功率谱(Matlab)案例.doc

功率谱分析 由题目内容，设采样频率fs=1000HZ，数据长度为256，模型阶数为14，f1=200,f2=300、250。 （1）用最大熵法进行谱估计 运行程序后，观察图像f1和f2相差较小时，功率谱变化更剧烈；模型的阶数越高，图像中能够获得的信息就越多，但同时计算量也就越大；增加数据长度可以获得更多的信息，提高了谱分析的分辨率，这是因为AR模型的谱估计隐含着对数据和自相关函数的外推，其长度可能会超过给定长度，分辨率不受信源信号的限制。 分别用Levinson递推法和Burg法进行功率谱分析 ( Levinson递推法 运行程序后，观察图像，f1和f2相差较小时，功率谱变化更剧烈；模型的阶数越高，图像中能够获得的信息就越多，但同时计算量也就越大；增加数据长度可以获得更多的信息，提高了谱分析的分辨率，但本题中信号为正弦信号加白噪声，故图像观察不明显。 ( Burg法 运行程序后，观察图像，f1和f2相差较小时，功率谱变化更剧烈；模型的阶数越高，图像中能够获得的信息就越多，但同时计算量也就越大；增加数据长度可以获得更多的信息，提高了谱分析的分辨率。 改变信号的相位、频率、信噪比，上述谱分析结果有何变化 如果正弦信号的频率过大，超过fs/2，会产生频率混叠现象，输入f1=600