Méthodes d'estimation du spectre de puissance (Advanced Signal Processing Toolkit) Un spectre de puissance décrit la distribution d'énergie d'une série temporelle dans le domaine de la fréquence. L'énergie est une quantité réelle, donc le spectre de puissance ne contient pas d'information de phase. Étant donné qu'une série temporelle peut contenir des composantes de signal périodique non périodiques ou échantillonnées de façon asynchrone, le spectre de puissance d'une série temporelle est typiquement considéré comme une fonction continue de fréquence. Lorsque vous utilisez une série de barres de fréquences discrètes pour représenter la fréquence continue, la valeur d'un bloc de fréquence spécifique est proportionnelle à l'intervalle de fréquence. Pour supprimer la dépendance sur la taille de l'intervalle de fréquence, vous pouvez normaliser le spectre de puissance pour produire la densité spectrale de puissance (PSD), qui est le spectre de puissance divisé par la taille de l'intervalle de fréquence. Le PSD mesure la puissance du signal par unité de bande passante pour une série temporelle en V 2 / Hz, ce qui implique implicitement que le PSD représente un signal en volts conduisant une charge de 1 ohm. Si le PSD est représenté dans un décibel (dB), l'unité correspondante pour le PSD est dB ref V / sqrt (Hz). Si vous voulez utiliser d'autres unités pour le PSD estimé d'une série chronologique, vous devez dimensionner l'unité de la série temporelle en unités techniques appropriées (UE). Après la mise à l'échelle de l'unité de la série temporelle, vous pouvez obtenir l'unité correspondante pour la valeur PSD linéaire et la valeur dB PSD comme EU 2 / Hz et dB ref EU / sqrt (Hz), respectivement. Utiliser l'échelle TSA pour EU VI pour mettre à l'échelle l'unité pour une série temporelle à l'UE appropriée. Les méthodes d'estimation PSD sont classées comme suit: Méthodes paramétriques 8212Ces méthodes sont basées sur des modèles paramétriques d'une série temporelle, tels que les modèles AR, les modèles de moyenne mobile (MA) et de moyenne mobile autorégressive (ARMA). Par conséquent, les méthodes paramétriques sont également connues sous le nom de méthodes basées sur des modèles. Pour estimer le PSD d'une série temporelle avec des méthodes paramétriques, vous devez d'abord obtenir les paramètres du modèle de la série temporelle. Vous devez construire un modèle approprié qui reflète correctement le comportement du système qui génère la série chronologique dans le cas contraire, le PSD estimé pourrait ne pas être fiable. La méthode de classification de signaux multiples (MUSIC) est également une méthode d'estimation spectrale basée sur un modèle. Méthodes non paramétriques 8212Ces méthodes incluent la méthode du périodogramme. Méthode Welch. Et la méthode Capon. Sont basées sur la transformée de Fourier discrète. Vous n'avez pas besoin d'obtenir les paramètres de la série chronologique avant d'utiliser ces méthodes. La principale limitation des méthodes non paramétriques est que le calcul utilise des fenêtres de données. Ce qui entraîne une distorsion des PSD résultant du fait des effets de fenêtre. Le principal avantage des méthodes non paramétriques est la robustesse8212, les PSD estimés ne contiennent pas de pics de fréquence parasites. En revanche, les méthodes paramétriques n'utilisent pas de fenêtre de données. Les méthodes paramétriques supposent que le signal correspond à un modèle particulier. Les PSD estimées peuvent contenir des pics de fréquence parasites si le modèle supposé est erroné. Les PSD estimées avec des méthodes paramétriques sont moins biaisées et possèdent une variance plus faible que les PSD estimées avec des méthodes non paramétriques si le modèle supposé est correct. Cependant, les grandeurs des PSD estimées par des méthodes paramétriques sont généralement incorrectes. Remarque Lors de l'analyse spectrale, vous pouvez mesurer des mesures de spectre successives pour réduire la variance d'estimation et améliorer la précision de la mesure. Utiliser le PSD VI moyen de la TSA pour obtenir la moyenne du spectre estimé. Cette fonction calcule les valeurs de densité spectrale de puissance en fonction des paramètres ARMA d'un modèle ARMA. On suppose que la séquence de conduite est un processus de bruit blanc de moyenne nulle et de variance. La fréquence d'échantillonnage et la variance du bruit sont utilisées pour mettre à l'échelle la sortie PSD, laquelle longueur est définie par l'utilisateur avec le paramètre NFFT. 8211 Array de paramètres AR (complexes ou réels) B (matrice) 8211 Array de paramètres MA (complexes ou réels) rho (float) 8211 Variance de bruit blanc pour mettre à l'échelle le PSD retourné T (float) 8211 Intervalle d'échantillonnage en secondes 8211 Taille finale des côtés PSD (str) 8211 Le PSD par défaut est recto-verso, mais les côtés peuvent être réglés sur centerdc. Par convention, les matrices AR ou MA ne contiennent pas la valeur A01. Si B est Aucun, le modèle est un modèle AR pur. Si A est Aucun, le modèle est un modèle MA pur.
No comments:
Post a Comment