主要内容

pburg

自回归功率谱密度估计-伯格的方法

描述

pxx= pburg (x,订单)返回功率谱密度(PSD)估计,pxx一个离散时间信号,x发现,使用伯格的方法。当x是一个矢量,它被视为一个频道。当x是一个矩阵,每个列的PSD独立计算并存储在相应的列的pxxpxx单位是权力的分布频率。表达的频率是单位的rad /样品。订单的顺序是自回归(AR)模型用于生产PSD的估计。

例子

pxx= pburg (x,订单,nfft)使用nfft点离散傅里叶变换(DFT)。真实的x,pxx长度(nfft/ 2 + 1)nfft甚至,(nfft+ 1)/ 2nfft是奇数。为复数x,pxx总长度nfft。如果您省略nfft,或指定为空,那么pburg使用一个默认的DFT长度为256。

(pxx,w)= pburg (___)返回规范化的矢量角频率,wPSD的估计。w的单位是rad /样品。为实值信号,w跨越了时间间隔[0,π]nfft甚至和[0,π)nfft是奇数。为复值信号,w总是跨越时间间隔[0,2π)

例子

(pxx,f)= pburg (___,fs)返回一个频率向量,f在单位时间周期。采样频率,fs单位时间内的样本数量。如果时间单位秒f在周期/秒(Hz)。为实值信号,f跨越了区间[0,fs/ 2)当nfft甚至和[0,fs/ 2)nfft是奇数。为复值信号,f跨越了区间[0,fs)。

(pxx,w)= pburg (x,订单,w)返回双边AR PSD在归一化频率估计中指定的向量,w。向量w必须包含至少两个元素,因为否则函数解释它吗nfft

(pxx,f)= pburg (x,订单,f,fs)返回双边AR PSD估计在指定的频率向量,f。向量f必须包含至少两个元素,因为否则函数解释它吗nfft。的频率f在单位时间周期。采样频率,fs单位时间内的样本数量。如果时间单位秒f在周期/秒(Hz)。

(___)= pburg (x,订单,___,freqrange)返回AR PSD估计在指定的频率范围freqrange。有效的选择freqrange是:“单向的”,双侧的,或“中心”

(___,pxxc)= pburg (___“ConfidenceLevel”,概率)返回概率×100% PSD估计的置信区间pxxc

例子

pburg (___)没有输出参数的基于“增大化现实”技术的游戏情节PSD单位频率估计在dB在当前图窗口。

例子

全部折叠

创建一个实现一个基于“增大化现实”技术(4)大范围的平稳随机过程。估计使用伯格PSD的方法。比较了PSD估计基于单一实现真正的PSD的随机过程。

创建一个基于“增大化现实”技术(4)系统功能。获得系统的频率响应和情节PSD。

一个= [1 -2.7607 3.8106 -2.6535 0.9238];[H F] = freqz(1一个[],1);情节(F, 20 * log10 (abs (H)))包含(的频率(赫兹))ylabel (“PSD (dB / Hz)”)

图包含一个坐标轴对象。坐标轴对象包含频率(赫兹),ylabel PSD (dB / Hz)包含一个类型的对象。

创建一个实现的基于“增大化现实”技术(4)随机过程。将随机数字生成器设置为默认设置为可再生的效果。实现1000个样本。假设1 Hz的采样频率。使用pburg估计四阶的PSD的过程。比较的PSD估计真正的PSD。

rng默认的x = randn (1000 1);y =过滤器(1,A, x);[Pxx F] = pburg (y, 1024,1);持有情节(F, 10 * log10 (Pxx))传说(“真正的功率谱密度”,“pburg PSD估计”)

图包含一个坐标轴对象。坐标轴对象包含频率(赫兹),ylabel PSD (dB / Hz)包含2线类型的对象。这些对象代表真正的功率谱密度,pburg PSD估计。

创建一个实现一个基于“增大化现实”技术(4)的过程。使用arburg确定反射系数。使用反射系数来确定一个适当的AR模型阶的过程。获得过程的估计PSD。

创建一个实现一个基于“增大化现实”技术(4)处理1000样品的长度。使用arburg订单设置为12返回的反射系数。画出反射系数来确定一个适当的模型。

一个= [1 -2.7607 3.8106 -2.6535 0.9238];rng默认的x =过滤器(1,randn (1000,1));[a, e、k] = arburg (x, 12);茎(k,“填充”)标题(的反射系数)包含(“模型秩序”)

图包含一个坐标轴对象。坐标轴对象与标题反射系数,包含模型包含一个对象类型的干细胞。

订单4后反射系数衰减为零。这表明一个基于“增大化现实”技术(4)模型是最合适的。

获得一个PSD使用伯格的方法估计的随机过程。在DFT使用1000点。PSD的估计。

pburg (x 4长度(x))

图包含一个坐标轴对象。坐标轴对象与标题伯格功率谱密度估计,包含归一化频率(空白乘以πr d / s m p l e), ylabel功率/频率(dB / (rad /样本))包含一个对象类型的线。

创建一个三血窦组成的多通道信号添加剂 N ( 0 , 1 ) 高斯白噪声。正弦信号的频率是100 Hz, 200 Hz, 300 Hz。采样频率是1 kHz,信号的持续时间。

