MVDR频率估计方法及其Matlab代码实现
本文同步发布在我的个人博客宅到没朋友,欢迎来玩!
1.前言
M V D R MVDR MVDR频率估计方法的理论知识此处略过,直接介绍最后得到的 M V D R MVDR MVDR谱估计公式。
2. M V D R MVDR MVDR谱估计公式
P ^ M V D R ( w ) = 1 a H ( w ) R ^ − 1 a ( w ) \hat{P}_{MVDR} \left( w \right )= \frac{1}{a^{H} \left( w \right )\hat{R}^{-1} a\left( w \right )} P^MVDR(w)=aH(w)R^−1a(w)1
其中 a w = a M ( w ) = [ 1 e − j w ∗ ∗ ∗ e − j ( M − 1 ) w ] a_{w} = a_{M} \left( w \right ) = \begin{bmatrix} 1 \\ e^{-jw} \\*** \\ e^{-j \left(M-1 \right)w}\end{bmatrix} aw=aM(w)=⎣⎢⎢⎡1e−jw∗∗∗e−j(M−1)w⎦⎥⎥⎤, R ^ = E { x ( n ) x ^ ( n ) } = [ r ( 0 ) r ( 1 ) ⋯ r ( M − 1 ) r ( − 1 ) r ( 0 ) ⋯ r ( M − 2 ) ⋯ ⋯ ⋱ ⋮ r ( 1 − M ) r ( 2 − M ) ⋯ r ( 0 ) ] \hat{R} = E \left \{ x(n) \hat{x}(n) \right \} = \begin{bmatrix} r(0) & r(1) & \cdots & r(M-1)\\ r(-1) & r(0) & \cdots & r(M-2)\\ \cdots & \cdots & \ddots & \vdots \\ r(1-M) & r(2-M) & \cdots & r(0) \end{bmatrix} R^=E{x(n)x^(n)}=⎣⎢⎢⎢⎡r(0)r(−1)⋯r(1−M)r(1)r(0)⋯r(2−M)⋯⋯⋱⋯r(M−1)r(M−2)⋮r(0)⎦⎥⎥⎥⎤
M M M为自相关矩阵的阶数。
3.算法步骤
- 由 N N N个观测样本 x ( 0 ) , x ( 1 ) , ⋯ , x ( N ∗ 1 ) x\left( 0 \right), x\left( 1 \right),\cdots,x\left( N*1 \right) x(0),x(1),⋯,x(N∗1)估计样本相关矩阵 R ^ \hat{R} R^。
- 在 [ − π , π ] \left [ -\pi , \pi\right ] [−π,π]内改变 w w w,画出 P ^ M V D R ( w ) \hat{P}_{MVDR} \left( w \right) P^MVDR(w),峰值位置就是信号角频率的估计值。
4.算例及代码实现
4.1 算例
设随机过程 u ( n ) u \left( n \right) u(n)为 u ( n ) = e j 0.5 π n + j ϕ 1 + e − j 0.3 π n + j ϕ 2 + v n u \left( n \right) = e^{j0.5\pi n + j \phi _{1}} + e^{-j0.3\pi n + j \phi _{2}} + v_{n} u(n)=ej0.5πn+jϕ1+e−j0.3πn+jϕ2+vn,其中, v n v_{n} vn是0均值,方差为1的白噪声, ϕ 1 \phi _{1} ϕ1、 ϕ 2 \phi _{2} ϕ2是相互独立并在 [ 0 , 2 π ] \left[ 0,2\pi \right] [0,2π]上服从均匀分布的随机相位,使用 M V D R MVDR MVDR方法进行信号频率估计,画出频率估计谱线。(要求:信号样本数取1000,估计的自相关矩阵为8阶。)
4.2 M a t l a b Matlab Matlab实现
M V D R MVDR MVDR方法的输出功率为信号功率加上一个数,因此利用 M V D R MVDR MVDR方法进行谱估计时,若在某个频点有信号,则该点会出现一个比它真实功率值大一点的数值,若是没有信号,信号和噪声都被滤波器抑制,按公式估计的值会很小。
4.3 代码及下载
点此下载源码。
MVDR频率估计方法及其Matlab代码实现相关推荐
- 随机信号功率谱密度函数理论、估计方法及MATLAB代码
文章的内容整理自网络,仅Matlab代码部分进行了部分修正,具体而言: 理论部分来自:现代通信原理2.5:确定信号的能量谱密度.功率谱密度与自相关函数 估计和代码部分来自: 随机信号功率谱密度估计 P ...
