测试信号分析与处理作业实验五
信号分析与处理实验指导书3
二、实验原理 信号的基本运算包括信号的相加和相乘。信号的时域变换包括信号的平移、
反折、倒相以及尺度变换。
三、涉及的 MATLAB 函数 fliplr 函数 功能:实现矩阵行元素的左右翻转。 调用格式: B=fliplr(A):其中 A 指要翻转的矩阵。
四、实验内容与方法
1、常规计算
1)序列的加法
x1=-2:2;
t0=1;u=stepfun(t,t0);
n=length(t);
for i=1:n
u(i)=b*u(i)*(t(i)-t0);
end
%产生一个斜坡信号
y=sin(2*pi*t) ;
%产生一个正弦信号
f=y+u;
%信号相加
plot(t,f);
xlabel('时间(t)');ylabel('幅值 f(t)');title('连续信号的相加');
if (n1>n2||n0>n2||n0<n1)
error('parameter error');
end;
if (n1<=n2)
for n=1:n2-n1+1
if (n==n0)
x(1,n)=n1-1+n;
x(2,n)=1;
end;
x(1,n)=n1-1+n;
x(2,n)=0;
end;
x(2,n0-n1+1)=1;
4)翻转 信号的翻转就是将信号的波形以纵轴为对称轴翻转 180°，将信号 f(t)中的
自变量 t 替换为-t 即可得到其翻转信号。 clear all t=0:0.02:1;t1=-1:0.02:0; g1=3*t; g2=3*(-t1); grid on; plot(t,g1,'--',t1,g2); xlabel('t');ylabel('g(t)'); title('信号的翻转'); 5)尺度变换 将信号 f(t)中的自变量 t 替换为 at clear all; t=0:0.001:1; a=2; y=sin(2*pi*t); y1=sin(2*a*pi*t); subplot(211) plot(t,y); ylabel('y(t)');xlabel('t'); title('尺度变换');
信号分析与处理实验指导书
实验一 信号频谱的测量一、实验目的1、掌握信号频谱的测量方法，加深对周期信号频谱特点的了解。
2、研究矩形脉冲时域周期和脉宽的变化对频谱结构的影响，了解时域和频域间的关系。
3、学习TH-SG01P 型功率函数信号发生器各旋钮、开关的作用及其使用方法。
4、学习虚拟示波器的使用方法。
二、原理及说明1、周期信号的频谱分为幅度谱、相位谱和功率谱三种，分别是信号各频率分量的振幅，初相和功率按频率由低到高依次排列构成的图形。
通常讲的频谱指幅度谱，它可选频表或波形分析仪逐个频率测试而得，也可用频率谱仪直接显示，现在更多的是应用虚拟示波器的FFT 变换来实现。
2、连续周期信号频谱的特点是离散性、谐波性和幅度总趋势的收敛性，可以通过对正弦波、三角波、方波（或矩形脉冲）频谱的具体测试而得到验证。
（1）、正弦波的频谱特别简单，即本身频率的振幅，如图1-1所示。
图1-1 正弦波及其频谱（2）、宽度为2τ，高度为A 的三角波的频谱，当2T τ=时，2()2k k A A Sa π=，如图1-2所示。
图1-2 三角波及其频谱ω12ω1k ω13ω ω1ωAk A13ω15ωω12ω 24/(5)A π24/(3)A π /2A1k ωω1ω24/A πkA（3）、矩形脉冲的频谱，122k k A A Sa Tωττ⎛⎫=⎪⎝⎭。
当为方波2T τ=时，12k k A A Sa ωτ⎛=⎝图1-3 （4）、周期型矩形脉冲的频谱按122k A Sa Tωττ⎛⎫⎪⎝⎭规律变化，它的第一个零点频率2πτ取决于脉宽τ，谱线的疏密取决于周期T 。
当脉宽τ不变时，在20πτ内谱线会增多而变密；当周期T 不变而脉宽τ减小时，其第一零点频率会增高，从而使20πτ内的谱线增多；谱线高度都会因T 增大或τ减小而降低。
因此，信号的波形和其频谱间是一一对应的，它们不过是对同一信号的两种不同描述方式罢了。
在频域中，常把20πτ的一段频率范围定义为信号的有效频带宽度，对于5T τ≥的矩形脉冲，这种定义就比较精确了。
信号分析与处理实验报告
《信号分析与处理》实验报告华北电力大学前言1．实验总体目标通过实验，巩固掌握课程的讲授内容，使学生对信号分析与线性系统分析的基本理论及分析方法有一个感性认识和更好地理解，使学生在分析问题与解决问题的能力及实践技能方面有所提高。
