Псевдоспектр с помощью алгоритма MUSIC
[S,w] = pmusic(x,p)
[S,w] = pmusic(x,p,w)
[S,w] = pmusic(...,nfft)
[S,f] = pmusic(x,p,nfft,fs)
[S,f] = pmusic(x,p,f,fs)
[S,f] = pmusic(...,'corr')
[S,f] = pmusic(x,p,nfft,fs,nwin,noverlap)
[...] = pmusic(...,freqrange)
[...,v,e] = pmusic(...)
pmusic(...)
[S,w] = pmusic(x,p)
реализует MUSIC (Несколько Классификация Сигнала) алгоритм и возвращает S
, оценку псевдоспектра входного сигнала x
и векторный w
нормированных частот (в раде/выборке), в котором оценен псевдоспектр. Псевдоспектр вычисляется с помощью оценок собственных векторов корреляционной матрицы, сопоставленной с входными данными x
, где x
задан как также:
Строка или вектор-столбец, представляющий одно наблюдение за сигналом
Прямоугольный массив, для которого каждая строка x
представляет отдельное наблюдение за сигналом (например, каждой строкой является один вывод массива датчиков, как в обработке матриц), такой, что x'*x
является оценкой корреляционной матрицы
Можно использовать вывод corrmtx
, чтобы сгенерировать такой массив x
.
Можно задать второй входной параметр p
как также:
Скалярное целое число. В этом случае размерностью подпространства сигнала является p
.
Двухэлементный вектор. В этом случае p(2)
, второй элемент p
, представляет порог, который умножается на λmin, самое маленькое предполагаемое собственное значение корреляционной матрицы сигнала. Собственные значения ниже порога λmin*p(2)
присвоены шумовому подпространству. В этом случае p(1)
задает максимальную размерность подпространства сигнала.
Если входные параметры к pmusic
являются действительными синусоидами, установите значение p
, чтобы удвоить количество входных сигналов. Если входные параметры являются комплексными синусоидами, установите p
, равный количеству входных параметров.
Дополнительный пороговый параметр во второй записи в p
предоставляет вам больше гибкости и управления в присвоении шумовых и подпространств сигнала.
S
и w
имеют ту же длину. В целом длина БПФ и значения входа x
определяют длину вычисленного S
и область значений соответствующих нормированных частот. Следующая таблица указывает на длину S
(и w
) и область значений соответствующих нормированных частот для этого синтаксиса.
S характеристики для длины БПФ 256 (значение по умолчанию)
Действительные/Комплексные Входные данные | Длина S и w | Область значений соответствующих нормированных частот |
---|---|---|
С действительным знаком | 129 | [0, π] |
С комплексным знаком | 256 | [0, 2π) |
[S,w] = pmusic(x,p,w)
возвращает псевдоспектр в векторном S
, вычисленном на нормированных частотах, заданных в векторном w
. Векторный w
должен иметь два или больше элемента, потому что в противном случае функция интерпретирует его как nfft
[S,w] = pmusic(...,nfft)
задает целочисленную длину БПФ, nfft
раньше оценивал псевдоспектр. Значение по умолчанию для nfft
(вводимый как пустой вектор []
) 256.
Следующая таблица указывает на длину S
и w
и частотного диапазона для w
в этом синтаксисе.
S и характеристики вектора частоты
Действительные/Комплексные Входные данные | Ровный/Нечетный nfft | Длина S и w | Область значений w |
---|---|---|---|
С действительным знаком | Даже |
| [0, π] |
С действительным знаком | Нечетный |
| [0, π) |
С комплексным знаком | Даже или нечетный |
| [0, 2π) |
[S,f] = pmusic(x,p,nfft,fs)
возвращает псевдоспектр в векторном S
, оцененном в соответствующем векторе частот f
(в Гц). Вы предоставляете частоту дискретизации fs
в Гц. Если вы задаете fs
с пустым вектором []
, значения по умолчанию частоты дискретизации к 1 Гц.
Частотный диапазон для f
зависит от nfft
, fs
и значений входа x
. Длина S
(и f
) эквивалентна в Характеристиках Вектора S и Частоты выше. Следующая таблица указывает на частотный диапазон для f
для этого синтаксиса.
S и Характеристики Вектора Частоты с Заданной фс
Действительные/Комплексные Входные данные | Ровный/Нечетный nfft | Область значений f |
---|---|---|
С действительным знаком | Даже | [0, |
С действительным знаком | Нечетный | [0, |
С комплексным знаком | Даже или нечетный | [0, |
[S,f] = pmusic(x,p,f,fs)
возвращает псевдоспектр в векторном S
, вычисленном на частотах, заданных в векторном f
. Векторный f
должен иметь два или больше элемента, потому что в противном случае функция интерпретирует его как nfft
[S,f] = pmusic(...,'corr')
обеспечивает входной параметр x
, который будет интерпретирован как корреляционная матрица, а не матрица данных сигнала. Для этого синтаксиса x
должен быть квадратной матрицей, и все ее собственные значения должны быть неотрицательными.
[S,f] = pmusic(x,p,nfft,fs,nwin,noverlap)
позволяет вам задавать nwin
, скалярное целое число, указывающее на прямоугольную длину окна или окно определения вектора с действительным знаком коэффициенты. Используйте скалярный целочисленный noverlap
в сочетании с nwin
, чтобы задать количество входных точек выборки, которыми накладываются последовательные окна. noverlap
не используется, если x
является матрицей. Значением по умолчанию для nwin
является 2 × p(1)
, и noverlap
является nwin
– 1.
