当前位置：文档之家 › matlab基音周期频率估计

matlab基音周期频率估计

  • 格式：doc
  • 大小：58.00 KB
  • 文档页数：5

数字信号处理实验
第 - 1 - 页
专业班级 组别
成员

实验内容：利用至少两种频率估计方法编程求给定信号的频率
1 设计思路
方案一：采用谱峰估计法
将信号进行傅里叶变换，从频谱中找到幅度最大的谱线，对应频点与频率分
辨率乘积即为信号频率。
方案二：采用导数法
利用傅里叶变换性质，将原信号进行时域求导，再利用离散Parseval定理，
求出原信号的频率。具体推导公式如下：
时域信号
()jtxte，求导得()()()()nnxtjxt

两边同时平方积分，得 ()2222|()||()()||()|nnnxtdtjxtdtxtdt

即 2()202220|()||()|nnxtdxtd

运用离散Parseval定理，得 00002222|()|2|()|knknkkkXkNXk
其中，为0~2的一个频点，采样频率为Fs，由此计算出频率2fFs
2 程序代码
① 谱峰估计法
function f=pufeng
load signal; %信号自动存于变量S
N=128;
Fs=4000; %信号采样频率
数字信号处理实验
第 - 2 - 页
f=zeros(1,7);
y=abs(fft(S,N));
[m,n]=max(y);
f(1)=(n-1)*Fs/N; %无噪声时求出的频率
SNR=[20 15 10 5 0 -5];%信噪比
for i=1:6
S=awgn(S,SNR(i));
y=abs(fft(S,N));
[m,n]=max(y);
f(i+1)=(n-1)*Fs/N;
end
plot(f);hold;
plot(f,'.');
axis([0 8 340 355]);
xlabel('无噪声 --> 20dB --> 15dB --> 10dB --> 5dB --> 0dB --> -5dB');
legend('谱峰估计法');

② 导数法
function f=daoshu2
Fs=4000;
N=128;
n=1; %求导次数n
delta=6;
SNR=[20 15 10 5 0 -5]; %信噪比
load signal;
signal=zeros(7,length(S));
signal(1,:)=S;
for i=1:6
signal(i+1,:)=awgn(S,SNR(i)); %加性高斯白噪声
end
数字信号处理实验
第 - 3 - 页
for j=1:7
F=abs(fft(signal(j,:),N));
[Fm,k0]=max(F);
En1=0;En2=0;
for k=k0-delta:k0+delta;
En1=En1+(k-1)^(2*n)*F(k)^2;
En2=En2+F(k)^2; %主瓣能量
end
f(j)=Fs/N*(En1/En2)^(1/(2*n));
end
plot(f,'r');hold;
plot(f,'.r');axis([0 8 340 355]);
xlabel('无噪声 --> 20dB --> 15dB --> 10dB --> 5dB --> 0dB --> -5dB');
legend('导数法');

3 程序使用说明
将谱峰估计法代码保存为pufeng.m文件，将导数法代码保存于daoshu2.m
文件，直接调用程序pufeng或daoshu2，查看运行结果。
为了能将两个程序的结果同时显示，便于比较，可以使用一下代码：
f1=pufeng;
f2=daoshu2;
hold on;
plot(f1,'.');
plot(f1);
plot(f2,'.r');
plot(f2,'r');
axis([0 8 340 355]);
xlabel('无噪声 --> 20dB --> 15dB --> 10dB --> 5dB --> 0dB --> -5dB');
ylabel('f (Hz)');
数字信号处理实验
第 - 4 - 页
legend('导数法','谱峰估计法');

4 运行结果与分析

已知给定待测信号的频率为350Hz，从上图可以看出，在相同N值的前提下
（此处N=128），导数法估计出的信号频率比较准确。另外，通过对信号加白噪
声后进行频率估计，可以看出，谱峰估计法不受信噪比影响，所以在信噪比极低
的情况下，谱峰估计法可以估计出相对准确的频率值。

5 设计中遇到的问题与心得
这次的实验说简单不简单，说困难不困难，经过了上次实验，我们对MATLAB
这个软件重新熟悉了，经过对老师的那两种方法的分析，具体思路的把握，我们
很快就可以编出程序。遇到的问题也不是很多，主要就是一些细节方面的东西没
注意。比如说，MATLAB中的数组下标是从1开始，所以第k个点对应的间隔数
应为k-1，之前写程序的时候没有注意到这点，结果导致估计出的频率偏差很大。
另外，我们还试过Pisarenko算法的matlab程序，估计出来的频率比较精准。
数字信号处理实验
第 - 5 - 页
这次的实验我们对MATLAB这软件更熟悉了，也运用到一些新的函数，同时我们
还学习到了两种频率估计方法：谱峰估计法和导数法。

参考文献
[1] 彭鸿铭. “对混有复白噪声的正弦信号的频率估计” 江汉大学学报, 2002, 19(3).