2．适用专业自动化专业本科生3．先修课程信号分析与处理4．实验课时分配5需要配置微机及MATLAB工具软件。
6．实验总体要求1、掌握信号分解的基本思想及信号在时域、频域和变换域进行分解的基本理论及描述方法，用MATLAB编程语言实现基本信号的表示及可视化，计算和分析信号的频谱；2、掌握在时域、频域和变换域分析LTI系统的方法，及系统在时域、频域和变换域的描述方法，用MATLAB编程语言实现LTI系统的时域分析及频率分析。
3、掌握信号的调制与解调，用MATLAB编程语言仿真分析信号的调制与解调。
⒎ 本实验的重点、难点及教学方法建议实验通过MATLAB编程语言来实现基本信号的表示及可视化，计算分析信号的频谱，实现LTI系统的时域分析及频率分析，并仿真分析信号的调制与解调，使学生对信号分析与线性系统分析的基本理论及分析方法有一个感性认识和更好地理解。
实验的重点及难点是：掌握基本信号的数学表示，信号的频谱特点，计算LTI系统的典型响应，掌握信号的调制与解调。
在这样的理论基础上，学会用MATLAB编程语言来实现对信号与系统响应的可视化及对数字滤波器进行设计。
教学建议：打好理论基础，熟练编程语言。
目录实验一信号的时域与频域分析 3实验二信号的时域与频域处理 4实验三数字滤波器的设计 5实验一一、实验目的1、熟悉MATLAB 平台，高效的数值计算及符号计算功能；2、实现基本信号的表示及可视化计算；3、分析信号的频谱。
二、 实验类型验证型 三、 实验仪器微机，MATLAB 工具软件。
四、 实验原理MATLAB 是功能强大的数学软件，它提供了计算周期连续函数和周期离散序列的频谱的一系列函数。
信号分析与处理实验指导书
实验一时域分析实验一.实验目的(1)熟悉MATLAB开发环境。
(2)掌握MATLAB各种表达式的书写规则以及常用函数的使用。
(3)熟悉MATLAB的基本操作(4)熟悉MATLAB中产生信号和绘制信号的基本命令。
(5)熟悉序列的简单运算，如：加法、标量乘法、时间反转、延时、乘法等。
二.实验原理MATLAB (矩阵实验室的简称)是一种专业的计算机程序，用于工程科学的矩阵数学运算。
但在以后的几年内，它逐渐发展为一种极其灵活的计算体系，用于解决各种重要的技术问题。
MA TLAB程序执行MATLAB语言，并提供了一个极其广泛的预定义函数库，这样就使得技术工作变得简单高效。
三.实验任务及步骤1、学习了解MATLAB的实验环境：在Windows桌面上，双击MA TLAB图标，即可进入MA TLAB系统命令窗口。
图1-1 MATLAB系统命令窗口当MA TLAB运行时，有多种类型的窗口，有的用于接收命令，有的用于显示信息。
三个重要的窗口有命令窗口；图像窗口；编辑/调试窗口；它们的作用分别为输入命令；显示图形；充许使用者创建和修改MATLAB程序。
在本节课中我们将会看到这三个窗口的例子。
当MA TLAB程序启动时，一个叫做MATLAB桌面的窗口出现了。
默认的MATLAB桌面结构如图1-1所示。
在MA TLAB集成开发环境下，它集成了管理文件、变量和应用程序的许多编程工具。
在MA TLAB桌面上可以得到和访问的窗口主要有：■命令窗口（The Command Window）■命令历史窗口（The Command History Window）■启动平台（Launch Pad）■编辑调试窗口（The Edit/Debug Window）■工作台窗口和数组编辑器（Workspace Browser and Array Editor）■帮助空间窗口（Help Browser）■当前路径窗口（Current Directory Browser）1.1 命令窗口MA TLAB桌面的右边是命令窗口。
测试信号分析处理实验报告
《测试信号分析与处理》课程试验报告试验名称：快速傅立叶变换算法（FFT）在信号频谱分析中的应用及滤波器的设计和实现试验目的：通过本试验，基本掌握FFT算法的实现原理，同时能利用MATLAB语言编写完成FFT算法，并对给定的信号进行频谱分析。
按照给定的数字滤波器设计指标，完成相应数字滤波器的设计。
试验设备：通用计算机＋MATLAB 6.0软件。
