《功率谱分析(matlab)资料》由会员分享，可在线阅读，更多相关《功率谱分析(matlab)资料（10页珍藏版）》请在金锄头文库上搜索。
1、功率谱分析 由题目内容，设采样频率fs=1000HZ，数据长度为256，模型阶数为14，f1=200,f2=300、250。 （1）用最大熵法进行谱估计运行程序后，观察图像f1和f2相差较小时，功率谱变化更剧烈；模型的阶数越高，图像中能够获得的信息就越多，但同时计算量也就越大；增加数据长度可以获得更多的信息，提高了谱分析的分辨率，这是因为AR模型的谱估计隐含着对数据和自相关函数的外推，其长度可能会超过给定长度，分辨率不受信源信号的限制。（2） 分别用Levinson递推法和Burg法进行功率谱分析 Levinson递推法运行程序后，观察图像，f1和f2相差较小时，功率谱变化更剧烈；模型的阶数越
2、高，图像中能够获得的信息就越多，但同时计算量也就越大；增加数据长度可以获得更多的信息，提高了谱分析的分辨率，但本题中信号为正弦信号加白噪声，故图像观察不明显。 Burg法运行程序后，观察图像，f1和f2相差较小时，功率谱变化更剧烈；模型的阶数越高，图像中能够获得的信息就越多，但同时计算量也就越大；增加数据长度可以获得更多的信息，提高了谱分析的分辨率。(3) 改变信号的相位、频率、信噪比，上述谱分析结果有何变化如果正弦信号的频率过大，超过fs/2，会产生频率混叠现象，输入f1=600HZ，会在400HZ处产生一个波峰；降低信噪比会导致谱分辨率下降；信号起始相位的变动可导致谱线的偏移和分裂（我的图
3、像观察不到）。最大熵法估计N=1024;Nfft=256;Fs=1000;n=0:N-1;t=n/Fs;x1=sin(2*pi*200*t);x2=sin(2*pi*300*t); %0.3xn=x1+awgn(x1,10)+x2+awgn(x2,10); Pxx1,f=pmem(xn,14,Nfft,Fs);subplot(4,1,1)plot(f,10*log10(Pxx1);xlabel(Frequency (Hz);ylabel(Power Spectrum (dB);title(MEM f2/fs=0.3,Nfft=256,Oder=14);grid N=1024;Nfft=256;
4、Fs=1000;n=0:N-1;t=n/Fs;x1=sin(2*pi*200*t);x2=sin(2*pi*250*t); %0.25xn=x1+awgn(x1,10)+x2+awgn(x2,10); Pxx1,f=pmem(xn,14,Nfft,Fs);subplot(4,1,2)plot(f,10*log10(Pxx1);xlabel(Frequency (Hz);ylabel(Power Spectrum (dB);title(MEM f2/fs=0.25,Nfft=256,Oder=14);grid N=1024; Nfft=512; %修改数据长度512Fs=1000;n=0:N-1
5、;t=n/Fs;x1=sin(2*pi*200*t);x2=sin(2*pi*300*t); %0.3xn=x1+awgn(x1,10)+x2+awgn(x2,10); Pxx1,f=pmem(xn,14,Nfft,Fs);subplot(4,1,3)plot(f,10*log10(Pxx1);xlabel(Frequency (Hz);ylabel(Power Spectrum (dB);title(MEM f2/fs=0.3,Nfft=512,Oder=14);grid N=1024;Nfft=256;Fs=1000;n=0:N-1;t=n/Fs;x1=sin(2*pi*200*t);x2
6、=sin(2*pi*300*t); %0.3xn=x1+awgn(x1,10)+x2+awgn(x2,10); Pxx1,f=pmem(xn,24,Nfft,Fs); %修改阶数为24subplot(4,1,4)plot(f,10*log10(Pxx1);xlabel(Frequency (Hz);ylabel(Power Spectrum (dB);title(MEM f2/fs=0.3,Nfft=256,Oder=24);GridBurg法估计N=1024;Nfft=256;Fs=1000;n=0:N-1;t=n/Fs;x1=sin(2*pi*200*t);x2=sin(2*pi*300*
7、t); %0.3xn=x1+awgn(x1,10)+x2+awgn(x2,10); Pxx1,f=pburg(xn,14,Nfft,Fs);subplot(4,1,1)plot(f,10*log10(Pxx1);xlabel(Frequency (Hz);ylabel(Power Spectrum (dB);title(Burg f2/fs=300,Nfft=256, Oder=14);grid N=1024;Nfft=256;Fs=1000;n=0:N-1;t=n/Fs;x1=sin(2*pi*200*t);x2=sin(2*pi*250*t); %0.25xn=x1+awgn(x1,10)