合集下载

自相关函数法基音周期提取(matlab版)

自相关函数法基音周期提取(matlab版)

function nmax=find_maxn(r)%maxn,为峰值最大的nzer=find(r==0); %找第一个零点如果存在jiaocha=0; %找第一近零点ii=1;while (jiaocha<=0)if(r(ii)>0 && r(ii+1)<0 && (ii+1)<length(r))jiaocha=ii;endii=ii+1;if ii==length(r) %没有找到符合要求的点jiaocha=1;endendif length(zer)>0 %检查是否存在零点if zer(1)<jiaocha %存在，则和jiaocha比较大小，用于祛除前点的对基音周期的查找带来的影响jiaocha=zer(1);endendr(1:jiaocha)=0; %祛除影响maxn=max(r); %找最大值temp=find(r==maxn);%返回第一个最大值nmax=temp(1);function jiyinzhouqi(filename,shift)%短时自相关分析%filename语音文件*.wav%zhouqi基音周期shift=10;[signal,fs]=wavread('f:/mywork/1.wav');shift=round(fs*shift); %帧移n1=fix(fs*0.97)+1; %分析起点970ms,帧长30msn2=fix(fs*1)+1;ii=1;for ii=1:(length(signal)-n1)/shift %分析次数if n2<length(signal)data=signal(n1:n2);N=n2-n1+1;R=zeros(1,N); %基音周期（n）多次分析数组for k=1:N-1for jj=1:N-kR(k)=R(k)+data(jj)*data(jj+k);endendvalue(ii)=find_maxn(R); %调用基音周期（n）分析函数n1=n1+shift; %移动帧n2=n2+shift;endend%figure(3)%plot(R);%axis([0,1000 -300 300])figure(1)stem(value);axis([0 length(value) 0 1000])len =length(value); %基音周期（n）多次分析数组长度aver=mean(value);index=find(abs((value-aver))>aver/5);value(index)=0; %去除大野点的影响len=len-length(index);for jj=1:3:len/3 %中值平滑，滑动窗口宽度3，精度为中值1/4（剔除野点）average=(value(jj)+value(jj+1)+value(jj+2))/3;for kk=1:3if abs((value(jj-1+kk))-average)>average/4value(jj-1+kk)=0; %将野点置零，同时数组长度减一len=len-1;endendendfigure(2)stem(value);axis([0 length(value) 0 max(value)])Tp=sum(value)/len/fs %求基音周期（Tp）。

实验2利用MATLAB分析信号频谱及系统的频率特性

实验2利用MATLAB分析信号频谱及系统的频率特性

实验2利用MATLAB分析信号频谱及系统的频率特性引言：在信号处理和通信领域中，频谱分析是一项非常重要的技术。

频谱分析可以帮助我们了解信号的频率特性，包括频率成分和幅度。

MATLAB是一款功能强大的数学软件，提供了多种工具和函数用于信号处理和频谱分析。

本实验旨在通过MATLAB分析信号频谱及系统的频率特性，深入理解信号处理和频域分析的原理和应用。

实验步骤：1.生成一个信号并绘制其时域波形。

首先，我们可以使用MATLAB提供的函数生成一个信号。

例如，我们可以生成一个用正弦函数表示的周期信号。

```matlabt=0:0.001:1;%时间范围为0到1秒，采样率为1000Hzf=10;%信号频率为10Hzx = sin(2*pi*f*t); % 生成正弦信号plot(t,x) % 绘制信号的时域波形图title('Time domain waveform') % 添加标题```2.计算信号的频谱并绘制频谱图。

使用MATLAB中的FFT函数可以计算信号的频谱。

FFT函数将信号从时域转换为频域。

```matlabFs=1000;%采样率为1000HzL = length(x); % 信号长度NFFT = 2^nextpow2(L); % FFT长度X = fft(x,NFFT)/L; % 计算X(k)f = Fs/2*linspace(0,1,NFFT/2+1); % 计算频率轴plot(f,2*abs(X(1:NFFT/2+1))) % 绘制频谱图title('Frequency spectrum') % 添加标题```3.使用MATLAB分析系统的频率特性。