试验步骤：1、产生给定的需要分析的周期性信号，利用FFT算法对产生的周期性信号进行频谱分析。
2、按照给定的数字滤波器设计指标，设计完成相应的数字滤波器。
试验内容：1、理解FFT算法的基本原理；2、掌握MATLAB编程的基本语言；3、会利用MATLAB语言实现FFT算法。
4、利用实现的FFT算法对给定的周期性离散信号进行频谱分析，并绘出频谱图。
5、理解数字滤波器设计指标，完成数字滤波器设计。
试验的难点和要点：1、依据采样定理，对给定的信号选择合适的采样周期进行离散化。
2、熟练使用MATLAB语言中的FFT库函数对采样信号进行傅立叶变换。
3、利用MATLAB 绘图语言绘制傅立叶变换后的信号频谱图。
4、利用MATLAB 语言设计完成给定指标的数字滤波器。
试验过程记录：1、利用FFT 实现对信号频谱分析的基本原理（介绍试验内容中所涉及到的信号分析理论，注意介绍说明要规范和完整）本实验是求函数x=sin(2*pi*50*t)+sin(2*pi*25*t)的频谱曲线，实验中通过在0到1.023之间以0.001的间隔取了1024个点绘制两个正弦函数的叠加曲线，然后进行频谱分析。
由于序列的长度为1024=2^10，所以可以采用基2时析型FFT 算法。
序列长度1024=2^10，因此运算级数为10级。
第一步：先通过构造一个循环函数求出输入序列的按倒序重排的序列，然后接下来的运算是建立在这个重排序列的基础上。
第二步：通过构造一个三级嵌套循环求出该序列的傅里叶变换函数。
其中第三级循环函数中包含两个循环函数，第一个循环函数用来求出奇序列的值，第二个循环函数用来求出偶序列的值。
信号分析与处理实验报告(基于MATLAB)
武汉工程大学电气信息学院三、实验数据与结果分析1、2、四、思考：2. 3.四、思考：1、代数运算符号*和.*的区别是？*是矩阵相乘，是矩阵A行元素与B的列元素相乘的和.*是数组相乘，表示数组A和数组B中的对应元素相乘实验内容实验三连续时间信号的卷积一、实验内容1、已知两连续时间信号如下图所示，绘制信号f1(t)、f2(t)及卷积结果f(t)的波形；设时间变化步长dt分别取为0.5、0.1、0.01，当dt取多少时，程序的计算结果就是连续时间卷积的较好近似？2、、计算信号()()()11==-a t u e t f at 和()()t tu t f sin 2=的卷积f(t)，f 1(t)、f 2(t)的时间范围取为0~10，步长值取为0.1。
绘制三个信号的波形。
二、实验方法与步骤1、绘制信号f 1(t)、f 2(t)及卷积结果f(t)的波形，当dt 取0.01时程序的计算结果就是连续时间卷积的较好近似程序代码如下：clear allclose allclcdt=0.01t1=0:dt:2;t2=-1:dt:1;f1=0.5*t1;f2=0.5*(t2+1);y=dt*conv(f1,f2); %计算卷积t0=t1(1)+t2(1); %计算卷积结果的非零样值的起点位置2.实验内容三、实验数据与结果分析1.2.实验内容实验五连续时间信号的频域分析一、实验内容1、如图5.4所示的奇谐周期方波信号，周期为T1=1，幅度为A=1，将该方波信号展开成三角形式Fourier级数并分别采用频域矩形窗和Hanning窗加权，绘制两种窗函数加权后的方波合成图像。
时间范围取为-2~2，步长值取为0.01。
2、将图5.5中的锯齿波展开为三角形式Fourier级数，按(2)式求出Fourier级数的系数，并在频域分别采用矩形窗、Hanning窗和三角窗加权，观察其Gibbs效应及其消除情况。
时间范围取为-2~2，步长值取为0.01。
信号分析与处理实验报告
信号分析与处理实验报告一、实验目的1.了解信号分析与处理的基本概念和方法；2.掌握信号分析与处理的基本实验操作；3.熟悉使用MATLAB进行信号分析与处理。
二、实验原理信号分析与处理是指利用数学和计算机技术对信号进行分析和处理的过程。
信号分析的目的是了解信号的特性和规律，通过对信号的频域、时域和幅频特性等进行分析，获取信号的频率、幅度、相位等信息。
信号处理的目的是对信号进行数据处理，提取信号的有效信息，优化信号的质量。
信号分析和处理的基本方法包括时域分析、频域分析和滤波处理。
时域分析主要是对信号的时变过程进行分析，常用的方法有波形分析和自相关分析。
频域分析是将信号转换到频率域进行分析，常用的方法有傅里叶级数和离散傅里叶变换。
