文件

rootmusic.

根音乐算法

页面上倒塌

句法

w = rootmusic（x，p）
[w，pow] = rootmusic（x，p）
[w，pow] = rootmusic（___，'corr'）
[f，pow] = rootmusic（___，fs）

描述

W.= rootmusic（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。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] = rootmusic（X那P.）返回频率的向量W.以及矢量中的相应信号功率鲍。

例子

[W.那鲍] = rootmusic（___那'corr'）强制输入论点X被解释为相关矩阵而不是信号数据的矩阵。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] = rootmusic（___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。

例子

全部收缩

打开直播脚本

估计噪声中两个正弦曲面的振幅。正弦波之间的分离小于周期图的分辨率， 2 π / N. 弧度/样本。使用自相关矩阵作为输入rootmusic.。

RNG.默认n =（0:99）';FRQS = [PI / 4 PI / 4 + 0.06];s = 2 * exp（1j * frqs（1）* n）+ 1.5 * exp（1j * frqs（2）* n）+......0.5 * RANDN（100,1）+ 1J * 0.5 * RANDN（100,1）;[〜，r] = corrmtx（s，12，'mod'）;[w，p] = rootmusic（r，2，'corr'）
w =2×10.7946 0.8917
P =2×14.1535 0.7797

输入参数

全部收缩

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

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。

采样率，指定为正标量。您可以提供采样率FS.在Hz。如果您指定FS.作为空向量[]，采样率默认为1赫兹。

输出参数

全部收缩

RAD / SAMPL中的输出频率，作为向量返回。矢量的长度W.是信号子空间的计算维度。

信号功率，作为向量返回。

Hz中的输出频率，作为向量返回。您提供了采样频率FS.在Hz。如果您指定FS.使用空向量[]，采样频率默认为1赫兹。

提示

如果输入信号X是真实的，并且奇数正弦曲线由P.，显示错误消息：

真实信号需要均匀的复杂正弦曲线p。

算法

使用的多个信号分类（音乐）算法rootmusic.与使用的相同PMUSIC.。该算法执行信号的相关矩阵的Eigenspace分析，以估计信号的频率内容。

和...之间的不同PMUSIC.和rootmusic.是：

  • PMUSIC.返回所有频率样本的伪谱。

  • rootmusic.返回估计的离散频谱，以及相应的信号功率估计。

rootmusic.对于由嵌入添加白色高斯噪声的正弦曲线和的信号之和频率估计最有用。

也可以看看

|||

在R2006A之前介绍

信号处理工具箱文档
金宝app

尝试matlab，sim金宝appulink等产品下载188bet金宝搏

立即获得审判