特征值。低于阈值的特征值λ._闵*P（2）分配给噪声子空间。在这种情况下，p（1）指定信号子空间的最大维度。第二个条目中的额外阈值参数P.在分配噪声和信号子空间时为您提供更灵活性和控制。