主要内容

pcov

自回归功率谱密度估计协方差法

折叠所有页面

语法

pxx = pcov (x,顺序)
pxx = pcov (x,秩序,nfft)
[pxx, w] = pcov (＿＿＿）
[pxx f] = pcov (＿＿＿fs)
[pxx w] = pcov (x,秩序,w)
[pxx f] = pcov (x,秩序,f, f)
［＿＿＿] = pcov (x,秩序,＿＿＿freqrange)
［＿＿＿pxxc] = pcov (＿＿＿、“ConfidenceLevel”概率)
pcov (＿＿＿）

描述

pxx= pcov (x，订单）返回功率谱密度(PSD)估计值，pxx，离散时间信号的x，用协方差法得到。当x是一个矢量，它被视为单个通道。当x是一个矩阵，PSD独立计算每一列，并存储在pxx．pxx为单位频率功率分布。频率的单位为rad/sample。订单为用于产生PSD估计的自回归(AR)模型的阶数。

pxx= pcov (x，订单，nfft）使用nfft离散傅里叶变换(DFT)中的点。真实的x，pxx长度(nfft/ 2 + 1)nfft为偶数，且(nfft+ 1) / 2nfft是奇数。为复数x，pxx总长度nfft．如果您省略nfft，或将其指定为空pcov使用默认的DFT长度256。

［pxx，w) = pcov (＿＿＿）返回归一化角频率的矢量，w，此时估计PSD。w单位为弧度/样本。为实值信号,w跨越了时间间隔[0,π］当nfft甚至和[0,π）当nfft是奇数。为复值信号,w总是跨越这个区间[0, 2π］．

例子

［pxx，f) = pcov (＿＿＿，fs）返回一个频率矢量，f，单位时间的周期。采样频率,fs，表示单位时间内的样本数。如果时间单位是秒，那么f为周期/秒(Hz)。为实值信号,f跨越区间[0，fs/ 2)当nfft为偶数，[0，fs/ 2)nfft是奇数。为复值信号,f跨越区间[0，fs）.

［pxx，w) = pcov (x，订单，w）返回在向量中指定的归一化频率下的双边AR PSD估计，w．向量w必须包含至少两个元素，否则函数将其解释为nfft．

［pxx，f) = pcov (x，订单，f，fs）返回在向量中指定的频率下的双边AR PSD估计，f．向量f必须包含至少两个元素，否则函数将其解释为nfft．的频率f是单位时间内的周期。采样频率,fs，表示单位时间内的样本数。如果时间单位是秒，那么f为周期/秒(Hz)。

［＿＿＿) = pcov (x，订单，＿＿＿，freqrange）在指定的频率范围内返回AR PSD估计值freqrange．有效的选择freqrange是:“单向的”，双侧的,或“中心”．

［＿＿＿，pxxc) = pcov (＿＿＿“ConfidenceLevel”,概率）返回概率×中PSD估计的100%置信区间pxxc．

例子

pcov (＿＿＿）在没有输出参数的情况下，在当前的图形窗口中以每单位频率的dB为单位绘制AR PSD估计图。

例子

全部折叠

打开生活的脚本

创建一个AR(4)广义平稳随机过程的实现。使用协方差方法估计PSD。将基于单一实现的PSD估计与随机过程的真实PSD进行比较。

创建一个AR(4)系统功能。获得频率响应并绘制系统的PSD图。

A = [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)”）

图中包含一个坐标轴。轴包含一个线型对象。

创建一个实现AR(4)的随机过程。将随机数生成器设置为可重复结果的默认设置。实现长度为1000个样本。假设采样频率为1hz。使用pcov来估计四阶过程的PSD。比较PSD估计与真实PSD。

rng默认的x = randn (1000 1);y =过滤器(1,A, x);[Pxx F] = pcov (y, 1024,1);持有在情节(F, 10 * log10 (Pxx))传说(“真实功率谱密度”，“pcov PSD估计”）

图中包含一个坐标轴。轴线包含2个线型对象。这些对象代表真实功率谱密度，pcov PSD估计。

打开生活的脚本

创建一个由三个正弦信号组成的多通道信号 N （ 0 ， 1 ） 高斯白噪声。正弦波的频率是100hz, 200hz和300hz。采样频率为1 kHz，信号持续时间为1 s。

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使用协方差方法与12阶自回归模型。使用默认的DFT长度。情节的估计。