Fs = 1000;t = 0:1 / Fs: 1 - 1 / f;f = (100; 200; 300);x = cos(2 *π* f * t) + randn(长度(t), 3);

估计信号的PSD使用伯格与12阶自回归模型的方法。使用默认的DFT长度。情节的估计。

morder = 12;[],pburg (x, morder Fs)

图包含一个坐标轴对象。坐标轴对象与标题伯格功率谱密度估计,包含频率(赫兹),ylabel功率/频率(dB / Hz)包含3线类型的对象。

输入参数

全部折叠

输入信号,指定行或列向量,或作为一个矩阵。如果x是一个矩阵,那么它的列被视为独立的渠道。

例子:因为(π/ 4 * (0:159))+ randn (1160)是一种单通道信号行向量。

例子:因为(pi. / (4; 2) * (0:159)) ' + randn (160 2)是一个双通道信号。

数据类型:|
复数的支持:金宝app是的

的自回归模型,指定为一个正整数。

数据类型:

数量的DFT点,指定为一个正整数。实值输入信号,xPSD的估计,pxx长度(nfft/ 2 + 1)nfft甚至,(nfft+ 1)/ 2nfft是奇数。复数的输入信号,x,PSD估计总长度nfft。如果nfft被指定为空,默认吗nfft使用。

数据类型:|

采样率,指定为一个积极的标量。采样率是单位时间内样品的数量。如果时间的单位是秒,那么采样率的单位是赫兹。

归一化频率,指定为一个行或列向量与至少两个元素。归一化频率在rad /样品。

例子:w =(π/ 4π/ 2)

数据类型:

频率,指定为一个行或列向量与至少两个元素。频率是单位时间周期。单位时间内指定的采样率,fs。如果fs/秒的单位是样品吗f的单位是赫兹。

例子:fs = 1000;f = (100 200)

数据类型:

频率范围的PSD估计,指定为一个之一“单向的”,双侧的,或“中心”。默认值是“单向的”为实值信号和双侧的为复值信号。每个选项对应的频率范围

  • “单向的”——返回片面的PSD估计实值的输入信号,x。如果nfft是偶数,pxx长度nfft/ 2 + 1和计算时间间隔[0,π]rad /样品。如果nfft的长度,奇怪吗pxx是(nfft+ 1)/ 2,间隔[0,π)rad /样品。当fs(可选)指定,相应的时间间隔是[0,fs/ 2)周期/单位时间(0,fs/ 2)周期/单位时间偶数和奇数长度nfft分别。

    函数乘以电源2在所有频率除了0和奈奎斯特频率保护总功率。

  • 双侧的——返回双边PSD估计实或复值输入,x。在这种情况下,pxx长度nfft和计算时间间隔[0,2π)rad /样品。当fs(可选)指定,区间[0,fs)周期/单位时间。

  • “中心”——返回中心双边PSD估计实或复值输入,x。在这种情况下,pxx长度nfft和计算时间间隔(-π,π]rad /样本长度nfft(-π,π)rad /样本奇怪的长度nfft。当fs(可选)指定相应的时间间隔(-fs/ 2,fs/ /单位时间和(- 2)周期fs/ 2,fs/ 2)周期/单位时间偶数和奇数长度nfft分别。

覆盖概率对于真正的PSD,指定为一个标量范围(0,1)。输出,pxxc,包含的上下界限概率真正的PSD×100%区间估计。

输出参数

全部折叠

PSD估计,作为实值返回,负的列向量或矩阵。每一列的pxx的PSD估计相应的列x。PSD的估计的单位是平方级单位的单位时间序列数据的频率。例如,如果输入数据在伏,PSD估计在单位平方伏特每单位频率。时间序列的伏,如果假设1Ω的阻力和指定的采样率赫兹,PSD估计在瓦特/赫兹。

数据类型:|

归一化频率,作为实值返回列向量。如果pxx是一个片面的PSD估计,w跨越了时间间隔[0,π]如果nfft甚至和[0,π)如果nfft是奇数。如果pxx是一个双面的PSD估计,w跨越了时间间隔[0,2π)。DC-centered PSD估计,w跨越了时间间隔(-π,π]甚至nfft(-π,π)为奇数nfft

数据类型:

循环频率,作为实值返回列向量。对于一个片面的PSD估计,f跨越了区间[0,fs/ 2)当nfft甚至和[0,fs/ 2)nfft是奇数。对于一个双边PSD估计,f跨越了区间[0,fs)。DC-centered PSD估计,f跨越了时间间隔(-fs/ 2,fs/ 2)周期/单位时间长度nfft和(-fs/ 2,fs/ 2)周期/单位时间奇怪的长度nfft

数据类型:|

置信界限),作为一个矩阵与实值元素返回。矩阵的行大小等于PSD估计的长度,pxxpxxc已列的两倍pxx。奇数列包含下界的置信区间和偶数列包含上界。因此,pxxc (m, 2 * n - 1)是绑定和较低的信心pxxc (m, 2 * n)绑定对应估计是上信心pxx (m, n)。覆盖概率的置信区间是由价值决定的概率输入。

数据类型:|

扩展功能

版本历史

之前介绍过的R2006a

另请参阅

||