pmtmGydF4y2Ba

多锥度功率谱密度估计GydF4y2Ba

全页折叠GydF4y2Ba

句法GydF4y2Ba

PXX = pmtm（x）的GydF4y2Ba
PXX = pmtm（X，NW）GydF4y2Ba
PXX = pmtm（X，NW，N FFT个）GydF4y2Ba
[PXX，W] = pmtm（GydF4y2Ba___GydF4y2Ba）GydF4y2Ba
[pxx f] = pmtm (GydF4y2Ba___GydF4y2Ba，FS）GydF4y2Ba
[PXX，W] = pmtm（X，NW，W）GydF4y2Ba
[PXX中，f] = pmtm（X，NW，F，FS）GydF4y2Ba
[GydF4y2Ba___GydF4y2Ba] = pmtm（GydF4y2Ba___GydF4y2Ba、方法)GydF4y2Ba
[GydF4y2Ba___GydF4y2Ba] = pmtm（X，E，V）GydF4y2Ba
[GydF4y2Ba___GydF4y2Ba] = pmtm（X，dpss_params）GydF4y2Ba
[GydF4y2Ba___GydF4y2Ba] = pmtm（GydF4y2Ba___GydF4y2Ba， 'DropLastTaper'，dropflag）GydF4y2Ba
[GydF4y2Ba___GydF4y2Ba] = pmtm（GydF4y2Ba___GydF4y2Ba，freqrange）GydF4y2Ba
[GydF4y2Ba___GydF4y2Bapxxc] = pmtm (GydF4y2Ba___GydF4y2Ba、“ConfidenceLevel”概率)GydF4y2Ba
pmtm（GydF4y2Ba___GydF4y2Ba）GydF4y2Ba

描述GydF4y2Ba

例GydF4y2Ba

pxxGydF4y2Ba= pmtm（GydF4y2BaXGydF4y2Ba）GydF4y2Ba返回Thomson的多窗口的功率谱密度（PSD）的估计，GydF4y2BapxxGydF4y2Ba中，输入信号的，GydF4y2BaXGydF4y2Ba。什么时候GydF4y2BaXGydF4y2Ba是一个向量，它被视为一个单个信道。什么时候GydF4y2BaXGydF4y2Ba是一个矩阵，所述PSD被独立地计算每个列和存储在相应的列GydF4y2BapxxGydF4y2Ba。锥度是离散扁长椭球（DPSS），或的Slepian，序列。时间的半峰宽，GydF4y2BaNWGydF4y2Ba，产品4.默认情况下，GydF4y2BapmtmGydF4y2Ba使用第一2×GydF4y2BaNWGydF4y2Ba- 1个DPSS序列。如果GydF4y2BaXGydF4y2Ba实值,GydF4y2BapxxGydF4y2Ba是单侧PSD估计。如果GydF4y2BaXGydF4y2Ba是复数，GydF4y2BapxxGydF4y2Ba是一个双边的PSD估计。点数，GydF4y2BaNFFTGydF4y2Ba，在离散傅里叶变换(DFT)中，最大值为256或下一阶的2次方大于信号长度。GydF4y2Ba

例GydF4y2Ba

pxxGydF4y2Ba= pmtm（GydF4y2BaXGydF4y2Ba，GydF4y2BaNWGydF4y2Ba）GydF4y2Ba使用的时候，半峰宽的产品，GydF4y2BaNWGydF4y2Ba，以获得多锥度PSD估计值。时间-半带宽乘积控制多锥度估计的频率分辨率。GydF4y2BapmtmGydF4y2Ba采用2×GydF4y2BaNWGydF4y2Ba- 在PSD估计1个的Slepian锥度。GydF4y2Ba

例GydF4y2Ba

pxxGydF4y2Ba= pmtm（GydF4y2BaXGydF4y2Ba，GydF4y2BaNWGydF4y2Ba，GydF4y2BaNFFTGydF4y2Ba）GydF4y2Ba使用GydF4y2BaNFFTGydF4y2Ba在DFT点。如果GydF4y2BaNFFTGydF4y2Ba大于信号长度，GydF4y2BaXGydF4y2Ba长度是零填充的吗GydF4y2BaNFFTGydF4y2Ba。如果GydF4y2BaNFFTGydF4y2Ba小于信号长度，信号是按模封装的吗GydF4y2BaNFFTGydF4y2Ba。GydF4y2Ba

[GydF4y2BapxxGydF4y2Ba，GydF4y2Baw ^GydF4y2Ba] = pmtm（GydF4y2Ba___GydF4y2Ba）GydF4y2Ba返回归一化的频率向量，GydF4y2Baw ^GydF4y2Ba。如果GydF4y2BapxxGydF4y2Ba是单面PSD估计，GydF4y2Baw ^GydF4y2Ba跨越间隔[0，π]如果GydF4y2BaNFFTGydF4y2Ba均匀，[0，GydF4y2BaπGydF4y2Ba）如果GydF4y2BaNFFTGydF4y2Ba是奇数。如果GydF4y2BapxxGydF4y2Ba是双面PSD估计，GydF4y2Baw ^GydF4y2Ba跨越区间[0,2]GydF4y2BaπGydF4y2Ba）。GydF4y2Ba

