Псевдоспектр с использованием алгоритма MUSIC
[
реализует алгоритм классификации нескольких сигналов (MUSIC) и возвращает S
,wo
] = pmusic(x
,p
)S
, псевдоспектральную оценку входного сигнала x
, и вектор wo
нормированных частот (в рад/выборке), на которых оценивают псевдоспектр. Можно задать подпространство сигнала размерности используя входной параметр p
.
pmusic(___)
без выходных аргументов строит графики псевдоспектра в текущую фигуру окне.
В процессе оценки псевдоспектра pmusic
вычисляет шум и сигнальные подпространства из предполагаемых собственных векторов vj и собственные значения λj корреляционной матрицы сигнала. Наименьшее из этих собственных значений используется в сочетании с пороговым параметром p(2)
для влияния на размерность шумового подпространства в некоторых случаях.
n длин собственных векторов вычисляется pmusic
- сумма размерностей сигнального и шумового подпространств. Эта длина собственного вектора зависит от вашего входа (данных сигнала или матрицы корреляции) и синтаксиса, который вы используете.
В следующей таблице суммируется зависимость длины собственного вектора от входного параметра.
Длина собственного вектора в зависимости от входных данных и синтаксиса
Форма входных данных x | Комментарии к синтаксису | Длина n собственных векторов |
---|---|---|
Вектор-столбец |
|
|
Вектор-столбец |
|
|
Вектор-столбец |
| 2 |
l -by - m матрица | Если | m |
m -by m неотрицательная определенная матрица |
| m |
Необходимо указать nwin
> p(1)
или length(nwin)
> p(1)
если хотите p(2)
> 1
иметь любой эффект.
Алгоритм классификации нескольких сигналов (MUSIC) оценивает псевдоспектр из сигнала или корреляционной матрицы с использованием метода собственного пространственного анализа Шмидта [1]. Алгоритм выполняет собственный пространственный анализ матрицы корреляции сигнала, чтобы оценить содержимое частоты сигнала. Этот алгоритм особенно подходит для сигналов, которые являются суммой синусоидов с аддитивным белым Гауссовым шумом. Собственные значения и собственные векторы матрицы корреляции сигнала оцениваются, если вы не поставляете матрицу корреляции.
Оценка псевдоспектра MUSIC определяется
где N - размерность собственных векторов, а vk - k-й собственный вектор корреляционной матрицы. Целое число p является размерностью подпространства сигнала, поэтому собственные векторы, vk используемые в сумме, соответствуют наименьшим собственным значениям, а также охватывают шумовое подпространство. Вектор e (f) состоит из сложных экспоненциалов, поэтому скалярное произведение
составляет преобразование Фурье. Это используется для расчета псевдоспектральной оценки. БПФ вычисляется для каждой vk , и затем квадратные величины суммируются.
[1] Марпл, С. Лоуренс. Цифровой спектральный анализ. Englewood Cliffs, Нью-Джерси: Prentice Hall, 1987, pp . 373-378.
[2] Schmidt, R. O. «Multiple Emitter Location and Signal Parameter Estimation». IEEE® Транзакции на антеннах и распространение. Том AP-34, март, 1986, стр. 276-280.
[3] Стоика, Петре и Рэндольф Л. Мозес. Спектральный анализ сигналов. Верхняя Седл-Ривер, Нью-Джерси: Prentice Hall, 2005.