滤波处理是根据信号的特性选择适当的滤波器对信号进行滤波，常用的滤波器有低通滤波器、高通滤波器、带通滤波器和带阻滤波器等。
三、实验内容1.信号的时域分析将给定的信号进行波形分析，绘制信号的时域波形图；进行自相关分析，计算信号的自相关函数。
2.信号的频域分析使用傅里叶级数将信号转换到频域，绘制信号的频域图谱；使用离散傅里叶变换将信号转换到频域，绘制信号的频域图谱。
3.滤波处理选择合适的滤波器对信号进行滤波处理，观察滤波前后的信号波形和频谱。
四、实验步骤与数据1.时域分析选择一个信号进行时域分析，记录信号的波形和自相关函数。
2.频域分析选择一个信号进行傅里叶级数分析，记录信号的频谱；选择一个信号进行离散傅里叶变换分析，记录信号的频谱。
3.滤波处理选择一个信号，设计适当的滤波器对信号进行滤波处理，记录滤波前后的信号波形和频谱。
五、实验结果分析根据实验数据绘制的图像进行分析，对比不同信号在时域和频域上的特点。
观察滤波前后信号波形和频谱的变化，分析滤波效果的好坏。
分析不同滤波器对信号的影响，总结滤波处理的原理和方法。
六、实验总结通过本次实验，我们了解了信号分析与处理的基本概念和方法，掌握了信号分析与处理的基本实验操作，熟悉了使用MATLAB进行信号分析与处理。
测试信号处理实验报告
一、实验目的1. 熟悉信号处理的基本概念和基本原理；2. 掌握信号的时域、频域分析方法；3. 理解滤波器的设计与实现方法；4. 提高实验操作技能和数据分析能力。
二、实验内容1. 信号的产生与基本特性分析2. 信号的时域、频域分析3. 滤波器的设计与实现4. 系统性能测试与分析三、实验原理1. 信号的产生与基本特性分析信号是信息传递的载体，信号的时域特性描述了信号随时间变化的规律，频域特性描述了信号中不同频率成分的分布情况。
2. 信号的时域、频域分析时域分析通过对信号进行时域波形观察，分析信号的波形、幅度、周期、频率等特性。
频域分析通过对信号进行傅里叶变换，分析信号的频谱分布情况。
3. 滤波器的设计与实现滤波器是一种能对信号进行选择性通、阻、衰减的装置。
滤波器的设计包括理想滤波器、实际滤波器的设计。
4. 系统性能测试与分析系统性能测试与分析包括系统稳定性、线性度、频率响应、群延迟、幅度响应等方面的测试。
四、实验步骤1. 信号的产生与基本特性分析（1）使用信号发生器产生不同类型的信号，如正弦波、方波、三角波等；（2）使用示波器观察信号的波形、幅度、周期、频率等特性；（3）对信号进行时域分析，记录相关数据。
2. 信号的时域、频域分析（1）对信号进行傅里叶变换，得到信号的频谱；（2）使用频谱分析仪观察信号的频谱分布情况；（3）对信号进行频域分析，记录相关数据。
3. 滤波器的设计与实现（1）设计一个低通滤波器，限制信号中高频成分的通过；（2）设计一个高通滤波器，限制信号中低频成分的通过；（3）设计一个带通滤波器，允许信号中特定频率范围内的成分通过；（4）使用滤波器对信号进行处理，观察滤波效果。
4. 系统性能测试与分析（1）测试滤波器的稳定性、线性度、频率响应、群延迟、幅度响应等性能指标；（2）记录测试数据，分析系统性能。
五、实验结果与分析1. 信号的产生与基本特性分析实验中产生的信号波形、幅度、周期、频率等特性符合理论预期。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
王锋实验五：多种功率谱估计的比较一、实验目的a.了解功率谱估计在信号分析中的作用；b.掌握随机信号分析的基础理论，掌握参数模型描述形式下的随机信 号的功率谱的计算方法；c.掌握在计算机上产生随机信号的方法；d.了解不同的功率谱估计方法的优缺点。
二、实验准备有三个信号源，分别代表三种随机信号（序列）。
信号源1：123()2cos(2)2cos(2)2cos(2)()x n f n f n f n z n πππ=+++其中，1230.08,=0.38,0.40f f f == z(n)是一个一阶 AR 过程，满足方程： ()(1)(1)()z n a z n e n =--+ (1)0.823321a =-e(n)是一高斯分布的实白噪声序列，方差20.1σ=信号源2和信号源3：都是4阶的AR 过程，它们分别是一个宽带和一个窄带过程，满足方程： ()(1)(1)(2)(2)(3)(3)(4)(4)()x n a x n a x n a x n a x n e n =--------+ e(n)是一高斯分布的实白噪声序列，方差2σ，参数如下：三、实验内容a. 描绘出这三个实验信号的真实功率谱波形。