例GydF4y2Ba

[GydF4y2BapxxGydF4y2Ba，GydF4y2BaFGydF4y2Ba] = pmtm（GydF4y2Ba___GydF4y2Ba，GydF4y2BaFSGydF4y2Ba）GydF4y2Ba返回一个频率向量，GydF4y2BaFGydF4y2Ba，在每单位时间的周期。采样率，GydF4y2BaFSGydF4y2Ba，为单位时间内的采样数。如果时间的单位是秒，那么GydF4y2BaFGydF4y2Ba在周期/秒（Hz）的。对于实值信号，GydF4y2BaFGydF4y2Ba跨度区间[0，GydF4y2BaFSGydF4y2Ba/ 2)当GydF4y2BaNFFTGydF4y2Ba均匀，[0，GydF4y2BaFSGydF4y2Ba/ 2)GydF4y2BaNFFTGydF4y2Ba是奇数。对于复值信号，GydF4y2BaFGydF4y2Ba跨度区间[0，GydF4y2BaFSGydF4y2Ba）。GydF4y2BaFSGydF4y2Ba第四个输入必须是GydF4y2BapmtmGydF4y2Ba。输入采样率并且仍然使用的前述的可选参数的默认值，如空指定这些参数，GydF4y2Ba[]GydF4y2Ba。GydF4y2Ba

[GydF4y2BapxxGydF4y2Ba，GydF4y2Baw ^GydF4y2Ba] = pmtm（GydF4y2BaXGydF4y2Ba，GydF4y2BaNWGydF4y2Ba，GydF4y2Baw ^GydF4y2Ba）GydF4y2Ba在指定的归一化频率返回双面多窗口PSD估计GydF4y2Baw ^GydF4y2Ba。矢量GydF4y2Baw ^GydF4y2Ba必须包含至少两个元件，因为否则该函数将其解释为GydF4y2BaNFFTGydF4y2Ba。GydF4y2Ba

[GydF4y2BapxxGydF4y2Ba，GydF4y2BaFGydF4y2Ba] = pmtm（GydF4y2BaXGydF4y2Ba，GydF4y2BaNWGydF4y2Ba，GydF4y2BaFGydF4y2Ba，GydF4y2BaFSGydF4y2Ba）GydF4y2Ba在矢量中指定频率返回双面多窗口PSD估计，GydF4y2BaFGydF4y2Ba。矢量GydF4y2BaFGydF4y2Ba必须包含至少两个元件，因为否则该函数将其解释为GydF4y2BaNFFTGydF4y2Ba。在频率GydF4y2BaFGydF4y2Ba是在每单位时间的周期。采样率，GydF4y2BaFSGydF4y2Ba，为单位时间内的采样数。如果时间的单位是秒，那么GydF4y2BaFGydF4y2Ba是在次/秒（Hz）的。GydF4y2Ba

例GydF4y2Ba

[GydF4y2Ba___GydF4y2Ba] = pmtm（GydF4y2Ba___GydF4y2Ba，GydF4y2Ba方法GydF4y2Ba）GydF4y2Ba使用该方法结合了单个锥形PSD估计，GydF4y2Ba方法GydF4y2Ba。GydF4y2Ba方法GydF4y2Ba可以是一个：GydF4y2Ba“适应”GydF4y2Ba(默认),GydF4y2Ba“本征”GydF4y2Ba,或GydF4y2Ba“团结”GydF4y2Ba。GydF4y2Ba

例GydF4y2Ba

[GydF4y2Ba___GydF4y2Ba] = pmtm（GydF4y2BaXGydF4y2Ba，GydF4y2BaËGydF4y2Ba，GydF4y2BavGydF4y2Ba）GydF4y2Ba使用n×k矩阵中的锥度GydF4y2BaËGydF4y2Ba与浓度GydF4y2BavGydF4y2Ba在频带[ -GydF4y2Baw ^GydF4y2Ba，GydF4y2Baw ^GydF4y2Ba]。N是输入信号的长度，GydF4y2BaXGydF4y2Ba。采用GydF4y2BaDPSSGydF4y2Ba以获得雪撬锥度和相应的浓度。GydF4y2Ba

[GydF4y2Ba___GydF4y2Ba] = pmtm（GydF4y2BaXGydF4y2Ba，GydF4y2Badpss_paramsGydF4y2Ba）GydF4y2Ba使用单元阵列，GydF4y2Badpss_paramsGydF4y2Ba，通过输入参数GydF4y2BaDPSSGydF4y2Ba除了序列中元素的数量。序列中的元素数是第一个输入参数GydF4y2BaDPSSGydF4y2Ba并且不包括在GydF4y2Badpss_paramsGydF4y2Ba。这种用法的一个例子是GydF4y2BaPXX = pmtm（randn（1000,1），{2.5,3}）GydF4y2Ba。GydF4y2Ba

例GydF4y2Ba

[GydF4y2Ba___GydF4y2Ba] = pmtm（GydF4y2Ba___GydF4y2Ba“DropLastTaper”,GydF4y2BadropflagGydF4y2Ba）GydF4y2Ba指定是否GydF4y2BapmtmGydF4y2Ba在多锥度PSD估计的计算中去掉最后一个锥度。GydF4y2BadropflagGydF4y2Ba是一个逻辑。的默认值GydF4y2BadropflagGydF4y2Ba是GydF4y2Ba真正GydF4y2Ba最后锥不是在PSD估计中使用。GydF4y2Ba

例GydF4y2Ba

[GydF4y2Ba___GydF4y2Ba] = pmtm（GydF4y2Ba___GydF4y2Ba，GydF4y2BafreqrangeGydF4y2Ba）GydF4y2Ba返回多窗口PSD估计在由指定的频率范围内GydF4y2BafreqrangeGydF4y2Ba。有效的选择GydF4y2BafreqrangeGydF4y2Ba是GydF4y2Ba“单向的”GydF4y2Ba，GydF4y2Ba“双侧”GydF4y2Ba和GydF4y2Ba“中心”GydF4y2Ba。GydF4y2Ba