MATLAB提供了Signal Processing Toolbox，其中包含了分析系统频率特性的函数和工具。

```matlabHd = designfilt('lowpassfir', 'FilterOrder', 6,'CutoffFrequency', 0.3, 'SampleRate', Fs); % 设计一个低通滤波器fvtool(Hd) % 显示滤波器的频率响应``````matlab[W,F] = freqz(Hd); % 计算滤波器的频率响应plot(F,abs(W)) % 绘制滤波器的振幅响应title('Frequency response of lowpass filter') % 添加标题```实验结果：运行上述代码后，我们可以得到如下结果：1.时域波形图2.频谱图3.滤波器频率响应讨论与结论：本实验通过MATLAB分析信号频谱及系统的频率特性，深入理解了信号处理和频域分析的原理和应用。

matlab 计算频谱的命令

matlab 计算频谱的命令

【主题】matlab 计算频谱的命令一、matlab 中的频谱分析在 matlab 中，频谱分析是一种常见的数据处理技术，主要用于分析信号在频域上的特性。

频谱分析可以帮助我们了解信号的频率成分、周期性特征以及信号之间的关系，因此在信号处理、通信系统、音频分析等领域有着广泛的应用。

matlab 提供了丰富的频谱分析函数和命令，通过这些工具我们可以快速、准确地进行频谱分析，并获取有价值的信息。

二、常用的频谱分析命令1. fftfft 是 matlab 中最常用的频谱分析命令之一。

它可以将时域信号转换为频域信号，通过计算信号的傅立叶变换来获取信号的频谱信息。

其基本语法为：Y = fft(X)，其中 X 表示输入的时域信号，Y 表示输出的频域信号。

对于一个长度为 N 的输入信号，fft 命令将返回一个长度为 N 的复数数组，其中包含了信号在频域上的幅度和相位信息。

我们可以进一步对这些复数进行振幅谱和相位谱的分析，以获取更详细的频谱特征。

2. periodogramperiodogram 是用于计算信号功率谱密度（PSD）的命令。

它可以帮助我们分析信号在频域上的能量分布情况，从而了解信号的频率成分和能量分布情况。

其基本语法为：Pxx = periodogram(X)，其中 X 表示输入的信号。

通过 periodogram 命令，我们可以得到信号在不同频率上的功率谱密度估计值，以及相应的频率坐标。

这些信息对于分析信号的频谱特性非常有帮助，可以用于识别信号的主要频率成分和频率分布规律。

3. spectrogramspectrogram 命令用于计算信号的短时傅立叶变换，并绘制信号的时频谱图像。

它可以帮助我们观察信号在时间和频率上的变化规律，从而发现信号的时变特性和频率变化趋势。

其基本语法为：S = spectrogram(X)，其中 X 表示输入的信号。

通过 spectrogram 命令，我们可以得到信号的时频谱图像，其中横轴表示时间，纵轴表示频率，颜色表示信号强度。

MATLAB技术谱估计方法

MATLAB技术谱估计方法

MATLAB技术谱估计方法一、介绍MATLAB（Matrix Laboratory）是一种用于数值计算和数据可视化的编程语言和环境。

它提供了各种工具和函数，用于解决科学和工程领域的问题。

在信号处理领域，MATLAB被广泛应用于谱估计方法的研究和实践。

本文将详细介绍MATLAB中常用的技术谱估计方法。

二、时频分析及其应用时频分析是一种将信号在时间和频率上进行联合分析的方法。

它可以揭示信号在时间和频率域上的变化规律，对于非平稳信号的分析非常有用。

在MATLAB中，可以利用一些函数实现时频分析，如“specgram”函数可以计算信号的谱矩阵，并将其绘制成频谱图。

三、功率谱密度估计功率谱密度估计是一种用于描述信号在频域上的能量分布的方法。

MATLAB提供了多种功率谱密度估计方法，如传统的周期图方法和现代的非周期方法。

其中，最常用的有Welch方法和Yule-Walker方法。

Welch方法基于信号的分段平均，将信号划分为多个段落，然后计算每个段落的谱密度估计，最后对这些估计值进行平均。

Yule-Walker方法则基于自相关函数和线性预测，在频域上对信号进行建模。

四、自相关函数及其应用自相关函数是一种描述信号中自身相关性的方法。

在MATLAB中，可以使用“xcorr”函数计算信号的自相关函数。

自相关函数广泛应用于信号处理中的一些任务，例如信号的频率估计、信号的滤波和信号的预测。

通过自相关函数，我们可以推导出信号的自相关峰值位置，从而得到信号的周期和频率。

五、谱减法和频率追踪谱减法是一种常用的去噪方法，它利用信号的谱特性对噪声进行削减。

在MATLAB中，可以使用“pwelch”函数计算信号的功率谱密度估计，然后利用简单的减法运算去除噪声。

频率追踪是一种用于追踪信号频率变化的方法，对于非稳定信号的分析尤为重要。

MATLAB提供了多种频率追踪方法，如“pmtm”函数和“arburg”函数，可以帮助我们准确地追踪信号的频率变化。