b. 在计算机上分别产生这个三个信号，令所得到的数据长度 N= 256 。
注意：产生信号的时候注意避开起始瞬态点。
例如，可以产生长度为512 的信号序列，然后取后面256 个点作为实验数据。
c. 分别用如下的谱估计方法，对三个信号序列进行谱估计。
1、经典谱估计 周期图法 自相关法平均周期图法（Bartlett 法）Welch法（可选每段64 点，重叠32 点，用Hamming 窗）2、现代谱估计Yule - Walker方程（自相关法）最小二乘法注：阶次p可在3－20之间，由自己给定。
四、实验结果分析生成的信号源进行一次估计时的结果：信号1的经典谱估计：信号1的现代谱估计：信号2的现代谱估计：信号3的现代谱估计：运行50次求平均的结果：信号1的经典谱估计：信号1的现代谱估计：信号2的现代谱估计：信号3的现代谱估计：运行1次估计结果分析：可见现代谱估计的分辨率和光滑性都比较好。
而经典谱估计中，周期图法和自相关法的分辨率较好，但是光滑性不好，起伏剧烈。
Bartlett法和Welch法光滑性比较好，但是是分辨率降低了很多。
运行50次结果分析：可以看到运行50次求平均后，周期图法以及自相关法的光滑性都得到了改善，并且没有降低分辨率。
这是因为50次求平均对于平稳信号来说相当于进行了数据长度更长的welch 法和平均周期图法，因此在没有牺牲分辨率的情况下，改善了光滑性。
实验还发现，burg算法的结果很不稳定，分辨率有时极差，这可能与随机信号的采样点数太少有关。
需要进步一研究。
五、原程序清单%=======生成信号源1=======e1=wgn(1,512,0.1);%生成高斯白噪声a1=-0.823321;z1(1)=0;for i=2:512z1(i)=-a1.*z1(i-1)+e1(i);endf1=0.08;f2=0.38;f3=0.40;for i=1:512xn11(i)=2.*cos(2.*pi.*f1.*i)+2.*cos(2.*pi.*f2.*i)+2.*cos(2.*pi.*f3.*i)+z1(i);endxn1(1:256)=xn11(257:512);%取后半段256点subplot(3,1,1);plot(1:256,xn1)title('信号源1');axis([0 256 -10 10])%=======生成信号源2=======e2=wgn(1,512,1);%生成高斯白噪声a21=-1.300;a22=1.200;a23=-0.600;a24=0.250;z2(1)=0;z2(2)=0;z2(3)=0;z2(4)=0;for i=5:512z2(i)=(-a21).*z2(i-1)+(-a22).*z2(i-2)+(-a23).*z2(i-3)+(-a24).*z2(i-4)+e2(i);endxn2(1:256)=z2(257:512);%取后半段256点subplot(3,1,2);plot(1:256,xn2)title('信号源2');axis([0 256 -10 10])%=======生成信号源3=======e3=wgn(1,512,1);%生成高斯白噪声a31=-2.750;a32=3.799;a33=-2.650;a34=0.928;z3(1)=0;z3(2)=0;z3(3)=0;z3(4)=0;for i=5:512z3(i)=(-a31).*z3(i-1)+(-a32).*z3(i-2)+(-a33).*z3(i-3)+(-a34).*z3(i-4)+e3(i);endxn3(1:256)=z3(257:512);%取后半段256点subplot(3,1,3);plot(1:256,xn3)title('信号源3');axis([0 256 -100 100])%====信号1的经典谱估计===m=50;%实验次数m取1和50for i=1:mX11(:,i)=fft(xn1,512);px11(:,i)=1/256*abs(X11(:,i)).