例GydF4y2Ba

[GydF4y2Ba___GydF4y2Ba，GydF4y2BapxxcGydF4y2Ba] = pmtm（GydF4y2Ba___GydF4y2Ba'ConfidenceLevel'，GydF4y2Ba概率GydF4y2Ba）GydF4y2Ba返回GydF4y2Ba概率GydF4y2Ba×PSD估计的100%置信区间GydF4y2BapxxcGydF4y2Ba。GydF4y2Ba

例GydF4y2Ba

pmtm（GydF4y2Ba___GydF4y2Ba）GydF4y2Ba不带输出参数绘制在当前图形窗口中的多窗口PSD估计。GydF4y2Ba

例子GydF4y2Ba

全部收缩GydF4y2Ba

开立真实脚本GydF4y2Ba

获得输入信号组成的离散时间正弦曲线的带的角频率的多窗口PSD估计GydF4y2Ba πGydF4y2Ba /GydF4y2Ba 4GydF4y2Ba 与添加剂弧度/样品GydF4y2BañGydF4y2Ba(0,1)白噪声。GydF4y2Ba

创建一个角频率为的正弦波GydF4y2Ba πGydF4y2Ba /GydF4y2Ba 4GydF4y2Ba 与添加剂弧度/样品GydF4y2BañGydF4y2Ba(0,1)白噪声。信号长度为320个样本。使用4和DFT长度的默认时间-半带宽乘积获得多锥度PSD估计值。的DFT点的默认数目为512。因为该信号被实值时，PSD估计是片面的，有在PSD估计2分之512+ 1个点。GydF4y2Ba

n = 0:319;x = cos(π/ 4 * n) + randn(大小(n));PXX = pmtm（X）;GydF4y2Ba

画出多窗口PSD估计。GydF4y2Ba

pmtm (x)GydF4y2Ba

开立真实脚本GydF4y2Ba

获取多窗口PSD评估与指定的时间，半峰宽的产品。GydF4y2Ba

创建一个角频率为的正弦波GydF4y2Ba πGydF4y2Ba /GydF4y2Ba 4GydF4y2Ba 与添加剂弧度/样品GydF4y2BañGydF4y2Ba(0,1)白噪声。信号长度为320个样本。用2.5的时间-半带宽乘积得到多锥度PSD估计值。分辨率带宽为GydF4y2Ba [GydF4y2Ba -GydF4y2Ba 2GydF4y2Ba 。GydF4y2Ba 五GydF4y2Ba πGydF4y2Ba /GydF4y2Ba 3GydF4y2Ba 2GydF4y2Ba 0GydF4y2Ba ，GydF4y2Ba 2GydF4y2Ba 。GydF4y2Ba 五GydF4y2Ba πGydF4y2Ba /GydF4y2Ba 3GydF4y2Ba 2GydF4y2Ba 0GydF4y2Ba ]GydF4y2Ba rad /样品。的DFT点的默认数目为512。因为该信号被实值时，PSD估计是片面的，有在PSD估计2分之512+ 1个点。GydF4y2Ba

n = 0:319;x = cos(π/ 4 * n) + randn(大小(n));pmtm (2.5 x))GydF4y2Ba

开立真实脚本GydF4y2Ba

获得输入信号组成的离散时间正弦曲线的带的角频率的多窗口PSD估计GydF4y2Ba πGydF4y2Ba /GydF4y2Ba 4GydF4y2Ba 与添加剂弧度/样品GydF4y2BañGydF4y2Ba(0,1)白噪声。使用与信号长度相等的DFT长度。GydF4y2Ba

创建一个角频率为的正弦波GydF4y2Ba πGydF4y2Ba /GydF4y2Ba 4GydF4y2Ba 与添加剂弧度/样品GydF4y2BañGydF4y2Ba(0,1)白噪声。信号长度为320个样本。用3的时间-半带宽积和等于信号长度的DFT长度得到多锥PSD估计。因为信号是实值的，所以默认情况下返回的是片面的PSD估计值，长度等于320/2+1。GydF4y2Ba

n = 0:319;x = cos(π/ 4 * n) + randn(大小(n));pmtm (x 3长度(x))GydF4y2Ba

开立真实脚本GydF4y2Ba

获得在1kHz采样的信号的多窗口PSD估计。该信号是在添加剂的100赫兹的正弦波GydF4y2BañGydF4y2Ba(0,1)白噪声。信号持续时间为2秒。使用3和DFT长度等于信号长度的时间-半带宽乘积。GydF4y2Ba

fs = 1000;t = 0:1 / fs: 2 - 1 / f;x = cos(2 *π* 100 * t) + randn(大小(t));[PXX中，f] = pmtm（X，如图3所示，长度（X），FS）;GydF4y2Ba

画出多窗口PSD估计。GydF4y2Ba

pmtm（X，如图3所示，长度（X），FS）GydF4y2Ba

开立真实脚本GydF4y2Ba

得到多窗口PSD估计其中各个锥形直接频谱估计给出相等权重的平均值。GydF4y2Ba

获得在1kHz采样的信号的多窗口PSD估计。该信号是在添加剂的100赫兹的正弦波GydF4y2BañGydF4y2Ba(0,1)白噪声。信号持续时间为2秒。使用3的时间-半带宽乘积和等于信号长度的DFT长度。使用GydF4y2Ba“团结”GydF4y2Ba选项给每个单独的锥形直接频谱估计给予同等重量的平均值。GydF4y2Ba

fs = 1000;t = 0:1 / fs: 2 - 1 / f;x = cos(2 *π* 100 * t) + randn(大小(t));[pxx f] = pmtm (x, 3,长度(x), fs,GydF4y2Ba“团结”GydF4y2Ba）;GydF4y2Ba

