Matlab实现经典功率谱估计的几种方法

Matlab实现经典功率谱估计的几种方法

功率谱估计是信号处理中的基础且重要的技术，广泛应用于通信、雷达、声学等领域。本文将介绍使用Matlab实现经典功率谱估计的几种方法，包括直接法、间接法和改进的直接法（Bartlett法和Welch法）。通过详细的Matlab代码示例，展示如何在实际应用中实现这些方法，并附有运行结果的图表。

fft做出来是频谱，psd做出来是功率谱；功率谱丢失了频谱的相位信息； 频谱不同的信号其功率谱是可能相同的；功率谱是幅度取模后平方，结果是个实数 matlab中自功率谱密度直接用psd函数就可以求，按照matlab的说法，psd 能实现Welch法估计，即相当于用改进的平均周期图法来求取随机信号的功率谱密度估计，psd求出的结果会更光滑。

1、直接法：

直接法又称周期图法，它是把随机序列x(n)的N个观测数据视为一能量有限的序列，直接计算x(n)的离散傅立叶变换，得X(k)，然后再取其幅值的平方，并除以N，作为序列x(n)真实功率谱的估计。

clear;
Fs=1000; %采样频率
n=0:1/Fs:1;
%产生含有噪声的序列
xn=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n));
window=boxcar(length(xn)); %矩形窗
nfft=1024;
[Pxx,f]=periodogram(xn,window,nfft,Fs); %直接法
plot(f,10*log10(Pxx));  

运行结果：

2、间接法：

由维纳辛钦定理可知，间接法先由序列x(n)估计出自相关函数R(n)，然后对R(n)进行傅立叶变换，便得到x(n)的功率谱估计。

clear;
Fs=1000; %采样频率
n=0:1/Fs:1;
%产生含有噪声的序列
xn=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n));
nfft=1024;
cxn=xcorr(xn,'unbiased'); %计算序列的自相关函数
CXk=fft(cxn,nfft);
Pxx=abs(CXk);
index=0:round(nfft/2-1);
k=index*Fs/nfft;
plot_Pxx=10*log10(Pxx(index+1));
plot(k,plot_Pxx);  

运行结果：

3、改进的直接法：

对于直接法的功率谱估计，当数据长度N太大时，谱 曲线起伏加剧，若N太小，谱的分辨率又不好，因此需要改进。

3.1、Bartlett法

Bartlett平均周期图的方法是将N点的有限长序列x(n)分段求周期图再平 均。

clear；
Fs=1000;
n=0:1/Fs:1;
xn=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n));
nfft=1024;
window=boxcar(length(n)); %矩形窗
noverlap=0; %数据无重叠
p=0.9; %置信概率
[Pxx,Pxxc]=psd(xn,nfft,Fs,window,noverlap,p);
index=0:round(nfft/2-1);
k=index*Fs/nfft;
plot_Pxx=10*log10(Pxx(index+1));
plot_Pxxc=10*log10(Pxxc(index+1));
figure(1)
plot(k,plot_Pxx);
pause;
figure(2)
plot(k,[plot_Pxx plot_Pxx-plot_Pxxc plot_Pxx+plot_Pxxc]);  

3.2、Welch法

Welch法对Bartlett法进行了两方面的修正，一是选择适当的窗函数 w(n)，并再周期图计算前直接加进去，加窗的优点是无论什么样的窗函数 均可使谱估计非负。二是在分段时，可使各段之间有重叠，这样会使方差减小。

clear;
Fs=1000;
n=0:1/Fs:1;
xn=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n));
nfft=1024;
window=boxcar(100); %矩形窗
window1=hamming(100); %海明窗
window2=blackman(100); %blackman窗
noverlap=20; %数据无重叠
range='half'; %频率间隔为[0 Fs/2]，只计算一半的频率
[Pxx,f]=pwelch(xn,window,noverlap,nfft,Fs,range);
[Pxx1,f]=pwelch(xn,window1,noverlap,nfft,Fs,range);
[Pxx2,f]=pwelch(xn,window2,noverlap,nfft,Fs,range);
plot_Pxx=10*log10(Pxx);
plot_Pxx1=10*log10(Pxx1);
plot_Pxx2=10*log10(Pxx2);
figure(1)
plot(f,plot_Pxx);
pause;
figure(2)
plot(f,plot_Pxx1);
pause;
figure(3)
plot(f,plot_Pxx2);  

运行结果：