- 【信号处理】CFO估计技术(Matlab代码实现)
目录 1 概述 2 运行结果 3 参考文献 4 Matlab代码实现 1 概述 针对存在未知载波频偏(CFO)的线性调制分类,提出一种混合似似然比检测(qHLRT)分类器.并且通过使用多天线接收机来进 ...
- 基于扩展卡尔曼滤波的SOC估计(附MATLAB代码)
1.卡尔曼滤波原理 原理可以参考我之前学习的笔记,使用goodnote完成的. 我认为,对于公式的推导不需要做太多深入的了解,我之前也对公式进行推导的理解,但是没过几天就忘了,只需要掌握住那重要的5个 ...
- Caputo 分数阶一维问题基于 L1 逼近的空间二阶方法(附Matlab代码)
Caputo 分数阶一维问题基于 L1 逼近的空间二阶方法 Caputo 分数阶一维问题基于 L1 逼近的快速差分方法(附Matlab程序) 文章目录 Caputo 分数阶一维问题基于 L1 逼近的空 ...
- 【图像分割】基于萤火虫优化的半监督谱聚类彩色图像分割方法(Matlab代码实现)
目录 0 概述 1 萤火虫算法 1.1 思想来源 1.2 数学模型 1.2.1 萤火虫相对荧光亮度 1.2.2 萤火虫吸引度 1.2.3 位置更新 1.3 算法步骤 2 基于萤火虫优化的半监督谱聚类彩 ...
- 大连理工大学2022年春季学期优化方法上机 Matlab代码
大连理工大学2022年春季学期优化方法上机作业前两道题 包含Matlab最速下降法.阻尼牛顿法,共轭方向发(标准形式和FR).DFP.BFGS 2022.04.25 修改,第一题共轭梯度法计算结果正确 ...
- 基于倒谱法、自相关法、短时幅度差法的基音频率估计算法(MATLAB及验证)
基音频率检测 一.概念 何为基音周期?人在发音时,根据声带是否振动可以将语音信号分为清音和浊音两种.浊音携带大量的能量,因此又被称为有声语音,其在时域上有明显的周期性.而清音类似于白噪声,没有明显的周 ...
- 系统辨识的几种方法实现MATLAB代码
系统辨识,即在已知系统阶次的情况下辨识出系统的参数或辨识系统阶次,一般用到的方法有最小二乘法.辅助变量法等,对于离线与在线辨识,只是加入一个递推的问题.下面本文给出系统辨识方法的实现代码. 首先是处理 ...
- Matlab | 数字信号处理:Matlab语言的基本使用方法(matlab代码版)
========================================== 博主github:https://github.com/MichaelBeechan 博主CSDN:https:/ ...
最新文章
- oracle视图执行脚本,Sh脚本中查询Oracle v$视图时需要在$号前加转义符“\”
- 能利用计算机来模拟某种真实的实验现象,自然现象或社会现象的课件是,《计算机辅助教学》课程复习资料...
- ucache灾备云报价_UCACHE灾备云功能
- java radio_java radioButton
- 堆排序工具类(适用于top k问题,java泛型实现)
- IDEA :Warning:java: 源值1.5已过时, 将在未来所有发行版中删除
- mrtg监控硬盘容量,内存占用,CPU占用 二
- endnotex9下载安装_endnote x9怎么和word关联?Word中用EndNote X9教程
- 计算机代码大全喜欢你,微信示爱代码大全 七夕情人节微信翻译表白代码2020
- 经典鸡兔同笼同类型问题
- 【异常检测论文】Anomaly Detection综述
- 博弈论战略式表述和扩展式表述
- 【Unity3D】3dsmax中带Vray材质的3D模型的导入
- 唐山乐高机器人_唐山青少年乐高机器人编程学校
- win10中sql plus中文乱码
- 遗传算法 商旅问题 c++ GA tsp
- 无线通信基础知识12:数字通信之信源编码
- 【C++】使用VS2022和GCC编译Xlnt库读取EXCEL
- Android Matrix手势缩放自定义view 不止于Imageview
- php微信 开发笔记,微信WebApp开发总结笔记
热门文章
- Unity中Avatar换装实现
- 博客项目(七)——一般用户后台
- 5个千兆网口,将有什么样高速网络传输体验?——米尔MYD-J1028X开发板实测分享
- vue项目报sockjs.js?9be2:1609 GET http://192.168.43.119:8080/sockjs-node/info?t=1670034125658
- zigbee组网过程
- C# Panel滚动条初始化位置
- 2014阿里巴巴校园招聘的一些感悟
- js拼接html符号问题示例
- 输出缓冲区和输入缓冲区
- P2P技术详解:NAT详解、P2P简介