画出多窗口PSD估计。GydF4y2Ba

pmtm（X，如图3所示，长度（X），FS，GydF4y2Ba“团结”GydF4y2Ba）GydF4y2Ba

开立真实脚本GydF4y2Ba

这个例子检验了DPSS序列的频域浓度。该示例通过预先计算Slepian序列，并只选择那些将99%以上的能量集中在分辨率带宽上的输入信号，从而产生输入信号的多锥度PSD估计值。GydF4y2Ba

该信号是在添加剂的100赫兹的正弦波GydF4y2BañGydF4y2Ba(0,1)白噪声。信号持续时间为2秒。GydF4y2Ba

fs = 1000;t = 0:1 / fs: 2 - 1 / f;x = cos(2 *π* 100 * t) + randn(大小(t));GydF4y2Ba

时间半峰宽的产品设置为3.5。对于2000个样品的信号长度和0.001秒的采样间隔，这导致赫兹[-1.75,1.75]分辨率带宽。计算第一10个的Slepian序列，并检查在指定的分辨率带宽它们的频率的浓度。GydF4y2Ba

[E，V] = DPSS（长度（X），3.5,10）;茎（1：长度（V），V，GydF4y2Ba'填充'GydF4y2Ba）ylim（[0 1.2]）标题（GydF4y2Ba“能源的比例[-w，W]的k个的Slepian序列”GydF4y2Ba）GydF4y2Ba

确定能量浓度大于99%的Slepian序列的数量。利用选定的DPSS序列，得到多锥度PSD估计。集GydF4y2Ba'DropLastTaper'GydF4y2Ba来GydF4y2Ba假GydF4y2Ba使用所有选择的锥体。GydF4y2Ba

保持GydF4y2Ba在GydF4y2Ba图（1：长度（V），0.99 *酮（长度（V），1））GydF4y2Ba

idx =找到(v > 0.99, 1GydF4y2Ba'持续'GydF4y2Ba）GydF4y2Ba
idx = 5GydF4y2Ba
[pxx f] = pmtm (x, e (:, 1: idx), v (1: idx),长度(x), fs,GydF4y2Ba'DropLastTaper'GydF4y2Ba、假);GydF4y2Ba

画出多窗口PSD估计。GydF4y2Ba

图pmtm（X，E（：，1：IDX），V（1：IDX），长度（X），FS，GydF4y2Ba'DropLastTaper'GydF4y2Ba，假）GydF4y2Ba

开立真实脚本GydF4y2Ba

在加法中得到100hz正弦波的多锥度PSD估计GydF4y2BañGydF4y2Ba(0,1)噪音。在1kHz的数据被取样。使用GydF4y2Ba“中心”GydF4y2Ba选项获取以dc为中心的PSD。GydF4y2Ba

fs = 1000;t = 0:1 / fs: 2 - 1 / f;x = cos(2 *π* 100 * t) + randn(大小(t));[pxx f] = pmtm (x, 3.5,长度(x), fs,GydF4y2Ba“中心”GydF4y2Ba）;GydF4y2Ba

绘制以dc为中心的PSD估计值。GydF4y2Ba

pmtm（X，3.5，长度（X），FS，GydF4y2Ba“中心”GydF4y2Ba）GydF4y2Ba

开立真实脚本GydF4y2Ba

下面的例子说明与多窗口PSD估计使用信心界。虽然没有统计显着性的必要条件，在多窗口PSD估计，其中约束下的信心超过了开往清楚周围PSD估计置信上限频率，表明在时间序列显著振荡。GydF4y2Ba

创建一个信号组成的叠加100赫兹和150赫兹的正弦波加白色GydF4y2BañGydF4y2Ba(0,1)噪音。这两个正弦波的振幅是1。采样频率为1khz。信号持续时间为2秒。GydF4y2Ba

fs = 1000;t = 0:1 / fs: 2 - 1 / f;X = COS（2 * PI * 100 * T）+ COS（2 * PI * 150 * T）+ randn（大小（T））;GydF4y2Ba

获取多窗口PSD估计有95％的-confidence界限。画出PSD估计与置信区间一起并放大的靠近100和150赫兹感兴趣的频率范围。GydF4y2Ba

[pxx f, pxxc] = pmtm (x, 3.5,长度(x), fs,GydF4y2Ba“ConfidenceLevel”GydF4y2Ba，0.95）;图（男，10 * LOG10（PXX））保持GydF4y2Ba在GydF4y2Ba情节(f, 10 * log10 (pxxc),GydF4y2Ba'R-'。GydF4y2Ba）XLIM（[85 175]）xlabel（GydF4y2Ba'赫兹'GydF4y2Ba）ylabel（GydF4y2Ba“数据库”GydF4y2Ba)标题(GydF4y2Ba“多窗口PSD估计有95％的-Confidence界”GydF4y2Ba）GydF4y2Ba

紧挨100和150赫兹附近的下可信限明显高于100和150赫兹以外的上可信限。GydF4y2Ba

开立真实脚本GydF4y2Ba

生成1024个样本的多通道信号组成的三个正弦相加GydF4y2Ba ñGydF4y2Ba （GydF4y2Ba 0GydF4y2Ba ，GydF4y2Ba 1GydF4y2Ba ）GydF4y2Ba 高斯白噪声。正弦曲线的频率是GydF4y2Ba πGydF4y2Ba /GydF4y2Ba 2GydF4y2Ba ，GydF4y2Ba πGydF4y2Ba /GydF4y2Ba 3GydF4y2Ba 和GydF4y2Ba πGydF4y2Ba /GydF4y2Ba 4GydF4y2Ba rad /样品。利用汤姆逊多锥度法估计信号的PSD并作图。GydF4y2Ba

N = 1024;N = 0：N-1;W = pi./[2;3;4];X = COS（W * N）” + randn（长度（n）的，3）;pmtm (x)GydF4y2Ba