^2;%周期图法Rx12(:,i)=xcorr(xn1);px12(:,i)=1/256*abs(fft(Rx12(:,i)));%自相关法xnk1(1:64)=xn1(1:64);xnk2(1:64)=xn1(65:128);xnk3(1:64)=xn1(129:192);xnk4(1:64)=xn1(193:256);Xnk1(:,i)=fft(xnk1,128);pxnk1(:,i)=1/64*abs(Xnk1(:,i)).^2;Xnk2(:,i)=fft(xnk2,128);pxnk2(:,i)=1/64*a bs(Xnk2(:,i)).^2;Xnk3(:,i)=fft(xnk3,128);pxnk3(:,i)=1/64*abs(Xnk3(:,i)).^2;Xnk4(:,i)=fft(xnk4,128);pxnk4(:,i)=1/64*a bs(Xnk4(:,i)).^2;px13(:,i)=1/4.*(pxnk1(:,i)+pxnk2(:,i)+pxnk3(:,i)+pxnk4(:,i));%4段平均周期图法px14(:,i)=pwelch(xn1,[],64,512);%welch法endpx111=mean(px11,2);px112=mean(px12,2);px113=mean(px13,2);px114=mean(px14,2);figure(4)subplot(4,1,1);plot(1:512,px111);title('信号1-周期图法');axis([0 256 0 300]);subplot(4,1,2);plot(1:511,px112);title('信号1-自相关法');axis([0 256 0 300]);subplot(4,1,3);plot(1:length(px113),px113);title('信号1-4段平均周期图法');axis([0 64 0 100]); subplot(4,1,4);plot(1:length(px114),px114);title('信号1-Welch法');axis([0 256 0 40]);%====信号1的现代谱估计===for i=1:mpx15(:,i)=pyulear(xn1,15,512);px16(:,i)=pburg(xn1,15,512);endpx115=mean(px15,2);px116=mean(px16,2);figure(5)subplot(2,1,1);plot(px115);title('信号1-Yule-Walker自相关法');subplot(2,1,2);plot(px116);title('信号1-Burg算法');%====信号2的经典谱估计===m=50;%实验次数m取1和50for i=1:mX21(:,i)=fft(xn2,512);px21(:,i)=1/256*abs(X21(:,i)).^2;%周期图法Rx22(:,i)=xcorr(xn2);px22(:,i)=1/256*abs(fft(Rx22(:,i)));%自相关法xnk21(1:64)=xn2(1:64);xnk22(1:64)=xn2(65:128);xnk23(1:64)=xn2(129:192);xnk24(1:64)=xn2(193:256);xnk221(:,i)=fft(xnk21,128);pxnk21(:,i)=1/64*abs(xnk221(:,i)).^2;xnk222(:,i)=fft(xnk22,128);pxnk22 (:,i)=1/64*abs(xnk22(:,i)).^2;xnk223(:,i)=fft(xnk23,128);pxnk23(:,i)=1/64*abs(xnk223(:,i)).^2;xnk224(:,i)=fft(xnk24,128);pxnk24 (:,i)=1/64*abs(xnk24(:,i)).^2;px23(:,i)=1/4.