基于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分辨紧密间隔的正弦波。子空间方法假定一个谐波模型，由加性噪声中可能是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。该信号由两个频率为0.4 Hz和0.425 Hz的复指数(正弦波)和加性的复高斯白噪声组成。噪声的均值和方差都为零 $$0．2^2$$．在复白噪声中，实部和虚部的方差都等于总方差的一半。

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。将泄漏值设置为最大值以获得最佳结果。

pspectrum (x, n,“漏”, 1)

周期图在0.4 Hz附近有一个宽峰。你不能分辨两个独立的正弦波，因为周期图的频率分辨率是1/N,在那里N为信号的长度。这里是1/N大于两个正弦波的分离。零填充无助于解决两个独立的峰。

使用子空间方法来解决这两个紧密间隔的峰。在本例中，使用MUSIC方法。估计自相关矩阵，输入自相关矩阵pmusic．指定一个带有两个正弦分量的模型。策划的结果。

[X, R] = corrmtx (X, 14日“国防部”）;pmusic (1 R, 2 [],“相关系数”）

MUSIC方法能够在0.4 Hz和0.425 Hz分离出两个峰值。然而，子空间方法不产生功率估计像功率谱密度估计。子空间方法在频率识别中是最有用的方法，并且对模型阶数失调很敏感。

另请参阅

corrmtx|pmusic|pspectrum