matlab与信号处理知识点计算机matlab

:round(nFFT/2-1);k=t*Fs/nFFT;p实现特征向量法的功率谱估计调用方式（1）s=peig(x,psin(2*pi*100*n)+4*sin(2*pi*500x1);xlabel('NW=2');subplot(3,1x:round(nFFT/2-1);k=t*Fs/nFFT;p实现特征向量法的功率谱估计调用方式（1）s=peig(x,psin(2*pi*100*n)+4*sin(2*pi*500x1);xlabel('NW=2');subplot(3,1x信号运算MATLA现:x=x1+x22、信号延迟3、信号乘4、信号变化幅度n2nn1n2nMATLA现：Ex=sum(abs(x)^2)n2))信号采样积数学描述：y信号能量nn1n2nn1x(nx1);xlabel('NW=2');subplot(3,1应非线性组合算法，默认值Unity:相同加权的线性组合n2))信号采样积数学描述：y信号能量nn1n2nn1x(nx1);xlabel('NW=2');subplot(3,1应非线性组合算法，默认值Unity:相同加权的线性组合EigA);EV=fliplr(EV(:,I));%MUSICfo1N1NMATLAB矩形窗w=boxcar(n)布莱克曼窗w=blackman(n)汉宁窗w=hanning(n)e(iang);a=exp(-j*twpi*d*sin(phSD估计，结果如图所示：randn('state');n=0);[p1,f]=pcov(x,20,[],Fs);[p2,w的范围为[0,Pi];e(iang);a=exp(-j*twpi*d*sin(phSD估计，结果如图所示：randn('state');n=0);[p1,f]=pcov(x,20,[],Fs);[p2,w的范围为[0,Pi];若x为复信号，则w的范围为[0,2*数字滤波器的特性分析2、频率响应（幅频响应和相频响应）e(iang);a=exp(-j*twpi*d*sin(phSD估计，结果如下图所示：randn('state',1);x,w]=peig(……)(5)[Pxx,f]=peig(…为[0,Fs];（5）[Pxx,f]=pmtm(……，Fs,100e(iang);a=exp(-j*twpi*d*sin(phSD估计，结果如下图所示：randn('state',1);x,w]=peig(……)(5)[Pxx,f]=peig(…为[0,Fs];（5）[Pxx,f]=pmtm(……，Fs,10011001MhPh10-10-50-10010-1putSNR(dB)%A=exp(-j*twpi*d.'*sep+1;%un=urn+juinurn=normrnd(0);[p1,f]=pcov(x,20,[],Fs);[p2,exp(-j*2*pi*d*sin(doa(k))/lambputSNR(dB)%A=exp(-j*twpi*d.'*sep+1;%un=urn+juinurn=normrnd(0);[p1,f]=pcov(x,20,[],Fs);[p2,exp(-j*2*pi*d*sin(doa(k))/lamb功率谱估（ＰＳＤ）1、mean函数（1）y=mean(X)：当X为向量时，此函数结果为X的均值；当X为矩阵时，（3）dim=1时，函数结果为一个行向量，其元素分别为矩阵每列元素的均值。则它的每一列相当于一个变量，函数返回结果为该矩阵的列与列之间的A=cov(X)；%计算协方差度为2M-1的互相关函数序列；当A和B长度不同时，则要对长度小的进行补零；如果A为列向量，则C也为列向量，如果A为行向量，则C也为行向量。矩阵，该矩阵的列是由矩阵A所有列之间的互相关函数构成。对序列进行归一化处理计算序列的非归一化相关果为X的方差；当X为矩阵时，则它的每一列相当于一个变量，函数…,Fs)(6)[s,f]=peig(……，果为X的方差；当X为矩阵时，则它的每一列相当于一个变量，函数…,Fs)(6)[s,f]=peig(……，NW，noverartlett(n)三角窗w=triang(n)布莱克曼窗wmehod):Method有：adapt:Thomson自适Periodogram函数：功率谱估计Pxx=periodogram(x,window):参数window用来指定所采用的窗函数若x为复信号，则Pxx的长度为NFFT；同时返回和估计PSD的位置一一对应的线性频率f,参数Fs为采样频率。Fs=2000;NFFT=1024;t(f,Pxx1,'r:',f,Pxx2,'g--');ylNn0MATLA现：Px=sum((abs(x)^2)/NM全部功率谱值，需要使用另一个输入参数whole.（3）s=pt(f,Pxx1,'r:',f,Pxx2,'g--');ylNn0MATLA现：Px=sum((abs(x)^2)/NM全部功率谱值，需要使用另一个输入参数whole.（3）s=p;学习好资料欢迎下载endPmusicf(1,i)=10*loPo00例2、利用FFT直接法计算上面噪声信号的功率谱Fs=2000;nFFT=1024;-10-20-30-40”功率谱，若x为复数，则返回结果为“双边”功率谱。（2”功率谱，若x为复数，则返回结果为“双边”功率谱。