子空间方法的频率估计
这个例子展示了如何使用子空间方法来解析紧密间隔的正弦波。子空间方法假设一个谐波模型,由叠加噪声中可能复杂的正弦波和组成。在复值谐波模型中,噪声也是复值的。
创建一个长度为24个样本的复值信号。该信号由两个频率分别为0.4 Hz和0.425 Hz的复指数(正弦波)和加性复高斯白噪声组成。噪声的均值和方差为零 .在复杂白噪声中,实部和虚部的方差都等于总方差的二分之一。
N = 0:23;X = exp(1j*2*pi*0.4*n) + exp(1j*2*pi*0.425*n)+...0.2 /√(2)* (randn(大小(n)) + 1 j * randn(大小(n)));
尝试用信号的功率谱来解析两个正弦波。为获得最佳效果,将泄漏设置为最大值。
pspectrum (x, n,“漏”, 1)
周期图在0.4 Hz附近有一个宽峰。您无法解析两个单独的正弦波,因为周期图的频率分辨率为1/N,在那里N是信号的长度。这里是1/N大于两个正弦波的分离。零填充无助于解析两个独立的峰值。
使用子空间方法来解决两个紧密间隔的峰。在本例中,使用MUSIC方法。估计自相关矩阵,并将自相关矩阵输入pmusic
.指定具有两个正弦分量的模型。画出结果。
[X,R] = corrmtx(X, 14,“国防部”);pmusic (1 R, 2 [],“相关系数”)
MUSIC方法能够分离0.4 Hz和0.425 Hz的两个峰值。然而,子空间方法不能像功率谱密度估计那样产生功率估计。子空间方法对于频率识别是最有用的,并且可以对模型顺序的错误规范很敏感。