搜索资源列表
matlabdsp
- 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 autoco
gonglvpu
- 这是各种计算功率谱的matlab程序，有自相关法，music法，burg法，esprit法等。-This is the calculation of the power spectrum Matlab procedures, since the relevant law, music, burg, esprit law.
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
matlabdsp
- matlab dsp(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
work_MEA
- 文件中包含了杨大成《移动传播环境》中7.2.1.2小节的利用等面积法（MEA）实现经典功率谱的功率谱密度，自相关函数，自相关函数均方差。希望能帮助你们。-File contains POSTS " mobile communication environment" in section 7.2.1.2 the use of equal-area method (MEA) to achieve the classic power spectrum of the power spectral de
signal
- 产生一个随机信号和两个不同频率但频率间隔很小的正弦信号，要求对两信号之和进行如下分析： （1） 求该随机信号的自相关性系数、自相关函数，画出对应的图形； （2） 利用不同的参数建模方法求出两个随机信号的功率谱； （3） 利用极大似然估计、递推最小二乘法等常用的参数估计方法估计所建模型，包括AR模型、MA模型和ARMA模型的的参数，阶次自定；并与Matlab工具箱里的一些建模函数的运算结果进行比较； （4） 利用陷波滤波和MUSIC滤波方法对该信号的频谱进行估计； （5） 利
gonglvpuguji
- 关于现代功率谱估计的各种方法，自相关，协方差，burg，lms等-Various methods of modern power spectrum estimation, autocorrelation, covariance, burg, lms, etc.
AR-model
- 包括各种AR模型现代功率谱估计方法，burg法、自相关法、协方差法等。-Modern power spectrum estimation method includes a variety of AR model
CSIMULATIONOFWINDPOWER
- 风力发电机组不同于火电等传统发电机组的最大之处 在于其原动机功率的本质不可控，这是由风速的易变性和不 可控性造成的。风速状况对风力发电系统的性能有着重要的 影响，也使得风速模型成为风力发电系统仿真模型的重要部 分。该文针对风速随机变化的特性，在风速统计特性研究的 基础上，用自回归滑动平均(ARMA)方法建立了具有一定 功率谱密度特性的风速模型。对该模型所模拟的风速序列进 行了分析和验证，并与现有仿真程序中风速模型的结果进行 了对比，结果表明该文提出的ARMA模型能
matlab
- 根据伪随机序列理论，由混合同余法产生均匀分布的随机数，进而根据中心极限定理来产生高斯噪声。 分析所产生的均匀分布和高斯分布随机信号的均值、方差、自相关等数字特征，估计其概率密度函数并进行分析，估计其功率谱密度并进行分析。说明该高斯噪声是否符合白噪声特性。 对该高斯噪声进行FIR低通滤波，估计输出低通型限带白噪声的功率谱、相关时间等，并结合白噪声通过线性系统相关理论来进行分析。 -According to the theory of pseudo-random sequence, a
PSD-plot
- Welch功率谱密度是用改进的平均周期图法来求取随机信号的功率谱密度估计值。Welch法采用信号重叠分段、加窗函数和FFT算法等计算一个信号序列的自功率谱估计(PSD如上例中的下半部分的求法)和两个信号序列的互功率谱估计（CSD）。MATLAB信号处理工具箱函数提供了专门的函数PSD和CSD自动实现Welch法估计，而不需要自己编程。-method of power spectral density plot
RCC
- 核查的关键在于对核材料属性准确、有效地识别[1][2]。利用252Cf作为随机脉冲中子源，对其入射核材料所产生的诱发裂变中子脉冲信号进行采集、处理和分析，得到自相关、互相关、自/互功率谱、功率谱密度比等一系列参数，从而反演核材料内部的反应性的情况，便可用于分析和识别核材料，其基本原理就是252Cf中子源驱动噪声分析测量法[-The result shows that the trained Elman neural network is able to identify the characte
Voice_frequence
- 这是一个利用DSPIC33FJ64MC802芯片进行音频AD采样以及FFT变换（得到功率谱）并将得到的数据进行串口发送的程序。该程序用于一个声音功率谱分析的设计中。 使用时需要配合外围的放大，滤波，加法器，以及电源等其他电路。并结合自编的上位机软件进行显示。 在Microchip给出的FFT函数中，256点FFT变换存在问题，无法得到正常数据。这是由于旋转因子表的错误造成的。本程序已经对其作出了修正。同时在功率谱计算的函数中，也作出了一些优化，在测量较小的幅值时，结果会更加理想。 本
fangzhen
- 实验一 双极性矩形随机信号的归一化功率谱密度一 1.1 功率谱密度简介 平稳过程的任何一个非零样本函数的持续时间为无限长，显然都不满足绝对可积和总能量有限的条件。因此，它的傅里叶变换不存在即没有频谱函数。所以我们用功率谱密度来表述其频谱特性。 随机过程的任一实现是一个确定的功率型信号。而对于任意的确定功率信号f(t)，它的功率谱密度为： 式中， 是f(t)的截短函数 对应的频谱函数。f(t)是平稳随机过程 的一个实现。而随机过程某一个实现的功率谱密度不能作为过程的功率谱密
zipu1
- 自谱分析就是对一个信号进行频谱分析,包括幅值谱(PEAK)、幅值谱(RMS)、功率谱和功率谱密度等。-Since spectral analysis is performed on a signal spectrum analysis, including amplitude spectrum (PEAK), amplitude spectrum (RMS), power spectrum and power spectral density.
gonglvpuguji
- 用matlab做各种功率谱分析，传统方法和自回归模型等(Power spectrum analysis)
bt
- 通过周期图法、自相关法等计算高斯白噪声的功率谱(The power spectrum of Gauss white noise is calculated by periodogram and autocorrelation method.)
White_PinkNoise
- 构造均匀白噪声、服从高斯分布的白噪声及粉红噪声，并得到它们的自相关函数、功率谱密度等(Constructing uniform white noise, white noise obeying Gauss distribution and pink noise, and obtaining their autocorrelation function, power spectral density, etc.)
振动信号分析
- 对机械类振动信号处理，幅值谱，相位谱，自功率谱，自回归谱等(For mechanical vibration signal processing, amplitude spectrum, phase spectrum, self power spectrum, auto regression spectrum, etc.)