*(pxnk21(:,i)+pxnk22(:,i)+pxnk23(:,i)+pxnk24(:,i));%4段平均周期图法px24(:,i)=pwelch(xn2,[],64,512);%welch法endpx211=mean(px21,2);px212=mean(px22,2);px213=mean(px23,2);px214=mean(px24,2);figure(6)subplot(4,1,1);plot(1:512,px211);title('信号2-周期图法');axis([0 256 0 100]);subplot(4,1,2);plot(1:511,px212);title('信号2-自相关法');axis([0 256 0 100]);subplot(4,1,3);plot(1:length(px213),px213);title('信号2-4段平均周期图法');axis([0 64 0 50]); subplot(4,1,4);plot(1:length(px214),px214);title('信号2-Welch法');axis([0 256 0 10]);%====信号2的现代谱估计===for i=1:mpx25(:,i)=pyulear(xn2,15,512);px26(:,i)=pburg(xn2,15,512);endpx215=mean(px25,2);px216=mean(px26,2);figure(7)subplot(2,1,1);plot(px215);title('信号2-Yule-Walker自相关法');subplot(2,1,2);plot(px216);title('信号2-Burg算法');%====信号3的经典谱估计===m=50;%实验次数m取1和50for i=1:mX31(:,i)=fft(xn3,512);pX31(:,i)=1/256*abs(X31(:,i)).^2;%周期图法Rx32(:,i)=xcorr(xn3);px32(:,i)=1/256*abs(fft(Rx32(:,i)));%自相关法xnk31(1:64)=xn3(1:64);xnk32(1:64)=xn3(65:128);xnk33(1:64)=xn3(129:192);xnk34(1:64)=xn3(193:256);xnk321(:,i)=fft(xnk31,128);pxnk31(:,i)=1/64*abs(xnk321(:,i)).^2;xnk322(:,i)=fft(xnk32,128);pxnk32 (:,i)=1/64*abs(xnk32(:,i)).^2;xnk323(:,i)=fft(xnk33,128);pxnk33(:,i)=1/64*abs(xnk323(:,i)).^2;xnk324(:,i)=fft(xnk34,128);pxnk34 (:,i)=1/64*abs(xnk34(:,i)).^2;px33(:,i)=1/4.*(pxnk31(:,i)+pxnk32(:,i)+pxnk33(:,i)+pxnk34(:,i));%4段平均周期图法px34(:,i)=pwelch(xn3,[],64,512);%welch法endpX311=mean(pX31,2);pX312=mean(px32,2);pX313=mean(px33,2);pX314=mean(px34,2);figure(8)subplot(4,1,1);plot(1:512,pX311);title('信号3-周期图法');axis([0 256 0 40000]);subplot(4,1,2);plot(1:511,pX312);title('信号3-自相关法');axis([0 256 0 40000]);subplot(4,1,3);plot(1:length(pX313),pX313);title('信号3-4段平均周期图法');axis([0 64 0 20000]); subplot(4,1,4);plot(1:length(pX314),pX314);title('信号3-Welch法');axis([0 256 0 6000]);%====信号3的现代谱估计===for i=1:mpx35(:,i)=pyulear(xn3,15,512);px36(:,i)=pburg(xn3,15,512);endpX315=mean(px35,2);pX316=mean(px36,2);figure(9)subplot(2,1,1);plot(pX315);title('信号3-Yule-Walker自相关法');subplot(2,1,2);plot(pX316);title('信号3-Burg算法');六、实验后的体会和建议通过此次实验，了解不同的功率谱估计方法的优缺点，更加熟悉了MATLAB 相关的操作。