输入参数GydF4y2Ba

全部收缩GydF4y2Ba

输入信号，指定为行或列向量，或矩阵。如果GydF4y2BaXGydF4y2Ba为矩阵，则其列视为独立的通道。GydF4y2Ba

例子:GydF4y2BaCOS（π/ 4 *（0：159））+ randn（1160）GydF4y2Ba是一个单信道的行矢量信号。GydF4y2Ba

例子:GydF4y2Ba因为(pi. / (4; 2) * (0:159)) ' + randn (160 2)GydF4y2Ba是双通道信号。GydF4y2Ba

数据类型:GydF4y2Ba单GydF4y2Ba|GydF4y2Ba双GydF4y2Ba
复数支持：金宝appGydF4y2Ba是的GydF4y2Ba

时间的半峰宽的产品，指定为正标量。在多窗口谱估计中，用户指定的多窗口估计的分辨率带宽GydF4y2Ba(- - - - - -GydF4y2Baw ^GydF4y2Ba，GydF4y2Baw ^GydF4y2Ba]GydF4y2Ba在哪里GydF4y2Baw ^GydF4y2Ba=GydF4y2BaķGydF4y2Ba/GydF4y2BañGydF4y2BaΔGydF4y2BaŤGydF4y2Ba对于一些小型GydF4y2BaķGydF4y2Ba> 1GydF4y2Ba。同样,GydF4y2Baw ^GydF4y2Ba是DFT频率分辨率的一个小倍数。时间半带宽积是分辨率半带宽与输入信号中采样数的乘积，GydF4y2BañGydF4y2Ba。其傅里叶变换充分集中的斯莱扁锥的数目GydF4y2Ba(- - - - - -GydF4y2Baw ^GydF4y2Ba，GydF4y2Baw ^GydF4y2Ba]GydF4y2Ba（特征值接近单位）是GydF4y2Ba2GydF4y2BaNWGydF4y2Ba- 1GydF4y2Ba。GydF4y2Ba

指定为正整数的DFT点的数目。对于实值输入信号，GydF4y2BaXGydF4y2Ba中，PSD估计，GydF4y2BapxxGydF4y2Ba具有长度（GydF4y2BaNFFTGydF4y2Ba/ 2 + 1），如果GydF4y2BaNFFTGydF4y2Ba为偶数，且(GydF4y2BaNFFTGydF4y2Ba+ 1)/ 2GydF4y2BaNFFTGydF4y2Ba是奇数。对于复值输入信号，GydF4y2BaXGydF4y2Ba中，PSD估计总是具有长度GydF4y2BaNFFTGydF4y2Ba。如果GydF4y2BaNFFTGydF4y2Ba是否指定为空，默认GydF4y2BaNFFTGydF4y2Ba用来。GydF4y2Ba

数据类型:GydF4y2Ba单GydF4y2Ba|GydF4y2Ba双GydF4y2Ba

采样率，指定为正的标量。采样率是单位时间内采样的数量。如果时间单位是秒，那么采样率的单位是Hz。GydF4y2Ba

归一化频率，指定为具有至少两个元素的行或列向量。归一化频率在rad/sample中。GydF4y2Ba

例子:GydF4y2Baw = [pi/4 pi/2]GydF4y2Ba

数据类型:GydF4y2Ba双GydF4y2Ba

频率，指定为具有至少两个元素的行或列向量。频率是以单位时间为周期的。单位时间由采样率表示，GydF4y2BaFSGydF4y2Ba。如果GydF4y2BaFSGydF4y2Ba具有采样/秒为单位，然后GydF4y2BaFGydF4y2Ba具有单位为Hz。GydF4y2Ba

例子:GydF4y2Bafs = 1000;f = [100 200]GydF4y2Ba

数据类型:GydF4y2Ba双GydF4y2Ba

对各个锥形PSD估计值的权重，指定为其中之一GydF4y2Ba“适应”GydF4y2Ba，GydF4y2Ba“本征”GydF4y2Ba,或GydF4y2Ba“团结”GydF4y2Ba。默认值是汤姆逊自适应频率相关权重，GydF4y2Ba“适应”GydF4y2Ba。这些权重的计算是对PP 368-370中详述。GydF4y2Ba[1]GydF4y2Ba。的GydF4y2Ba“本征”GydF4y2Ba方法根据相应的Slepian锥度的特征值(频率浓度)对每个锥形PSD估计进行加权。的GydF4y2Ba“团结”GydF4y2Ba方法的权重每个锥形PSD同样估计。GydF4y2Ba

DPSS (Slepian)序列，指定为N×k矩阵，其中N为输入信号的长度，GydF4y2BaXGydF4y2Ba。矩阵GydF4y2BaËGydF4y2Ba是的输出GydF4y2BaDPSSGydF4y2Ba。GydF4y2Ba

特征值DPSS（的Slepian）序列，指定为列向量。用于DPSS序列特征值表示集中在分辨率带宽的序列能量的比例，[ -GydF4y2Baw ^GydF4y2Ba，GydF4y2Baw ^GydF4y2Ba]。特征值的范围位于区间(0,1)，一般是前2GydF4y2BaNWGydF4y2Ba-1的特征值接近1，然后向0减小。GydF4y2Ba

输入参数为GydF4y2BaDPSSGydF4y2Ba，指定为单元格数组。的第一个输入参数GydF4y2BaDPSSGydF4y2Ba是DPSS序列的长度，并且从省略GydF4y2Badpss_paramsGydF4y2Ba。的DPSS序列的长度是从输入信号的长度而获得，GydF4y2BaXGydF4y2Ba。GydF4y2Ba

