搜索资源列表
DSP中含有gauss白噪声的双频正弦输入
- DSP中输入信号的生成过程。 conio.cpp实现X(n)信号，其中有两个频率分量的正弦信号（正弦计算由sinwn.cpp实现），频率可变，这里取140Hz和70Hz。 考虑了高斯白噪声，由gauss.cpp实现。 最后该信号共产生2000个点，最后的信号点存储于 “x.txt”文本中。-DSP input signal generation process. Conio.cpp achieve X (n) signal, in which there are two components o
用matlab中的FFT函数实现了正弦信号
- 用matlab中的FFT函数实现了正弦信号，矩形信号，和白噪声的频谱分析,FFT with matlab function in a sinusoidal signal, the rectangular signal, and white noise spectrum analysis
MATLABprograminfft.用Matlab产生正弦波,矩形波
- 1．用Matlab产生正弦波,矩形波,以及白噪声信号，并显示各自时域波形图 2．进行FFT变换，显示各自频谱图，其中采样率，频率、数据长度自选 3．做出上述三种信号的均方根图谱,功率图谱,以及对数均方根图谱 4．用IFFT傅立叶反变换恢复信号，并显示恢复的正弦信号时域波形图 ,1. Using Matlab generated sine wave, rectangular wave, as well as the white noise signal, and display their
FFT
- 利用FFT估计正弦信号的频率,要估计一个叠加了高斯白噪声的正弦信号 的频率 ，可以通过对x(n)做傅里叶变换，得到频谱图，找出幅度的最大值对应的频率值 ，进行多次变换，求出均方误差 。改变信噪比SNR，通过仿真可以得出随着信噪比增加，均方误差减小。-Sinusoidal signal using FFT frequency estimation, to estimate a Gaussian white noise superimposed on the frequency of sinusoi
MATLAB
- 对噪声信号中的正弦信号，通过Pisarenko谐波分解方法、Music算法和Esprit算法进行频率估计，信号源是： 其中， ， ， ； 是高斯白噪声，方差为 。使用128个数据样本进行估计。 1、用三种算法进行频率估计，独立运行20次，记录各个方法的估计值，计算均值和方差； 2、增加噪声功率，观察和分析各种方法的性能。-Sinusoidal signal in the noise signal through the Pisarenko harmonic decomposition metho
levinsonf
- 信号为两个正弦信号加高斯白噪声，用levinson递推法进行功率谱估计。-Signal for two sinusoidal signal plus Gaussian white noise, with levinson recursive power spectrum estimation method.
Randomsignalanalysisofthehandouts08trial
- 随机信号分析实验讲义08试用 实验一 随机信号通过线性系统和非线性系统后的特性分析 实验二 白噪声测试 实验三 白噪声的产生与测试 实验四 窄带信号及包络和相位检波（一） 实验五 窄带信号及包络和相位检波（二） 实验六 利用互相关测试系统单位冲击响应 实验七 白化滤波器的设计 实验八 微弱信号的检测提取及分析 实验九 随机信号的功率谱密度估计 实验十 模拟相关函数测量仪 实验十一 理想白噪声和带限白噪声的产生与分析
filter-deniose
- matlab下实现降噪，功率谱计算。％程序中设定采样点数为256个，采样频率为10000hz， ％输入信号为随机噪声和两个正弦的合成信号 ％设定的滤波器的截止频率为3500hz ％通过挈比雪肤滤波器，运行程序，比较滤波前后的频域波形 ％滤波去除了高频信号-matlab achieve noise reduction, power spectrum calculation. Sampling procedure set for 256 points, the sampling f
MySin
- 通过simulink建模实现不同正弦信号的产生，此模型可作为正弦信号发生器。-Simulink modeling through the implementation of different sinusoidal signal generation, this model could serve as a sinusoidal signal generator.
PIDSimulation
- 针对离散系统的阶跃信号、正弦信号和方波信号，设计离散PID-Step for the discrete-time systems signal, sinusoidal signal and the square wave signal, the design of discrete PID
save
- MySave产生一个指定幅值和频率的正弦信号，并将产生正弦信号的数据写入数据文件MySin.txt.-save data to a direct path
tele3
- 模拟信号的数字化传输---增量调制系统 用SIMULINK建立简单增量调制系统的模型并进行 （3） 正弦信号 （4） 语音信号 的传输。 改变抽样频率和量化台阶大小，观察重建信号以及量化噪声信号的波形；对于语音信号主观评价声音质量的变化。 -Digitized analog signal transmission systems--- delta modulation delta modulation SIMULINK easy set up of the model s
burgf
- 信号为两个正弦信号加高斯白噪声，用burg递推法对其进行功率谱估计，效果不错。-Signal for two sinusoidal signal plus Gaussian white noise, the recursive method burg its power spectrum estimation, good results.
LMSsin
- 原始信号、噪音均为正弦信号的LMS噪音抵消系统实现-The original signal and noise are sinusoidal signals in noise canceling system to achieve LMS
exp2_cor
- 计算正弦信号加噪声的相关函数。系数b 决定余弦相关函数在噪声指数型相关函数中的“比重”。T为正弦信号周期。正弦信号加相关噪声的相关函数图像为一个指数函数和一个余弦函数叠加的波形。-Calculated sinusoidal signal plus noise correlation function. Coefficient b determine the cosine correlation function in the noise correlation function of expon
wavelet-signal
- 利用小波变换对有噪正弦信号进行去噪，来实现信号优化-Wavelet transform denoising of noisy sinusoidal signals to achieve optimal signal
pisa
- 在计算机上产生一组实验数据，首先产生一段零均值白噪声数据u（n）,令功率为 ，让u(n)通过一个三阶FIR： 得到y(n). .y(n)上加三个实正弦信号f1’=0.1,f2’=0.25,f3’=0.26调整 和正弦信号幅度信噪比大致为10dB,50dB,50dB. (1) 令N=256,描绘xn波形； (2)得出真实功率谱密度 . (3) 利用此实验数据Pisarenko谐波分解法估计该实验数据的正弦频率及幅度。-On the computer to generate a
MATLAB
- 自适应信号 利用自适应信号分离器，可以有效的从白噪声中提取周期信号。现选取信号为正弦信号 ，宽带噪声信号为高斯白噪声，延迟D=50；收敛因子为 和 时的滤波效果。-Adaptive signal using adaptive signal separator, white noise can be effectively extracted from the periodic signal. Select the signal is sinusoidal signal, broadband no
lab1
- MATLAB编程 课程实验1：正弦信号的相关积累检测 -MATLAB
LMS-RLSAdaptiveFilter
- 数字信号处理，LMS和RLS实例：给定正弦信号s(n)，现在我们获得得是受影响的数据x(n)=s(n)+v(n) ， v(n)为方差1.25的告示白噪声信号，请设计一个滤波器，使其输出与s(n)的均方误差最小，并给出用LMS和RLS算法的自适应求解方法的MATLAB仿真。-Digital signal processing, LMS and RLS instance: Given a sinusoidal signal s (n), now we get the data have affect