（2）Pxx,w]=peig(……)(5)[Pxx,f]=peig(…实现特征向量法的功率谱估计调用方式（1）s=peig(x,p返回结果为该矩阵的列与列之间的协方差矩阵，diag(cov(Fs=2000;nFFT=1024;自回归功率谱估计的改进的协方差方法Pmcov函数应用实例：比较两种方法在噪声信号的功率谱估计中的效果，发现两种方法基Fs=1000;x=periodogram(x):返回向量x的功率谱估计向量函数调用方式（1x=periodogram(x):返回向量x的功率谱估计向量函数调用方式（1）y=cov(X):当X为向量时，函数返回结orr’)(3)s=peig(x,p,nFFT)(4)[Pxf]=pmtm(x,2,nFFT,Fs);[P2,f]=pm-20协方差方法-30-40-50-60-70-80-90-1000时间-带宽的乘积NW，窗口数=2*NW-1（2）Pxx=pmtm(x,NW):（3）Pxx=pmtm(x,NW,NFFT):参数NFFT用来指定FFT运算所采用的点数。若x为复信号，则Pxx的长度为NFFT；NFFT默认值为256果为X的方差；当X果为X的方差；当X为矩阵时，则它的每一列相当于一个变量，函数(0,delta/2,1,sample);un=urn+m*):用特征向量法对离散时间信号x进行功率谱估计。p是信号x中波峰变宽，这说明频谱泄露增大了。MUSIC法估计Pmusic同时返回和估计PSD的位置一一对应的线性频率f,参数Fs为采样频率。应用说明：利用Multitaper进行PSD估计，并比较NW取不同数值时的结果。Fs=1000;nFFT=1024;料欢迎下载4035302520151050010020030旁瓣的高度。n料欢迎下载4035302520151050010020030旁瓣的高度。n一定时，beta越大，其频谱的旁瓣越小，但主瓣SD的位置一一对应的线性频率f,参数Fs为采样频率。若x为实离散时间信号x进行功率谱估计，若x为实数，则返回结果为“单边-20-40-20-40-20-40NW=2NW=4NW=102、MUSIC法估计Pmusic函数：实现MUSIC法的功率谱计算列都进行功率谱估计。注意：为了返回实信号的全部功率谱值，需要使用另ambda/2;%阵元间距snr=15;%%信噪比%%%ambda/2;%阵元间距snr=15;%%信噪比%%%导向(……)(8)peig(……)应用说明例：用特征向量法进行Pheangleofsi字滤波器的特性分析脉冲响应：impz函数调用方式：（1）[hNW默认值为2*p,参数noverlap的默认值为NW-1一对应的特征值所组成的向量；而e为相关矩阵的特征值向量。例：用MUSIC法进行PSD估计，结果如图所示：ww-10-20iaMUSIC方法，它主要适用于混有在噪声的正弦信号的功率谱估计）Peig函数：实现特征向量法的功率谱估计它主要适用于混有在噪声的正弦信号的功率谱估计）Peig函数：度。例：[b,a]=butter(4,0.05);impz(而e为相关矩阵的特征值向量。应用说明例：用MUSIC它主要适用于混有在噪声的正弦信号的功率谱估计）Peig函数：度。例：[b,a]=butter(4,0.05);impz(而e为相关矩阵的特征值向量。应用说明例：用MUSIC法进行P以看出：NW数值越大，曲线越平滑，说明方差比较小。但同时看到例：用特征向量法进行PSD估计，结果如下图所示：P0-10-20-300MUSIC算法);a(d)=1000;endifP>1disp('Thea相频y=abs(x):计算);a(d)=1000;endifP>1disp('Thea相频y=abs(x):计算x各元素的绝对值。当x为一个复数时da*[0:M-1]);endB=B';%%%导向向量xx=好资料欢迎下载0-10-20-30-40-50angle(d%zn%xn%*********************************************************数：协方差函数估计（3）相关系数估计计算学习好资料欢迎下载C);subplot(3,1,3);plot(f,Pxx3);数：协方差函数估计（3）相关系数估计计算学习好资料欢迎下载C);subplot(3,1,3);plot(f,Pxx3);A);EV=fliplr(EV(:,I));%MUSICfo噪声，%%%平均后结果更好[pp,ppp]=size(x);50-5-10-15-20X))是该矩阵每一个列向量的方差。（2）y=cov(X,Y)0;nFFT=1024;t=0:1/Fs:1;x=sin(2end%xnforn=1:samplexn(n)=2*cosX))是该矩阵每一个列向量的方差。（2）y=cov(X,Y)0;nFFT=1024;t=0:1/Fs:1;x=sin(2end%xnforn=1:samplexn(n)=2*cosmehod):Method有：adapt:Thomson自适0-10-20-30-40-50%deg->rad%阵列数量%space%%numberofDOA%角度%inputSNR(dB)%X=A*S;%%%%[EV,D]=eig(Rxx);%%%%%MUSIC10,nFFT,Fs);Pxx1=10*log10(P1);包含的复数正弦波信号的个数。(2)s=peig(r,p,’10,nFFT,Fs);Pxx1=10*log10(P1);包含的复数正弦波信号的个数。(2)s=peig(r,p,’cf,fs)(2)模拟滤波器频率响应：freqs函数调用方式：);subplot(3,1,3);plot(f,Pxx3);end%SP=abs(SP);SPmax=max(SP);SP=10*log10(SP/SPmax);2、用ESPRIT方法求DOAN=200;%%快拍数M=8;%%阵元数snr=15;%%信噪比%%%导向向量%%%导向向量%%%%噪声平均因为matlab产生的噪声不太好，不是严格意义上的白噪声