例子:GydF4y2Ba{} 3.5,5GydF4y2Ba

标志指示是否丢弃或保持最后DPSS序列，指定为逻辑。默认值是GydF4y2Ba真正GydF4y2Ba和GydF4y2BapmtmGydF4y2Ba丢弃最后锥度。在一个多窗口估计，第一2GydF4y2BaNWGydF4y2Ba- 1个DPSS序列具有本征值接近于1。如果你用不到2GydF4y2BaNWGydF4y2Ba- 1个序列，很可能所有的锥度具有特征值接近1，你可以指定GydF4y2BadropflagGydF4y2Ba如GydF4y2Ba假GydF4y2Ba保留最后的锥度。GydF4y2Ba

频率范围为PSD估计，指定为一个一GydF4y2Ba“单向的”GydF4y2Ba，GydF4y2Ba“双侧”GydF4y2Ba,或GydF4y2Ba“中心”GydF4y2Ba。默认值是GydF4y2Ba“单向的”GydF4y2Ba为实值信号GydF4y2Ba“双侧”GydF4y2Ba对于复值信号。对应于每个选项的频率范围是GydF4y2Ba

  • “单向的”GydF4y2Ba-返回实值输入信号的单边PSD估计值，GydF4y2BaXGydF4y2Ba。如果GydF4y2BaNFFTGydF4y2Ba甚至，GydF4y2BapxxGydF4y2Ba有长度GydF4y2BaNFFTGydF4y2Ba/2 + 1，在区间内计算GydF4y2Ba[0，GydF4y2BaπGydF4y2Ba]GydF4y2Barad /样品。如果GydF4y2BaNFFTGydF4y2Ba是奇数，长度GydF4y2BapxxGydF4y2Ba是(GydF4y2BaNFFTGydF4y2Ba+ 1）/ 2和时间间隔为GydF4y2Ba[0，GydF4y2BaπGydF4y2Ba）GydF4y2Barad /样品。什么时候GydF4y2BaFSGydF4y2Ba任选地指定时，相应的间隔[0，GydF4y2BaFSGydF4y2Ba[2]周期/单位时间和[0，GydF4y2BaFSGydF4y2Ba/ 2）周期/单位时间为奇数和偶数长度GydF4y2BaNFFTGydF4y2Ba分别。GydF4y2Ba

  • “双侧”GydF4y2Ba- 返回双面PSD估计任一实值或复值输入，GydF4y2BaXGydF4y2Ba。在这种情况下，GydF4y2BapxxGydF4y2Ba有长度GydF4y2BaNFFTGydF4y2Ba和计算在间隔GydF4y2Ba[0,2GydF4y2BaπGydF4y2Ba）GydF4y2Barad /样品。什么时候GydF4y2BaFSGydF4y2Ba可选指定，间隔为[0，GydF4y2BaFSGydF4y2Ba）周期/单位时间。GydF4y2Ba

  • “中心”GydF4y2Ba-返回实值或复值输入的双侧PSD估计值，GydF4y2BaXGydF4y2Ba。在这种情况下，GydF4y2BapxxGydF4y2Ba有长度GydF4y2BaNFFTGydF4y2Ba和计算在间隔GydF4y2Ba（ -GydF4y2BaπGydF4y2Ba，GydF4y2BaπGydF4y2Ba]GydF4y2Ba对于偶数长度弧度/样品GydF4y2BaNFFTGydF4y2Ba和GydF4y2Ba（ -GydF4y2BaπGydF4y2Ba，GydF4y2BaπGydF4y2Ba）GydF4y2Ba对于奇数长度弧度/样品GydF4y2BaNFFTGydF4y2Ba。什么时候GydF4y2BaFSGydF4y2Ba任选地指定时，相应的间隔是（ -GydF4y2BaFSGydF4y2Ba/ 2,GydF4y2BaFSGydF4y2Ba/ 2]次/单位时间和（ -GydF4y2BaFSGydF4y2Ba/ 2,GydF4y2BaFSGydF4y2Ba/ 2）周期/单位时间为奇数和偶数长度GydF4y2BaNFFTGydF4y2Ba分别。GydF4y2Ba

覆盖概率为真PSD，指定为在范围（0,1）一个标量。输出，GydF4y2BapxxcGydF4y2Ba包含的所述下限和上限GydF4y2Ba概率GydF4y2Ba×100％区间估计为真PSD。GydF4y2Ba

输出参数GydF4y2Ba

全部收缩GydF4y2Ba

PSD估计，返回为实值，非负列向量或矩阵。的每一列GydF4y2BapxxGydF4y2Ba是的相应列的PSD估计GydF4y2BaXGydF4y2Ba。PSD估计的单位是每单位频率时间序列数据的平方大小单位。例如，如果输入数据的单位是伏特，那么PSD估计值的单位是单位频率的平方伏特。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。GydF4y2Ba

数据类型:GydF4y2Ba单GydF4y2Ba|GydF4y2Ba双GydF4y2Ba

归一化频率，返回为实值的列向量。如果GydF4y2BapxxGydF4y2Ba是单面PSD估计，GydF4y2Baw ^GydF4y2Ba跨越的时间间隔GydF4y2Ba[0，GydF4y2BaπGydF4y2Ba]GydF4y2Ba如果GydF4y2BaNFFTGydF4y2Ba甚至和GydF4y2Ba[0，GydF4y2BaπGydF4y2Ba）GydF4y2Ba如果GydF4y2BaNFFTGydF4y2Ba是奇数。如果GydF4y2BapxxGydF4y2Ba是双面PSD估计，GydF4y2Baw ^GydF4y2Ba跨越的时间间隔GydF4y2Ba[0,2GydF4y2BaπGydF4y2Ba）GydF4y2Ba。用于DC为中心的PSD估计，GydF4y2Baw ^GydF4y2Ba跨越的时间间隔GydF4y2Ba（ -GydF4y2BaπGydF4y2Ba，GydF4y2BaπGydF4y2Ba]GydF4y2Ba甚至GydF4y2BaNFFTGydF4y2Ba和GydF4y2Ba（ -GydF4y2BaπGydF4y2Ba，GydF4y2BaπGydF4y2Ba）GydF4y2Ba为奇数GydF4y2BaNFFTGydF4y2Ba。GydF4y2Ba