8、+x2+awgn(x2,10); Pxx1,f=pburg(xn,14,Nfft,Fs);subplot(4,1,2)plot(f,10*log10(Pxx1);xlabel(Frequency (Hz);ylabel(Power Spectrum (dB);title(Burg f2/fs=250,Nfft=256, Oder=14);grid N=1024; Nfft=512; %修改数据长度512Fs=1000;n=0:N-1;t=n/Fs;x1=sin(2*pi*200*t);x2=sin(2*pi*300*t); %0.3xn=x1+awgn(x1,10)+x2+awgn(x2,10
9、); Pxx1,f=pburg(xn,14,Nfft,Fs);subplot(4,1,3)plot(f,10*log10(Pxx1);xlabel(Frequency (Hz);ylabel(Power Spectrum (dB);title(Burg f2/fs=300,Nfft=512, Oder=14);grid N=1024;Nfft=256;Fs=1000;n=0:N-1;t=n/Fs;x1=sin(2*pi*200*t);x2=sin(2*pi*300*t); %0.3xn=x1+awgn(x1,10)+x2+awgn(x2,10); Pxx1,f=pburg(xn,24,Nfft
10、,Fs); %修改阶数为24subplot(4,1,4)plot(f,10*log10(Pxx1);xlabel(Frequency (Hz);ylabel(Power Spectrum (dB);title(Burg f2/fs=300,Nfft=256, Oder=24);gridLevinson递推法N=1024;Nfft=256;Fs=1000;n=0:N-1;t=n/Fs;x1=sin(2*pi*200*t);x2=sin(2*pi*300*t); %0.3xn=x1+awgn(x1,10)+x2+awgn(x2,10); Pxx1,f=pyulear(xn,14,Nfft,Fs);
11、%Pxx1,f=Levinson(xn,14,Nfft,Fs);subplot(4,1,1)plot(f,10*log10(Pxx1);xlabel(Frequency (Hz);ylabel(Power Spectrum (dB);title(Levinson Nfft=256,f2/fs=0.3,Oder=14);grid N=1024;Nfft=256;Fs=1000;n=0:N-1;t=n/Fs;x1=sin(2*pi*200*t);x2=sin(2*pi*250*t); %0.25xn=x1+awgn(x1,10)+x2+awgn(x2,10); Pxx1,f=pyulear(xn,
12、14,Nfft,Fs);subplot(4,1,2)plot(f,10*log10(Pxx1);xlabel(Frequency (Hz);ylabel(Power Spectrum (dB);title(Levinson Nfft=256,f2/fs=0.25,Oder=14);grid N=1024; Nfft=512; %修改数据长度512Fs=1000;n=0:N-1;t=n/Fs;x1=sin(2*pi*200*t);x2=sin(2*pi*300*t); %0.3xn=x1+awgn(x1,10)+x2+awgn(x2,10); Pxx1,f=pyulear(xn,14,Nfft,
13、Fs);subplot(4,1,3)plot(f,10*log10(Pxx1);xlabel(Frequency (Hz);ylabel(Power Spectrum (dB);title(Levinson Nfft=512,f2/fs=0.3,Oder=14);grid N=1024;Nfft=256;Fs=1000;n=0:N-1;t=n/Fs;x1=sin(2*pi*200*t);x2=sin(2*pi*300*t); %0.3xn=x1+awgn(x1,10)+x2+awgn(x2,10); Pxx1,f=pyulear(xn,24,Nfft,Fs); %修改阶数为24subplot(
14、4,1,4)plot(f,10*log10(Pxx1);xlabel(Frequency (Hz);ylabel(Power Spectrum (dB);title(Levinson Nfft=256,f2/fs=0.3,Oder=24);grid最大熵法改变信号的相位、频率、信噪比N=1024;Nfft=256;Fs=1000;n=0:N-1;t=n/Fs;x1=sin(2*pi*200*t);x2=sin(2*pi*300*t); %0.3xn=x1+awgn(x1,10)+x2+awgn(x2,10); Pxx1,f=pmem(xn,14,Nfft,Fs);subplot(4,1,1)plot(f,
