dsp.TransferFunctionEstimator

Оценка передаточной функции

Описание

The dsp.TransferFunctionEstimator Система object™ вычисляет передаточную функцию системы, используя усредненный метод периодограммы Уэлча.

Для реализации объекта оценки передаточной функции:

  1. Создайте dsp.TransferFunctionEstimator Объекту и установите его свойства.

  2. Вызывайте объект с аргументами, как будто это функция.

Дополнительные сведения о работе системных объектов см. в разделе «Что такое системные объекты?».

Создание

Описание

tfe = dsp.TransferFunctionEstimator возвращает объект оценки передаточной функции, который вычисляет передаточную функцию действительных или сложных сигналов. Этот системный объект использует метод периодограммы и усредненный, измененный метод периодограммы Уэлча.

пример

tfe = dsp.TransferFunctionEstimator(Name,Value) возвращает объект оценки передаточной функции с каждым заданным набором свойств заданное значение. Неопределенные свойства имеют значения по умолчанию.

Свойства

расширить все

Если не указано иное, свойства являются нетронутыми, что означает, что вы не можете изменить их значения после вызова объекта. Объекты блокируются, когда вы вызываете их, и release функция разблокирует их.

Если свойство настраивается, можно изменить его значение в любой момент.

Для получения дополнительной информации об изменении значений свойств смотрите Разработку системы в MATLAB Использование Системных объектов.

Укажите источник значения длины БПФ как 'Auto' или 'Property'. Если вы задаете это свойство равным 'Auto'блок оценки передаточной функции устанавливает длину БПФ на размер входного кадра. Если вы задаете это свойство равным 'Property', затем укажите количество точек БПФ с помощью FFTLength свойство.

Задайте длину БПФ, которую использует оценщик передаточной функции для вычисления спектральных оценок в виде положительного, целочисленного скаляра.

Зависимости

Это свойство применяется, когда вы устанавливаете FFTLengthSource свойство к 'Property'.

Типы данных: double

Задайте оконную функцию для оценки передаточной функции как одну из 'Rectangular', 'Chebyshev', 'Flat Top', 'Hamming', 'Hann', или 'Kaiser'.

Задайте ослабление бокового лепестка окна как действительный, положительный скаляр, в децибелах (дБ).

Зависимости

Это свойство применяется, когда вы устанавливаете Window свойство к 'Chebyshev' или 'Kaiser'.

Типы данных: double

Задайте частотную область значений оценщика передаточной функции как один из 'twosided', 'onesided', или 'centered'.

Если вы задаете FrequencyRange на 'onesided', блок оценки передаточной функции вычисляет одностороннюю передаточную функцию действительных входных сигналов, x и y. Если длина БПФ, NFFT, четна, длина оценки передаточной функции NFFT/2+1 и вычисляется через интервал [0, SampleRate/2]. Если NFFT нечетен, длина оценки передаточной функции равна (NFFT+1)/2, и интервал следующий [0, SampleRate/2].

Если FrequencyRange установлено в 'twosided', блок оценки передаточной функции вычисляет двустороннюю передаточную функцию комплексных или действительных входных сигналов, x и y. Длина оценки передаточной функции равна NFFT и вычисляется по [0, SampleRate].

Если вы задаете FrequencyRange на 'centered', блок оценки передаточной функции вычисляет центрированную двустороннюю передаточную функцию комплексных или действительных входных сигналов, x и y. Длина оценки передаточной функции равна NFFT, и она вычисляется по [-SampleRate/2, SampleRate/2] для четных длин и [-SampleRate/2, SampleRate/2] для нечетных длин.

Укажите метод усреднения следующим 'Running' или 'Exponential'. В выполняющемся методе усреднения объект вычисляет одинаково взвешенное среднее заданное количество оценок спектра, заданных SpectralAverages свойство. В экспоненциальном методе объект вычисляет среднее значение по выборкам, взвешенным экспоненциально разрушающимся коэффициентом забывания.

Задайте количество спектральных средних значений как положительный, целочисленный скаляр. Оценщик передаточной функции вычисляет текущую оценку путем усреднения последних оценок N, где N - количество спектральных средних значений, заданных в SpectralAverages свойство.

Зависимости

Это свойство применяется при установке AveragingMethod на 'Running'.

Типы данных: double

Задайте экспоненциальный коэффициент забывания взвешивания как скалярное значение, больше нуля и меньше, чем или равное единице.

Настраиваемый: Да

Зависимости

Это свойство применяется при установке AveragingMethod на 'Exponential'.