С этим синтаксисом входные данные x
сегментируется и оконный, прежде чем матрица раньше оценивала, что собственные значения корреляционной матрицы формулируются. Сегментация данных зависит от nwin
, noverlap
и формы x
. Комментарии к получившимся оконным сегментам описаны в следующей таблице.
Оконные Данные В зависимости от x и nwin
Входные данные x | Форма nwin | Оконные данные |
---|---|---|
Вектор данных | Скаляр | Длиной является |
Вектор данных | Вектор коэффициентов | Длиной является |
Матрица данных | Скаляр | Данные не являются оконными. |
Матрица данных | Вектор коэффициентов |
|
Смотрите Длину Собственного вектора В зависимости от Входных данных и Синтаксиса ниже для сопутствующей информации на этом синтаксисе.
Аргументы nwin
и noverlap
проигнорированы, когда вы включаете 'corr'
в синтаксис.
[...] = pmusic(...,freqrange)
задает область значений значений частоты, чтобы включать в f
или w
. freqrange
может быть также:
'half'
— возвращает половину спектра для действительного входного сигнала, x
. Если nfft
даже, то S
имеет длину nfft
/2 + 1 и вычисляется на интервале [0, π]. Если nfft
нечетен, длина S
(nfft
+ 1)/2, и интервал частоты [0, π). Когда ваш задавать fs
, интервалы [0, fs
/2), и [0, fs
/2] для четного и нечетного nfft
, соответственно.
'whole'
— возвращает целый спектр или для действительного или для комплексного входа, x
. В этом случае S
имеет длину nfft
и вычисляется на интервале [0,2π). Когда вы задаете fs
, интервал частоты [0, fs
).
'centered'
— возвращает целый спектр в центре или для действительного или для комплексного входа, x
. В этом случае S
имеет длину nfft
и вычисляется на интервале (–π, π] для даже nfft
и (–π, π) для нечетного nfft
. Когда вы задаете fs
, интервалы частоты (–fs/2
, fs
/2] и (–fs/2
, fs
/2) для четного и нечетного nfft
, соответственно.
Можно поместить аргументы freqrange
или 'corr'
где угодно в список входных параметров после p
.
[...,v,e] = pmusic(...)
возвращает матричный v
шумовых собственных векторов, наряду со связанными собственными значениями в векторном e
. Столбцы v
охватывают шумовое подпространство размерности size(v,2)
. Размерностью подпространства сигнала является size(v,1)-size(v,2)
. Для этого синтаксиса e
является вектором предполагаемых собственных значений корреляционной матрицы.
pmusic(...)
без выходных аргументов строит псевдоспектр в окне текущей фигуры.
В процессе оценки псевдоспектра pmusic
вычисляет шумовые и подпространства сигнала из предполагаемых собственных векторов vj и собственные значения λj корреляционной матрицы сигнала. Самое маленькое из этих собственных значений используется в сочетании с пороговым параметром p(2)
, чтобы влиять на размерность шумового подпространства в некоторых случаях.
Длина n собственных векторов, вычисленных pmusic
, является суммой размерностей и шумовых подпространств сигнала. Эта длина собственного вектора зависит от вашего входа (данные сигнала или корреляционная матрица) и синтаксис, который вы используете.
Следующая таблица обобщает зависимость длины собственного вектора на входном параметре.
Длина собственного вектора В зависимости от входных данных и синтаксиса
Форма Входных данных x | Комментарии к синтаксису | Длина n Собственных векторов |
---|---|---|
Строка или вектор-столбец |
|
|
Строка или вектор-столбец |
|
|
Строка или вектор-столбец |
| 2 × |
l-by-m матрица | Если | m |
m-by-m неотрицательная определенная матрица |
| m |
Необходимо задать nwin
> p(1)
или length(nwin)
> p(1)
, если вы хотите, чтобы p(2)
> 1
имел какой-либо эффект.
Имя MUSIC является акронимом для Нескольких Классификация Сигнала. Алгоритм MUSIC оценивает псевдоспектр от сигнала или корреляционной матрицы с помощью eigenspace метода анализа Шмидта [1]. Алгоритм выполняет eigenspace анализ корреляционной матрицы сигнала в порядке оценить содержимое частоты сигнала. Этот алгоритм особенно подходит для сигналов, которые являются суммой синусоид с аддитивным белым Гауссовым шумом. Собственные значения и собственные вектора корреляционной матрицы сигнала оцениваются, если вы не предоставляете корреляционную матрицу.
Оценкой псевдоспектра MUSIC дают
где N является размерностью собственных векторов, и vk является k-th собственный вектор корреляционной матрицы. Целочисленный p является размерностью подпространства сигнала, таким образом, собственные вектора vk используемый в сумме соответствуют самым маленьким собственным значениям и также охватывают шумовое подпространство. Вектор e (f) состоит из комплексных экспоненциалов, таким образом, скалярное произведение
суммы к преобразованию Фурье. Это используется для вычисления оценки псевдоспектра. БПФ вычисляется для каждого vk, и затем значения в квадрате суммированы.
[1] Марпл, С. Лоуренс. Цифровой Спектральный анализ. Englewood Cliffs, NJ: Prentice Hall, 1987, стр 373–378.
[2] Шмидт, R. O. “Несколько Эмиттерное Местоположение и Оценка Параметра Сигнала”. IEEE® Transactions на Антеннах и Распространении. Издание AP-34, март 1986, стр 276–280.
[3] Stoica, Петр и Рэндольф Л. Моисей. Спектральный анализ сигналов. Верхний Сэддл-Ривер, NJ: Prentice Hall, 2005.