- •1.2 Оценивание закона распределения
- •1.3 Корреляционный анализ
- •1.3.1 Корреляционная функция
- •1.3.2 Взаимная корреляционная функция
- •1.3.3 Связь между корреляционными функциями и спектрами сигналов
- •1.4 Спектр дискретного случайного процесса
- •1.4.1 Непараметрические методы расчета
- •1.4.2 Весовые функции (окна)
1.4.2 Весовые функции (окна)
Для уменьшения растекания спектра при ДПФ применяются весовые функции (weighting functions), которые также называют окнами (windows). В этом случае перед расчетом ДПФ сигнал умножается на весовую функцию w(k), которая должна спадать к краям сегмента. Формула прямого ДПФ при использовании весовых функций принимает следующий вид:
Роль весовой функции в этой формуле можно рассматривать с различных точек зрения. Сначала проанализируем ситуацию во временной области. Если мы используем весовую функцию, которая имеет максимум в середине (при k = N/2) и плавно спадает к краям (k = 0 и k = N-1), то это приведет к ослаблению эффектов, связанных с возникновением скачков сигнала при периодическом повторении анализируемой конечной последовательности, и, таким образом, к уменьшению растекания спектра.
Аналогичный вывод можно сделать, рассмотрев влияние весовой функции в частотной области. Умножение сигнала на весовую функцию соответствует свертке спектров сигнала и весовой функции. Это приводит к тому, что пики, содержащиеся в спектре сигнала, несколько расширяются. Однако при этом становится возможно уменьшить уровень боковых лепестков спектральной функции, что и является целью применения весовых функций.
Если трактовать ДПФ как фильтрацию, при использовании весовой функции w(k) получаются частотные характеристики фильтров следующего вида:
Выбирая весовую функцию w(k) определенным образом, можно уменьшить уровень боковых лепестков частотой характеристики фильтров, соответствующих отдельным каналам ДПФ. Естественно, платой за это является расширение центрального лепестка частотной характеристики.
Текст программы с комментариями:
disp('КУРСОВАЯ РАБОТА')
disp('по курсу: "Цифровая обработка сигналов и микропроцессоры".')
disp('-= Программа анализа параметров и характеристик реализации случайного процесса =-')
disp(' Разработал: ст. гр. 416')
disp('Стройнов Ю.С.')
disp(' ')
load EEG1.txt; %загрузка данных
a=input('Введите номер первого канала-');
x(:,1)=EEG1(:,a);
b=input('Введите номер второго канала-');
x(:,2)=EEG1(:,b);
c=input('Введите номер третьего канала-');
x(:,3)=EEG1(:,c);
disp(' ')
disp('-= Задание 1 =-')
disp('"Оценка статистических характеристик реализации случайного процесса."')
disp(' ')
m=mean(x);%оценка мат. ожиданиЯ
D=var(x);%оценка дисперсии
disp('Для первого канала:')
fprintf(1, 'Мат. ожидание m= %-15.3e \nДисперсия D= %-15.3e \n\n', m(1), D(1))%форматирование вывода данных
disp('Для второго канала:')
fprintf(1, 'Мат. ожидание m= %-15.3e \nДисперсия D= %-15.3e \n\n', m(2), D(2))
disp('Для третьего канала:')
fprintf(1, 'Мат. ожидание m= %-15.3e \nДисперсия D= %-15.3e \n\n', m(3), D(3))
disp('Оценка вариативности:')
%оценка вариативности и ее вывод длЯ каждого канала отдельно
for n=7:11
variat((n-6),:)=var(x(1:(2^n),:));
end
variat
disp(' ')
disp('-= Задание 2 =-')
disp('"Оценка плотности распределения реализации случайного процесса."')
disp(' ')
%построение гистограммы аспределениЯ длЯ заданных компонент реализации СП
e=input('Введите количество интервалов-'); %ввод количества интервалов длЯ обработки
subplot(3,1,1)
hist(x(1:e,1))
grid on
subplot(3,1,2)
hist(x(1:e,2))
grid on
subplot(3,1,3)
hist(x(1:e,3))
grid on
disp(' ')
disp('-= Задание 3 =-')
disp(' ')
disp('"Оценка корреляционных характеристик реализации случайного процесса."')