Типы данных: single | double

Задайте true вычислить и вывести величину квадратную оценку когерентности с помощью усредненного, модифицированного метода периодограммы Уэлча. Величина квадратная оценка когерентности имеет значения от 0 до 1, которые указывают соответствие на каждой частоте между двумя входными сигналами. Если вы задаете falseоценка квадратной когерентности величины не вычисляется.

Использование

Описание

пример

tfeEst = tfe(x,y) вычисляет оценку передаточной функции, tfeEst, системы с входными x и выход y использование среднего метода периодограммы Уэлча.

[tfeEst,cxy] = tfe(x,y) также вычисляет квадратную оценку когерентности величины, cxy, системы.

Входные параметры

расширить все

Первый вход данных, заданный как вектор или матрица. x и y должен иметь одинаковый размер и тип данных.

Типы данных: single | double
Поддержка комплексного числа: Да

Второй вход данных, заданный как вектор или матрица. x и y должен иметь одинаковый размер и тип данных.

Типы данных: single | double
Поддержка комплексного числа: Да

Выходные аргументы

расширить все

Оценка передаточной функции системы, для которой x и y являются входы и выход сигналами, соответственно.

Оценка, tfeEst, равно pxy. / pxx, где pxy является взаимная спектральная плотность мощности x и y, и pxx - спектральная плотность степени x.

Оценка передаточной функции имеет тот же размер и тип данных, что и вход.

Типы данных: single | double
Поддержка комплексного числа: Да

Величина квадратная оценка когерентности системы, возвращенная в виде вектора или матрицы.

Оценка когерентности, cxy, равно (abs(pxy).^2)./(pxx.*pyy), где pxy является взаимная спектральная плотность мощности x и y, pxx - спектральная плотность степени x, и pyy - спектральная плотность степени y. Для оценки когерентности OutputCoherence свойство должно быть установлено в true.

Оценка когерентности имеет тот же размер и тип данных, что и вход.

Типы данных: single | double

Функции объекта

Чтобы использовать функцию объекта, задайте системный объект в качестве первого входного параметра. Например, чтобы освободить системные ресурсы системного объекта с именем obj, используйте следующий синтаксис:

release(obj)

расширить все

getFrequencyVectorВектор частот, на которых выполняется оценка
getRBWРазрешающая способность полосы спектра
stepЗапуск алгоритма системного объекта
releaseОтпустите ресурсы и допустите изменения в значениях свойств системного объекта и входных характеристиках
resetСброс внутренних состояний Системного объекта

Примеры

свернуть все

Примечание. Если вы используете R2016a или более ранний релиз, замените каждый вызов объекта эквивалентным step синтаксис. Для примера, obj(x) становится step(obj,x).

Сгенерируйте синусоиду. Используйте dsp.TransferFunctionEstimator Системная object™ для оценки передаточной функции системы и dsp.ArrayPlot Системный объект для его отображения.

sin = dsp.SineWave('Frequency',100,'SampleRate',1000);
sin.SamplesPerFrame = 1000;
tfe = dsp.TransferFunctionEstimator('FrequencyRange','centered');
aplot = dsp.ArrayPlot('PlotType','Line','XOffset',-500,'YLimits',...
        [-120 5],'YLabel','Frequency Response (dB)',...
        'XLabel','Frequency (Hz)',...
        'Title','System Transfer Function');

Создайте конечную импульсную характеристику Filter Системного объекта порядка 64 и (нормированную) частоту среза 1/4. Добавьте случайный шум в синусоиду. Пройдите по системным объектам, чтобы получить потоки данных и постройте журнал величины передаточной функции.

firFilt = dsp.FIRFilter('Numerator',fir1(64,1/4));
for ii = 1:100
x = sin() + 0.05*randn(1000,1);
y = firFilt(x);
Txy = tfe(x,y);
aplot(20*log10(abs(Txy)))
end

Алгоритмы

расширить все

Ссылки

[1] Hayes, Monson H. Statistical Digital Signal Processing and Modeling. Хобокен, Нью-Джерси: Джон Уайли и сыновья, 1996

[2] Кей, Стивен М. Современная спектральная оценка: теория и применение. Englewood Cliffs, Нью-Джерси: Prentice Hall, 1999

[3] Стоика, Петре и Рэндольф Л. Мозес. Спектральный анализ сигналов. Englewood Cliffs, Нью-Джерси: Prentice Hall, 2005

[4] Welch, P. D. «Использование быстрых преобразований Фурье для оценки спектров степени: Метод, основанный на усреднении времени по коротким измененным периодограммам», IEEE Transactions on Audio and Electroacoustics, Vol. 15, pp. 70-73, 1967.

Расширенные возможности

.
Введенный в R2013b