主要内容

allanvar

阿伦方差

描述

阿伦方差用于测量序列数据在时域内振荡的频率稳定性。它也可以用来确定系统的固有噪声作为平均时间的函数。平均时间序列τ可指定为τ/fs。在这里fs是数据的采样频率,和是一个升序平均因子列表(例如1、2、4、8,…)。

阿瓦尔人τ) = allanvar (ω返回Allan方差阿瓦尔人作为平均时间的函数τ。默认平均时间τ是一个八度序列,给出(1,2,…, 2地板{日志2[(N1) / 2]}),N样品数量在吗ω。如果ω为矩阵,allanvar对列进行运算ω

阿瓦尔人τ) = allanvar (ω返回Allan方差阿瓦尔人的特定值τ定义为。因为默认频率fs为1时,输出τ

阿瓦尔人τ) = allanvar (ωptStr集平均因子到指定的点规格,ptStr。因为默认频率fs输出是1吗τ完全等于指定的ptStr可指定为“八度”“十年”

例子

阿瓦尔人τ] = allanvar (___,fs还允许您提供采样频率fs输入数据的ω在赫兹。这个输入参数可以用于前面的任何语法。

例子

全部折叠

从MAT文件加载陀螺仪数据,包括以Hz为单位的数据采样率。计算Allan方差。

负载(“LoggedSingleAxisGyroscope”“ω”“Fs”) [avar,tau] = allanvar(,“八度”Fs);

画出a上的Allan方差重对数情节。

重对数(τ,阿瓦尔人)包含(“\τ”) ylabel (“\σ^ 2(\τ)”)标题(“阿伦方差”网格)

图中包含一个轴对象。标题为Allan Variance的轴对象包含一个类型为line的对象。

生成采样陀螺仪噪声,包括角度随机游动和速率随机游动。

numSamples = 1 e6;Fs = 100;nStd = 1 e - 3;kStd = 1 e;nNoise = nStd。* randn (numSamples, 1);kNoise = kStd。* cumsum (randn (numSamples 1));ω= nNoise + kNoise;

计算特定值的艾伦偏差 τ 。艾伦偏差是艾伦方差的平方根。

m = 2 ^(上午);(阿瓦尔人,τ)= allanvar(ω,m, Fs);adev =√阿瓦尔人);

在a上画出艾伦偏差重对数情节。

重对数(τ,adev)包含(“\τ”) ylabel (“\σ(\τ)”)标题(“艾伦偏差”网格)

图中包含一个轴对象。标题为Allan Deviation的轴对象包含一个字行对象。

输入参数

全部折叠

指定为的输入数据N-乘1向量N——- - - - - -矩阵。N是样品的数量,和为样本集的个数。如果指定为矩阵,allanvar对列进行运算ω

数据类型:|

平均因子,指定为升序整数值小于(N1) / 2,N样品数量在吗ω

数据类型:|

点的规范,指定为“八度”“十年”。基于…的价值ptStr指定如下:

  • 如果ptStr被指定为“八度”是:

    2 0 2 1 2…… 日志 2 N 1 2

  • 如果ptStr被指定为“十年”是:

    10 0 10 1 十…… 日志 10 N 1 2

N样品数量在吗ω

输入数据的基本频率,ω,以Hz表示,指定为正标量。

数据类型:|

输出参数

全部折叠

输入数据的Allan方差τ,返回为向量或矩阵。

Allan方差的平均时间,返回为矢量或矩阵。

另请参阅

|

介绍了R2019a