ОТЧЕТ ЛР2
.docxНАУЧНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ
МОСКОВСКИЙ ЭНЕРГЕТИЧЕСКИЙ ИНСТИТУТ
__________________________________________________________________
Кафедра управления и информатики
Лабораторная работа №2
Изучение алгоритмов расчета и свойств оценки автокорреляционной функции. Изучение алгоритмов непараметрического оценивания спектральной плотности мощности и методов анализа, основанных на оценках взаимных частотных и временных характеристик.
Студент: Власова Л.В.
Мартыненко В.А.
Группа: А-01-10
Преподаватель: Косинский М.Ю.
ЦЕЛЬ: Изучение алгоритмов расчета и свойств оценки автокорреляционной функции. Изучение алгоритмов непараметрического оценивания спектральной плотности мощности и методов анализа, основанных на оценках взаимных частотных и временных характеристик.
ЗАДАНИЕ:
-
Подготовить два М-файла, строящие для временных рядов оценки автокорреляционной функции (АКФ) и взаимной корреляционной функции (ВКФ).
а) Построить оценки автокорреляционной функции с помощью подготовленных M-файлов для
-
постоянного сигнала,
-
сигнала типа «белый шум»,
-
сигнала с несколькими частотными составляющими,
-
сигнала с линейно коррелированными отсчетами.
б) Построить оценки автокорреляционной функции для случайных сигналов пункта а) с помощью функции xcorr.
ОЦЕНКИ АВТОКОРРЕЛЯЦИОННОЙ ФУНКЦИИ
А) ПОСТОЯННЫЙ СИГНАЛ:
for j=1:1:501
y1(j)=1;
end;
t1=(1:1:501)';
plot(t1,y1);
[a1, b1]=xcorr(y1);
plot(b1, a1);
Без помощи стандартной функции:
N=500;
m=mean(y1);
for k=1:1:N
sum=0;
for i=1:1:(N-k)
sum=sum+(y1(i)-m)*(y1(i+k)-m);
end
R(k+1)=sum/N;
end
R(1)=std(y1)*std(y1);
plot(t2,R)
Треугольник, потому что матем. ожидание не равно нулю.
СИГНАЛ ТИПА «БЕЛЫЙ ШУМ»
t2=(0:0.002:1)';
y2=(randn(size(t2))).^(0.1*t2)+randn(size(t2))*2;
plot(t2,y2);
[a2, b2]=xcorr(y2);
plot(b2, a2);
Без помощи стандартной функции:
function acf(y2);
t2=(0:0.002:1)';
y2=(randn(size(t2))).^(0.1*t2)+randn(size(t2))*2;
N=500;
m=mean(y2);
for k=1:1:N
sum=0;
for i=1:1:(N-k)
sum=sum+(y2(i)-m)*(y2(i+k)-m);
end
R(k+1)=sum/N;
end
R(1)=std(y2)*std(y2);
plot(t2,R)
СИГНАЛ С НЕСКОЛЬКИМИ ЧАСТОТНЫМИ СОСТАВЛЯЮЩИМИ
t3=(0:0.002:1)';
y3=0.3*sin(0.01*2*pi*t3)+0.4*sin(0.05*2*pi*t3)+0.1*randn(size(t3));
plot(t3,y3);
[a3, b3]=xcorr(y3);
plot(b3, a3);
Без помощи стандартной функции:
N=500;
m=mean(y3);
for k=1:1:N
sum=0;
for i=1:1:(N-k)
sum=sum+(y3(i)-m)*(y3(i+k)-m);
end
R(k+1)=sum/N;
end
R(1)=std(y3)*std(y3);
plot(t3,R)
СИГНАЛ С ЛИНЕЙНО КОРРЕЛИРОВАННЫМИ ОТСЧЕТАМИ
t4=(0:0.002:1)';
y4=sin(0.3*2*pi*t4)+randn(size(t4));
plot(t4,y4)
[a4, b4]=xcorr(y4);
plot(b4, a4);
Без помощи стандартной функции:
N=500;
m=mean(y4);
for k=1:1:N
sum=0;
for i=1:1:(N-k)
sum=sum+(y4(i)-m)*(y4(i+k)-m);
end
R(k+1)=sum/N;
end
R(1)=std(y4)*std(y4);
plot(t4,R)
Xcorr не центрирует результат и выполняет быструю корреляцию, используя быстрое преобразование Фурье. Нужно вычесть из исходного ряда его математическое ожидание, тогда получается нужный результат.
в) Проанализировать полученные оценки и сделать выводы о смоделированных рядах. Оценить максимальные интервалы корреляции.
-
В Simulink смоделировать прохождение случайного сигнала через линейную динамическую систему с запаздывающим звеном (параметры выбирается произвольно). Записать входной и выходной сигналы в переменные рабочей области, построить и проанализировать оценку взаимной корреляционной функции этих сигналов. Сделать выводы о свойствах ВКФ.
Прохождение белого шума через запаздывающее звено
Сигналы на входе и на выходе системы
Оценка взаимной корреляционной функции
При прохождении белого шума через запаздывающее звено происходит задержка выходного сигнала относительно входного.
-
Изучить оконные функции и их спектральные плотности мощности (СПМ) с помощью средств визуализации оконных функций Matlab (wvtool, wintool). Построить периодограммные оценки спектральной плотности мощности сигналов п.1. с различными оконными функциями. Проанализировать результаты, сделать выводы об особенностях оценок и свойствах случайных сигналов.
1) Постоянный сигнал
Окно Бартлетта Окно Хэмминга
Окно Ханна
2) Сигнал типа «Белый шум»
Окно Бартлетта Окно Хэмминга
Окно Ханна
3) Сигнал с несколькими частотными составляющими.
Окно Бартлетта Окно Хэмминга
Окно Ханна
4) Сигнал с линейно коррелированными отсчетами.
Окно Бартлетта Окно Хэмминга
Окно Ханна
http://windowing-matlab.narod.ru/
-
Построить оценки СПМ и взаимной спектральной плотности мощности случайных процессов:
Проанализировать результаты и сделать выводы о разрешающей способности оценки СПМ.
Взаимная спектральная плотность мощности
Оценка СПМ сигнала Х Оценка СПМ сигнала Y
-
Построить оценку СПМ речевого сигнала из файла «mtlb.mat». Построить спектрограмму сигнала из файла «mtlb.mat» и проанализировать полученные результаты.
Оценка СПМ речевого сигнала
Спектрограмма сигнала из файла «mtlb.mat»