数据类型:GydF4y2Ba双GydF4y2Ba

周期性频率返回为实值列向量。对于单面PSD估计，GydF4y2BaFGydF4y2Ba跨度区间[0，GydF4y2BaFSGydF4y2Ba/ 2)当GydF4y2BaNFFTGydF4y2Ba均匀，[0，GydF4y2BaFSGydF4y2Ba/ 2)GydF4y2BaNFFTGydF4y2Ba是奇数。对于双面PSD估计，GydF4y2BaFGydF4y2Ba跨度区间[0，GydF4y2BaFSGydF4y2Ba）。用于DC为中心的PSD估计，GydF4y2BaFGydF4y2Ba跨度的间隔（ -GydF4y2BaFSGydF4y2Ba/ 2,GydF4y2BaFSGydF4y2Ba/ 2]次/单位时间为偶数长度GydF4y2BaNFFTGydF4y2Ba和（ -GydF4y2BaFSGydF4y2Ba/ 2,GydF4y2BaFSGydF4y2Ba/2)周期/单位时间为奇数长度GydF4y2BaNFFTGydF4y2Ba。GydF4y2Ba

数据类型:GydF4y2Ba双GydF4y2Ba|GydF4y2Ba单GydF4y2Ba

置信区间，返回与实值元素的矩阵。该矩阵的行大小等于PSD估计的长度，GydF4y2BapxxGydF4y2Ba。GydF4y2BapxxcGydF4y2Ba有两倍多的列GydF4y2BapxxGydF4y2Ba。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,GydF4y2Bapxxc（M，2 * N-1）GydF4y2Ba下置信区间是和吗GydF4y2Bapxxc（M，2 * n）的GydF4y2Ba在上部信心绑定对应于估计GydF4y2BaPXX（M，N）GydF4y2Ba。置信区间的覆盖概率由的值确定GydF4y2Ba概率GydF4y2Ba输入。GydF4y2Ba

数据类型:GydF4y2Ba单GydF4y2Ba|GydF4y2Ba双GydF4y2Ba

更多关于GydF4y2Ba

全部收缩GydF4y2Ba

离散长椭球序列GydF4y2Ba

Slepian序列的推导是从离散-时间-连续的频率集中问题出发的。对所有GydF4y2BaℓGydF4y2Ba2GydF4y2Ba序列索引限于GydF4y2Ba0,1,…,GydF4y2BañGydF4y2Ba- 1GydF4y2Ba，问题寻求具有在频带其能量的最大浓度的序列GydF4y2Ba(- - - - - -GydF4y2Baw ^GydF4y2Ba，GydF4y2Baw ^GydF4y2Ba]GydF4y2Ba同GydF4y2Ba|GydF4y2Baw ^GydF4y2Ba|<1 /2ΔGydF4y2BaŤGydF4y2Ba。GydF4y2Ba

这就等于找到an的特征值和对应的特征向量GydF4y2BañGydF4y2Ba-通过-GydF4y2BañGydF4y2Ba自伴半正定运营商。因此，本征值是真实的，非负和对应于不同特征值的特征向量相互正交。在这个特定的问题，本征值是由1界定和特征值是序列的能量集中在频率间隔中的度量GydF4y2Ba(- - - - - -GydF4y2Baw ^GydF4y2Ba，GydF4y2Baw ^GydF4y2Ba]GydF4y2Ba。GydF4y2Ba

特征值问题由下式给出GydF4y2Ba

∑GydF4y2Ba ñGydF4y2Ba =GydF4y2Ba 0GydF4y2Ba ñGydF4y2Ba −GydF4y2Ba 1GydF4y2Ba 罪GydF4y2Ba （GydF4y2Ba 2GydF4y2Ba πGydF4y2Ba w ^GydF4y2Ba （GydF4y2Ba ñGydF4y2Ba −GydF4y2Ba 米GydF4y2Ba ）GydF4y2Ba ）GydF4y2Ba πGydF4y2Ba （GydF4y2Ba ñGydF4y2Ba −GydF4y2Ba 米GydF4y2Ba ）GydF4y2Ba GGydF4y2Ba ñGydF4y2Ba =GydF4y2Ba λGydF4y2Ba ķGydF4y2Ba （GydF4y2Ba ñGydF4y2Ba ，GydF4y2Ba w ^GydF4y2Ba ）GydF4y2Ba GGydF4y2Ba 米GydF4y2Ba 米GydF4y2Ba =GydF4y2Ba 0GydF4y2Ba ，GydF4y2Ba 1GydF4y2Ba ，GydF4y2Ba 2GydF4y2Ba ，GydF4y2Ba ...GydF4y2Ba ，GydF4y2Ba ñGydF4y2Ba −GydF4y2Ba 1GydF4y2Ba

0阶DPSS序列，GydF4y2BaGGydF4y2Ba0GydF4y2Ba是对应于最大特征值的特征向量。1-st阶DPSS序列，GydF4y2BaGGydF4y2Ba1GydF4y2Ba是与下一个最大特征值对应的特征向量，正交于0阶序列。二阶DPSS序列，GydF4y2BaGGydF4y2Ba2GydF4y2Ba，是对应于第三最大特征值的特征向量和正交于0阶和1-ST顺序DPSS序列。由于运营商GydF4y2BañGydF4y2Ba-通过-GydF4y2BañGydF4y2Ba,有GydF4y2BañGydF4y2Ba特征向量。然而，可以证明，对于给定的序列长度GydF4y2BañGydF4y2Ba和指定的带宽GydF4y2Ba[-GydF4y2Baw ^GydF4y2Ba，GydF4y2Baw ^GydF4y2Ba]GydF4y2Ba，大约有GydF4y2Ba2GydF4y2BaNWGydF4y2Ba- 1GydF4y2BaDPSS特征值序列非常接近于1。GydF4y2Ba

