搜索资源列表
用Welch法进行功率谱估计
- 考虑L的三个不同值：L＝256（3个数据段），L＝128(7个数据段)和L=64（15个数据段）。各自的谱估计图如上图所示。可以明显的看到，加窗明显的减小了频谱上的假谱峰，但也更加进一步平滑了谱峰。所以，对于L＝64的情况，在ω＝0.8π的谱线可以很确定的辨认，但是那两个靠近的谱峰不容易区分。对于L＝128的情况，这种情况提供了在分离和检测间最好的均衡。当然，对于在L＝256时的情况，效果是更好的，能够从谱估计图上明显的分辨出三条谱线的存在以及它们幅度关系的强弱。 除了Welch法外，还可以采用
psd
- 计算ARMA(p，q)模型的功率谱密度。 形参说明： b——双精度实型一维数组，长度为(q+1),存放ARMA(p，q)模型的滑动平均系数。 a——双精度实型一维数组，长度为(p+1),存放ARMA(p,q)模型的自回归系数。 q——整型变量,ARMA(p,q)模型的滑动平均阶数。 p——整型变量,ARMA(p,q)模型的自回归阶数。 sigma2——双精度实型变量,ARMA(p,q)模型白噪声激励的方差。 fs——双精度实型变量,采样频率(Hz)。
Periodogram-powe
- 平均周期图法和平滑平均周期图法估计功率谱 从经典功率谱估计周期图法原理入手，从理论上分析了其存在的局限性，借助Welch算法对其进行修正。依靠Matlab强大的数值分析和信号处理能力进行实验!! 用周期图法和welch法分别估计了一下信号的功率谱密度。采样频率200Hz，时间序列长度2048，FFT数据点数2048。其中welch法使用hanning窗，窗口长度600．-Average periodogram and periodogram smoothing method to est
matlabcheliang
- 车辆道路谱时域频域平均功率谱分析matlab程序-Road vehicles, the average spectrum of time domain frequency domain power spectral analysis matlab program
p_classical
- 经典的功率谱估计，平均周期图法实现，已经加上了详细的注释-Classical power spectrum estimation, the average periodogram implementation, has added a detailed comment
frequencyaverage
- 计算和绘制平均频谱图的程序，对采集信号进行分析很有用的程序-Computing and mapping the average frequency spectrum of procedures, an analysis of the signal sampling procedure is useful
welch
- 本程序实现了短数据序列不同窗函数的welch功率谱估计，然后又求了他们的平均标准差，从而判断各个窗函数的优劣。只要稍作修改就能实现不同信噪比下的功率估计，同时也可以实现长数据序列的估计。-This procedure has a short data series of different welch window function power spectrum estimation, and then seek their average standard deviation, and thu
L_D
- 用Matlab程序实现P阶Levinson-Durbin算法。以一个2阶自回归模型（参数为b0=1, a1=0, a2=0.81）和一个2阶滑动平均模型（参数为b0=1, b1=1, b2=1）为例，选取观测数据长度为1000，分别用一个AR(2)模型和一个AR(10)阶模型来估计其功率谱。设激励信号模型的高斯白噪声的均值为0，方差为1。用Levinson-Durbin算法迭代计算AR模型参数，并用估计出的AR模型参数画出观测信号的功率谱。并对Levinson-Durbin算法的性能进行分析。-
my_periodogram
- 周期图法进行谱估计，包括平均估计法，平均重叠估计法-periodogram
Psd_091024I
- Welch法功率谱密度 Psd自功率谱 是用改进的平均周期图法来求随机信号的自功率谱估计 采用信号重叠分段，加窗函数和fft算法等计算一个信号的自功率谱估计（PSD）-Welch法功率谱密度 Psd自功率谱 是用改进的平均周期图法来求随机信号的自功率谱估计 采用信号重叠分段，加窗函数和fft算法等计算一个信号的自功率谱估计（PSD）
gaussian_filter
- 详细说明：1． 利用自相关函数法和周期图法实现随机信号的功率谱估计。 2． 观察数据长度、自相关序列长度、信噪比、窗函数、平均次数等对谱估计的分辨率、稳定性、主瓣宽度和旁瓣效应的影响。 --1. The use of auto-correlation function method and cycle map Method random signal power spectrum estimation. 2. Observation data length, the length of auto
proj04_02
- 中心化后的傅里叶谱，傅里叶频谱和平均值,计算图像的平均值-Fourier spectrum and average value
Speech-signal-short-time-analysis
- 详细说明：语音信号的短时分析，主要包括：分帧、短时能量、短时平均幅度、短时过零率、短时自相关函数、短时幅度差、倒谱、复倒谱、lpc系数、lpc谱估计等 绝对保证质量，是保研后导师布置的一些基础程序-Details: short-time speech signal analysis, including: framing, short-term energy, short-term average rate, short-time zero crossing rate, short-time a
Power-Spectrum--simulation-in-Matlab
- 功率谱估计 经典的功率谱估计是将数据工作区外的未知数据假设为零，相当于数据加窗。经典功率谱估计方法分为：相关函数法、周期图法以及改进的周期图估计法即平均周期法和平滑周期图法； 1相关函数法 2周期图法 3平均周期图法和平滑平均周期图法-Power spectrum estimation is the classical power spectrum estimation of work zone data assumed to be zero outside the known
分析zachary的派系过滤和谱平均算法
- 两个用来分析zachary网络的简易方法，一种是谱平均算法，一种是派系过滤算法(Two simple methods for analyzing Zachary networks, one is spectral averaging algorithm, and the other is clique filtering algorithm)
welch法作功率谱
- 利用Welch法作功率谱估计，与直接功率谱估计法相比，Welch法采用多段平均的方法改进了直接功率谱估计方法(Welch method is used to make power spectrum estimation. Compared with direct power spectrum estimation method, Welch method uses multi-stage average method to improve the method of direct power s
SpectrumEstimation.m
- 通过经典周期图法，平均周期图法，MUSIC法等三种方法，进行信号能量谱估计(Three methods, such as the classical periodic graph method, the average periodic graph method and the MUSIC method, are used to estimate the energy spectrum of the signal.)
ABSE
- 熵值越大则每个符号包含的平均信息量越大。有研究发现，在有噪声的语音信号中，语音信号的熵和噪声信号的熵存在着较大的差异，对噪声信号来说在整个频带内分布相对平坦，熵值小，语音信号集中在某些特定频段内，熵值大。因此利用这个差异可以区分噪音段和语音段。(The greater the entropy is, the greater the average information of each symbol is. It is found that, in noisy speech signals, t
径向平均功率谱
- 计算二维数据的径向平均功率谱,较好地展现了磁异常的径向变化(calculate the frequency of 2-dimenation data)
功率谱估计（重叠段/非重叠段）
- 加窗平均周期图法是对分段平均周期图法的改进。在信号序列x(n)分段后，用非矩形窗口对每一小段信号序列进行预处理，再采用前述分段平均周期图法进行整个信号序列x(n)的功率谱估计。由窗函数的基本知识可知，采用合适的非矩形窗口对信号进行处理可减小“频谱泄露”，同时可增加频峰的宽度，从而提高频谱分辨率。