哪里有网站制作平台,电商小程序名字大全,如东网站建设,电商网站平台有哪些功能模块这段时间终于对工程中的随机信号的一般处理方式有点头绪了#xff0c;功率谱密度估计是十分重要的方式之一#xff0c;仍需继续深入细化相关内容。 示例#xff1a;使用自功率谱、互功率谱估计滤波器幅频特性#xff0c;自己实现 Matlab自带函数实现。
clc;clear;cl…这段时间终于对工程中的随机信号的一般处理方式有点头绪了功率谱密度估计是十分重要的方式之一仍需继续深入细化相关内容。 示例使用自功率谱、互功率谱估计滤波器幅频特性自己实现 Matlab自带函数实现。
clc;clear;close all;
fs 44100;
t 0:1/fs:1-1/fs;
in randn(size(t));winlen 1024;
overlap winlen/2;% 滤波
order 1; % 滤波器阶数高后则曲线不太平滑
fc 1200;
[b,a] butter(order, fc/(fs/2), low);
out filter(b, a, in);%% 自己实现cpsd、pwelch。整体思路与上周相同但将功率谱密度估计方法由 相关法 改为 直接法
segments_i buffer(in, winlen, overlap, nodelay); % 存放输入信号的分段交叠
segments_o buffer(out, winlen, overlap, nodelay); % 存放输出信号的分段交叠
numSegments size(segments_i, 2); % 分段数wd hanning(winlen);spectrum_Pxx zeros(winlen/21,numSegments); % 存放每段估计的自功率谱密度
spectrum_Pxy zeros(winlen/21,numSegments); % 存放每段估计的互功率谱密度for i 1:numSegments % 分段估计% 估计输入信号自功率谱密度in_fft fft(segments_i(:,i).*wd);N length(in_fft);P1 abs(in_fft/N);P2 P1(1:floor(N/2)1);P2(2:end-1) 2*P2(2:end-1);Pxx_ P2.^2/(N*fs); % 估计输入、输出信号互功率谱密度out_fft fft(segments_o(:,i).*wd);P3 abs(out_fft/N);P4 P3(1:floor(N/2)1);P4(2:end-1) 2*P4(2:end-1);Pxy_ P4 .* conj(P2) / (N*fs);% 每段的功率谱密度存起来spectrum_Pxx(:,i) Pxx_;spectrum_Pxy(:,i) Pxy_;endf fs*(0:N/2)/N;% 计算均值
spectrumAvg_Pxx mean(spectrum_Pxx, 2);
spectrumAvg_Pxy mean(spectrum_Pxy, 2);H2 abs(spectrumAvg_Pxy) ./ abs(spectrumAvg_Pxx);
subplot(311);
plot(f,20*log10(H2));
title(幅频曲线(自己实现的自功率谱、互功率谱估计));xlabel(频率);ylabel(db);%% 自带pwelch、cpsd
[Pxx,f1] pwelch(in, hanning(winlen),overlap,winlen,fs);
[Pxy,f2] cpsd(in, out, hanning(winlen),overlap,winlen,fs);subplot(312);
plot(f1, 20*log10(abs(Pxy ./ Pxx)));
title(幅频曲线(自带的pwelch、cpsd函数));xlabel(频率);ylabel(db);%% freqz理想幅频特性曲线
[H3, w] freqz(b,a);
subplot(313);f1 w*fs/2/pi;
plot(f1,20*log10(abs(H3)));
title(幅频曲线(理想));xlabel(频率);ylabel(db);
结果图 遗留问题
该示例中使用高阶滤波器后幅频特性曲线仍会有较大的波动有待在后续学习中解决。