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

图中包含一个坐标轴。标题为协方差功率谱密度估计的轴包含3个类型为线的对象。

输入参数

全部折叠

输入信号，指定为行或列向量或矩阵。如果x是一个矩阵，那么它的列被视为独立的通道。

例子:因为(π/ 4 * (0:159))+ randn (1160)是单通道行向量信号。

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

数据类型:单|双
复数的支持:金宝app是的

自回归模型的顺序，指定为正整数。

数据类型:双

DFT点的数目，指定为正整数。对于实值输入信号，x， PSD估计，pxx长度(nfft/ 2 + 1)nfft为偶数，且(nfft+ 1) / 2nfft是奇数。对于复数输入信号，x， PSD估计总是有长度的nfft．如果nfft指定为空，则默认nfft使用。

数据类型:单|双

采样率，指定为一个正标量。采样率是单位时间内的采样数。如果时间的单位是秒，那么采样率的单位是Hz。

归一化频率，指定为具有至少两个元素的行或列向量。归一化频率以rad/sample为单位。

例子:W = [pi/4 pi/2]

数据类型:双

频率，指定为具有至少两个元素的行或列向量。频率以单位时间的周期为单位。单位时间由采样率确定，fs．如果fs有样本/秒的单位吗f以Hz为单位。

例子:fs = 1000;F = [100 200]

数据类型:双

PSD估计的频率范围，指定为之一“单向的”，双侧的,或“中心”．默认值是“单向的”对于实值信号和双侧的为复值信号。每个选项对应的频率范围为

  • “单向的”-返回实值输入信号的单边PSD估计，x．如果nfft是偶数,pxx长度nfft/2 + 1，在区间内计算[0,π］rad /样品。如果nfft是奇数吗pxx是(nfft+ 1)/2，区间是[0,π）rad /样品。当fs时，对应的间隔为[0，fs/2]周期/单位时间和[0，fs/2)偶数和奇数长度的周期/单位时间nfft分别。

  • 双侧的-返回实值或复值输入的双边PSD估计，x．在这种情况下,pxx长度nfft并在区间内计算[0, 2π）rad /样品。当fs时，间隔为[0，fs)周期/单位时间。

  • “中心”-返回实值或复值输入的中心双边PSD估计，x．在这种情况下,pxx长度nfft并在区间内计算(-π，π］均匀长度的Rad /样品nfft和(-π，π）拉德/奇数长度的样本nfft．当fs时，对应的间隔为(-fs/ 2,fs/2]周期/单位时间和(-fs/ 2,fs/2)偶数和奇数长度的周期/单位时间nfft分别。

真实PSD的覆盖概率，指定为范围(0,1)中的标量。输出,pxxc的下界和上界概率× 100%的真实PSD区间估计。

输出参数

全部折叠

PSD估计，返回为实值，非负列向量或矩阵。每一列的pxx对应列的PSD估算是x．PSD估计的单位是每单位频率的时间序列数据的平方幅度单位。例如，如果输入数据的单位是伏特，则PSD估计的单位是每单位频率的平方伏特。对于以伏特为单位的时间序列，如果假设电阻为1Ω并指定以赫兹为单位的采样率，则PSD估计的单位是瓦特/赫兹。

数据类型:单|双

归一化频率，返回为实值列向量。如果pxx是片面的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是一个双边PSD估计，w跨越了时间间隔[0, 2π）．对于dc为中心的PSD估计，w跨越了时间间隔(-π，π］甚至nfft和(-π，π）为奇数nfft．

数据类型:双

循环频率，作为实值列向量返回。对于片面的PSD估计，f跨越区间[0，fs/ 2)当nfft为偶数，[0，fs/ 2)nfft是奇数。对于双边PSD估计，f跨越区间[0，fs）.对于dc为中心的PSD估计，f跨越间隔(-fs/ 2,fs/2]周期/偶数长度的单位时间nfft和(-fs/ 2,fs/2)奇数长度的周期/单位时间nfft．

数据类型:双|单

置信界限，返回为具有实值元素的矩阵。矩阵的行大小等于PSD估计的长度，pxx．pxxc有两倍的列数pxx．奇数列包含置信区间的下界，偶数列包含置信区间的上界。因此,pxxc (m, 2 * n - 1)置信下限是和吗pxxc (m, 2 * n)上置信限是否与估计值相对应pxx (m, n)．置信区间的覆盖概率由的值决定概率输入。

数据类型:单|双

扩展功能

另请参阅

||

之前介绍过的R2006a

信号处理工具箱文档

金宝app

基于MATLAB的信号处理深度学习

基于MATLAB的信号处理深度学习

下载白皮书