多窗口谱估计GydF4y2Ba

周期图并不是对广义平稳过程的真实功率谱密度的一致估计。为了得到一个一致的PSD估计值，多锥度方法对使用一组相互正交的圆锥(窗口)得到的修正周期图进行平均。除正交性外，还具有最佳的时频浓度特性。圆锥的正交性和时频浓度是多锥度技术成功的关键。看到GydF4y2Ba离散长椭球序列GydF4y2Ba在Thomson的多窗口方法中使用的的Slepian序列的简要说明。GydF4y2Ba

在多窗口方法使用GydF4y2BaķGydF4y2Ba用不同的Slepian序列作为窗口得到的每个周期图的修正。让GydF4y2Ba

小号GydF4y2Ba ķGydF4y2Ba （GydF4y2Ba FGydF4y2Ba ）GydF4y2Ba =GydF4y2Ba ΔGydF4y2Ba ŤGydF4y2Ba |GydF4y2Ba ∑GydF4y2Ba ñGydF4y2Ba =GydF4y2Ba 0GydF4y2Ba ñGydF4y2Ba −GydF4y2Ba 1GydF4y2Ba GGydF4y2Ba ķGydF4y2Ba ，GydF4y2Ba ñGydF4y2Ba XGydF4y2Ba ñGydF4y2Ba ËGydF4y2Ba −GydF4y2Ba 一世GydF4y2Ba 2GydF4y2Ba πGydF4y2Ba FGydF4y2Ba ñGydF4y2Ba ΔGydF4y2Ba ŤGydF4y2Ba |GydF4y2Ba 2GydF4y2Ba

表示与得到的改性周期图GydF4y2BaķGydF4y2Bath斯莱皮恩序列,GydF4y2BaGGydF4y2Bak, nGydF4y2Ba。GydF4y2Ba

在最简单的形式中，该多窗口方法简单地平均化GydF4y2BaķGydF4y2Ba改性周期图产生多窗口PSD估计。GydF4y2Ba

小号GydF4y2Ba （GydF4y2Ba 公吨GydF4y2Ba ）GydF4y2Ba （GydF4y2Ba FGydF4y2Ba ）GydF4y2Ba =GydF4y2Ba 1GydF4y2Ba ķGydF4y2Ba ∑GydF4y2Ba ķGydF4y2Ba =GydF4y2Ba 0GydF4y2Ba ķGydF4y2Ba −GydF4y2Ba 1GydF4y2Ba 小号GydF4y2Ba ķGydF4y2Ba （GydF4y2Ba FGydF4y2Ba ）GydF4y2Ba

注意多窗口PSD估计和韦尔奇的方法之间的差异。这两种方法都通过平均PSD的约不相关的估计减少周期图的变化。然而，这两种方法在如何产生这些不相关的PSD估计存在差异。的多窗口方法使用在每个修改周期图的整个信号。所述的Slepian锥度的正交性去相关的不同修改周期图。韦尔奇的重叠段平均方法使用信号的段中的每个修改周期图和分段解相关不同修改周期图。GydF4y2Ba

前述方程对应于GydF4y2Ba“团结”GydF4y2Ba在选项GydF4y2BapmtmGydF4y2Ba。然而，正如所解释的那样GydF4y2Ba离散长椭球序列GydF4y2Ba中，的Slepian序列不在感兴趣的频带具有相等的能量浓度。所述的Slepian序列的较高的顺序，越浓的序列能量在带[ -GydF4y2Baw ^GydF4y2Ba，GydF4y2Baw ^GydF4y2Ba]与由特征值给定的浓度。因此，它可以是有益的使用特征值来加权GydF4y2BaķGydF4y2Ba平均前修正的周期图。这对应于GydF4y2Ba“本征”GydF4y2Ba在选项GydF4y2BapmtmGydF4y2Ba。GydF4y2Ba

使用序列特征值，以产生修改的周期图的加权平均占的Slepian序列的频率浓度特性。但是，它不考虑随机过程的功率谱密度和的Slepian序列的频率浓度之间的相互作用。具体地，其中，随机过程具有很小功率的频率区域在使用高阶的Slepian序列修饰的周期图少可靠估计。这就说明了依赖于频率的自适应过程中，占不仅对的Slepian序列的频率浓度，而且对在时间序列中的功率分布。此自适应加权对应于GydF4y2Ba“适应”GydF4y2Ba在选项GydF4y2BapmtmGydF4y2Ba并且是用于计算所述估计多窗口的默认。GydF4y2Ba

参考GydF4y2Ba

[1]波斯富街，D. B.，和A. T.瓦尔登，GydF4y2Ba物理应用的光谱分析:多锥度和常规单变量技术GydF4y2Ba。英国剑桥:剑桥大学出版社，1993年。GydF4y2Ba

[2]汤姆森，D.J.，“频谱估计和谐波分析”。GydF4y2Ba在IEEE论文集GydF4y2Ba®GydF4y2Ba。卷。70，1982年，第1055至1096年。GydF4y2Ba

也可以看看GydF4y2Ba

|GydF4y2Ba|GydF4y2Ba

R2006a前推出GydF4y2Ba

信号处理工具箱文档GydF4y2Ba
金宝app
用MATLAB开发5GGydF4y2Ba

用MATLAB开发5GGydF4y2Ba

下载电子书GydF4y2Ba