Псевдоспектр с помощью алгоритма MUSIC
[
реализует классификацию сигнала нескольких (MUSIC) алгоритм и возвращает S
,wo
] = pmusic(x
,p
)S
, оценка псевдоспектра входного сигнала x
, и векторный wo
из нормированных частот (в рад/отсчете), в котором оценен псевдоспектр. Можно задать размерность подпространства сигнала с помощью входного параметра p
.
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)
влиять на размерность шумового подпространства в некоторых случаях.
Длина n собственных векторов вычисляется pmusic
сумма 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 p(2)
> 1 оказывать любое влияние.
Несколько сигнализируют о классификации (MUSIC), алгоритм оценивает псевдоспектр от сигнала или корреляционной матрицы с помощью eigenspace метода анализа Шмидта [1]. Алгоритм выполняет eigenspace анализ корреляционной матрицы сигнала, чтобы 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, соответствует самым маленьким собственным значениям и также охватывает шумовое подпространство. Вектор e (f) состоит из комплексных экпонент, таким образом, скалярное произведение
суммы к преобразованию Фурье. Это используется для расчета оценки псевдоспектра. БПФ вычисляется для каждого vk , и затем величины 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® Транзакции 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.