disp('Коэффициенты коррелЯции длЯ выбранных компонент СП:')
K1=cov(x(:,1));%корреляция
K2=cov(x(:,2));
K3=cov(x(:,3));
korrel=[K1,K2,K3];
fprintf(1, 'Kc1= %-15.3e \nKc2= %-15.3e \nKc3= %-15.3e \n', korrel(1), korrel(2), korrel(3)) %форматирование вывода данных
disp(' ')
disp('КоррелЯционные функции выбранных компонент СП приведены на графиках:')
[tmp,R1] = corrmtx(x(:,1), 20);
[tmp,R2] = corrmtx(x(:,2), 20);
[tmp,R3] = corrmtx(x(:,3), 20);
k = 1:21;
figure
subplot(3,1,1);
stem(k, R1(1,:));
title('-= Correlation function of process 1 =-');
grid on;
subplot(3,1,2);
stem(k, R2(1,:));
title('-= Correlation function of process 2 =-');
grid on;
subplot(3,1,3);
stem(k, R3(1,:));
title('-= Correlation function of process 3 =-');
grid on;
disp(' ')
disp('Коэффициенты взаимной коррелЯции для выбранных каналов:')
CCF1 = xcorr(x(:,1),x(:,2));
CCF2 = xcorr(x(:,1),x(:,3));
CCF3 = xcorr(x(:,2),x(:,3));
fprintf(1, 'Kcc1= %-15.3e \nKcc2= %-15.3e \nKcc3= %-15.3e \n', CCF1(2048), CCF2(2048), CCF3(2048))%форматирование вывода данных
disp(' ')
disp('ВКФ выбранных компонент СП приведены на графиках:')
R4 = xcorr(x(:,1),x(:,2));
R5 = xcorr(x(:,1),x(:,3));
R6 = xcorr(x(:,2),x(:,3));
figure
subplot(3,1,1);
stem(R4(2000:2100));
title('-= Cross-Correlation Function 1 and 2 chanels =-');
grid on;
subplot(3,1,2);
stem(R5(2000:2100));
title('-= Cross-Correlation Function 1 and 3 chanels =-');
grid on;
subplot(3,1,3);
stem(R6(2000:2100));
title('-= Cross-Correlation Function 2 and 3 chanels =-');
grid on;
disp(' ')
disp('-= Задание 4 =-')
disp('"Оценка спектральных характеристик реализации случайного процесса."')
disp(' ')
n = input('Введите длительность интервала (сегмента сигнала)-');
disp('На первом графике показано спектральное треугольное окно,')
disp('на следующих 3-х графиках показаны СПМ длЯ периодограммного метода с использованием спектрального треугольного окна ,')%тело программы 4-го задания
disp('на последних 3-х графиках показаны СПМ длЯ периодограммного метода без использованиЯ спектрального окна .')
w = triang(n);
%вид треугольного окна
figure
subplot(3,3,1)
plot(w)
title('-= triangle window =-')
grid on
%СПМ с использованием треугольного окна
subplot(3,3,2)
periodogram(x(1:n,1),w,[],100)
title('-= Periodogram method with triangle window, process 1 =-')
grid on
subplot(3,3,5)
periodogram(x(1:n,2),w,[],100)
title('-= Periodogram method with triangle window, process 2 =-')
grid on
subplot(3,3,8)
periodogram(x(1:n,3),w,[],100)
title('-= Periodogram method with triangle window, process 3 =-')
grid on
%СПМ без использования выделяющего окна
subplot(3,3,3)
periodogram(x(:,1),[],[],100)
title('-= Periodogram method without window, process 1 =-')
grid on
subplot(3,3,6)
periodogram(x(:,2),[],[],100)
title('-= Periodogram method without window, process 2 =-')
grid on
subplot(3,3,9)
periodogram(x(:,3),[],[],100)
title('-= Periodogram method without window, process 3 =-')
grid on
disp('end of programm')
Результаты выполнения программы:
1)Оценка статистических характеристик реализации случайного процесса.
Для первого канала:
Мат. ожидание m= 2.060e+001
Дисперсия D= 8.550e+003
Для второго канала:
Мат. ожидание m= 7.582e+000
Дисперсия D= 7.031e+003
Для третьего канала:
Мат. ожидание m= 1.656e+001
Дисперсия D= 1.116e+004
Оценка вариативности:
variat =
1.0e+004 *
0.7655 0.5596 0.8976
1.0654 0.7298 1.2242
1.1910 0.8782 1.5864
0.9323 0.7222 1.2655
0.8550 0.7031 1.1164
2) . Оценка плотности распределения реализации случайного процесса.
Количество интервалов-128.
Гистограмма для 1, 3, 5- го каналов соответственно:
3) Оценка корреляционных характеристик реализации случайного процесса.
Коэффициенты корреляции для выбранных компонент СП:
Kc1= 8.550e+003
Kc2= 7.031e+003
Kc3= 1.116e+004
Корреляционные функции выбранных компонент СП приведены на графиках:
Коэффициенты взаимной корреляции для выбранных каналов:
Kcc1= 8.369e+006
Kcc2= 1.559e+007
Kcc3= 9.354e+006
ВКФ выбранных компонент СП приведены на графиках:
4) Оценка спектральных характеристик реализации случайного процесса.
Длительность интервала (сегмента сигнала)-256
На первом графике показано спектральное треугольное окно,
На следующих 3-х графиках показаны СПМ для метода Уэлча с использованием спектрального треугольного окна .
На последних 3-х графиках показаны СПМ для метода Уэлча без использования спектрального окна .