Степень спектральная оценка плотности с помощью метода Города
Оценка / Оценка Спектра мощности
dspspect3
Блок Burg Method оценивает степень спектральную плотность (PSD) входного кадра с помощью метода Города. Этот метод подбирает авторегрессивную модель (AR) к сигналу путем минимизации (наименьшие квадраты) прямых и обратных ошибок прогноза. Такая минимизация происходит с параметрами AR, ограниченными удовлетворить рекурсии Левинсона-Дербина.
Вход должен быть вектор-столбцом или неориентированным вектором. Этот вход представляет систему координат последовательных выборок времени от одноканального сигнала. Блок выводит вектор-столбец, содержащий оценку степени спектральная плотность сигнала в Nfft равномерно распределенные точки частоты. Точки частоты находятся в области значений [0, Fs), где Fs является частотой дискретизации сигнала.
Когда вы выбираете параметр Inherit estimation order from input dimensions, порядок модели все-полюса является тем меньше, чем размер входного кадра. В противном случае параметр Estimation order задает порядок. Блок вычисляет спектр из БПФ предполагаемых параметров модели AR.
Выбор параметра Inherit FFT length from estimation order указывает, что Nfft является одним большим, чем порядок оценки. При снятии флажка Inherit FFT length from estimation order, позволяет вам использовать параметр FFT length, чтобы задать Nfft как степень 2. Нулевые клавиатуры блока или переносят вход к Nfft прежде, чем вычислить БПФ. Выход всегда демонстрационный базирующийся.
Когда вы устанавливаете флажок Inherit sample time from input, блок вычисляет данные о частоте с периода расчета входного сигнала. Для блока, чтобы произвести допустимый выход, следующие условия должны содержать:
Вход с блоком является исходным сигналом, без выборок, добавленных или удаленных (вставкой нулей, например).
Период расчета сигнала временной области в симуляции равняется периоду расчета исходных временных рядов.
Если эти условия не содержат, снимите флажок Inherit sample time from input. Можно затем задать шаг расчета с помощью параметра Sample time of original time series.
Метод Города и блоки метода Юла-Уокера возвращают подобные результаты для больших форматов кадра. Следующая таблица сравнивает функции блока Burg Method к Методу Ковариации, Модифицированному методу ковариации и блокам метода Юла-Уокера.
| Город | Ковариация | Модифицированная ковариация | Уокер Рождества | |
|---|---|---|---|---|
Характеристики | Не применяет окно к данным | Не применяет окно к данным | Не применяет окно к данным | Применяет окно к данным |
Минимизирует прямые и обратные ошибки прогноза в смысле наименьших квадратов, с коэффициентами AR, ограниченными удовлетворить рекурсии L-D | Минимизирует прямую ошибку прогноза в смысле наименьших квадратов | Минимизирует прямые и обратные ошибки прогноза в смысле наименьших квадратов | Минимизирует прямую ошибку прогноза в смысле наименьших квадратов (также названный autocorrelation method) | |
Преимущества | Высокое разрешение для коротких записей данных | Лучшее разрешение, чем Y-W для коротких записей данных (более точные оценки) | Высокое разрешение для коротких записей данных | Выполняет, а также другие методы для больших записей данных |
Всегда производит устойчивую модель | Способный извлечь частоты из данных, состоящих из p или более чистых синусоид | Способный извлечь частоты из данных, состоящих из p или более чистых синусоид | Всегда производит устойчивую модель | |
Не переносит спектральное разделение линии | ||||
Недостатки | Пиковые местоположения, очень зависящие от начальной фазы | Может произвести нестабильные модели | Может произвести нестабильные модели | Выполняет относительно плохо для коротких записей данных |
Может перенести спектральное разделение линии для синусоид в шуме, или когда порядок является очень большим | Смещение частоты для оценок синусоид в шуме | Пиковые местоположения, немного зависящие от начальной фазы | Смещение частоты для оценок синусоид в шуме | |
Смещение частоты для оценок синусоид в шуме | Незначительное смещение частоты для оценок синусоид в шуме | |||
Условия для несингулярности | Порядок должен быть меньше чем или равен половине размера входного кадра | Порядок должен быть меньше чем или равен 2/3 размер входного кадра | Из-за смещенной оценки матрица автокорреляции, как гарантируют, будет положительно-определенной, следовательно несингулярной |
Выбор этого флажка устанавливает порядок оценки к меньше, чем длина входного вектора.
Порядок модели AR. Этот параметр становится видимым только, когда вы снимаете флажок Inherit estimation order from input dimensions.
Когда выбрано, длина БПФ является одним большим, чем порядок оценки. Чтобы задать число точек, на котором можно выполнить БПФ, снимите флажок Inherit FFT length from estimation order. Можно затем задать длину БПФ степени двойки с помощью параметра FFT length.
Введите номер точек данных, на которых можно выполнить БПФ, Nfft. Когда Nfft больше, чем размер входного кадра, нулевые клавиатуры блока каждая система координат по мере необходимости. Когда Nfft меньше, чем размер входного кадра, блок переносит каждую систему координат по мере необходимости. Этот параметр становится видимым только, когда вы снимаете флажок Inherit FFT length from input dimensions.
Если вы устанавливаете флажок Inherit sample time from input, блок вычисляет данные о частоте с периода расчета входного сигнала. Для блока, чтобы произвести допустимый выход, следующие условия должны содержать:
Вход с блоком является исходным сигналом, без выборок, добавленных или удаленных (вставкой нулей, например).
Период расчета сигнала временной области в симуляции равняется периоду расчета исходных временных рядов.
Если эти условия не содержат, снимите флажок Inherit sample time from input. Можно затем задать шаг расчета с помощью параметра Sample time of original time series.
Задайте шаг расчета исходного сигнала временной области. Этот параметр становится видимым только, когда вы снимаете флажок Inherit sample time from input.
| Порт | Поддерживаемые типы данных |
|---|---|
Входной параметр |
|
Вывод |
|
[1] Кей, S. M. Современная спектральная оценка: теория и приложение. Englewood Cliffs, NJ: Prentice Hall, 1988.
[2] Orfanidis, S. J. Введение в обработку сигналов. Englewood Cliffs, NJ: Prentice Hall, 1995.
[3] Orfanidis, Обработка сигналов С. Дж. Оптимума: Введение. 2-й редактор Нью-Йорк, Нью-Йорк: Макмиллан, 1985.
