xcorr函数 xcorr函数设置自变量范围

用matlab中con函数求卷积

用matlab中con函数求卷积

xcorr函数 xcorr函数设置自变量范围

xcorr函数 xcorr函数设置自变量范围

nction coresult = xcorr_my(A,B)

% XCORR_MY 自编相关函数

% copyright @lskyp 2009

% 2009.05.11

length1 = length(A);

length2 = length(B);

if length1 ~= length2

if length1

function coresult = xcorr_my(A,B)

% XCORR_MY 自编相关函数

% copyright @lskyp 2009

% 2009.05.11

length1 = length(A);

length2 = length(B);

if length1 ~= length2

if length1 > length2

B = [B zeros(1,length1-length2)];

A = [A zeros(1,length2-length1)];

en对于正定矩阵A，从矩阵A的对角线和上三角生成一个上三角矩阵R，满足R'R=A并且p=0。d

end

N = lplot(fl,cm）;%自相关函数的傅里叶变换：即功率谱密度。其中。cm是cory付里叶变换后的幅值。fl为fc的长度。ength(A);

for k = 1:N

temp = AB(k);

end

for k = 1:N

temp = [zeros(1,2N-1-k+1-N) temp zeros(1,k-1)];

end

for k = 1:N

coresult = coresult+temp;

end

给分吧

matlab中如何由功率谱函数求出自相关函数？下面做不出来了……看了好几天了，求大神解答

0.5155 0.2259 0.5298 0.3798

关于谱能量，有这样一种解释，你可以试着去算一算

信号可以分成能量信号与功率信号，非周期能量信号具有能量谱密度，是傅立叶变换的平方，功率信号具有功率谱密度，其与自相关函数是一对傅立叶变换对，等于傅立叶变换的平方/区间长度。不能混淆。能量信号是没有功率谱的。

胡广书老师的书上找到这么一段话，“随机信号在时间上是无限的，在样本上也是无穷多，因此随机信号的能量是无限的，它应是功率信号。功率信号不满足付里叶变换的可积的条件，因此其付里叶变换是不存在的。如确定性的正弦函数的付里叶变换是不存在，只有引入了冲激函数才求得其付里叶变换。因此，对随机信号的频谱分析，不再简单的是频谱，而Px2 = abs(Xk2);是功率谱。”

xcorr 的注释项biase有什么作用

第 19 页

看了MATLAB关于xcorr的文档没搞清楚什么意思，只够看到一篇不错的文章，通过简单事例即可了解其应用。

输入的是一个简单一维序列x=[1，2，3]

：缺省注释项，[a,b]=xcorr(x),通过该命令计算的结果为：a=3 8 14 8 3;b=-2 -1 0 1 2.

下面介绍一下，该过程计算机是如何计算的，首先讲b的计算，设一维序列的长度为N，则序列中任意两个数据序号相减，最小值为1-N，值为N-1，且能取遍两者之间的所有整数，将这些数从小到大排列得到的就是b；然后讲a的计算，在缺省注释项的情况下，a的计算是这样的，a的每一项是对应b的每一项的

1、当b（1）=-2时，计算a（1）时只用到一组数据——（3，1）注意顺序，只有这两个数据的序号相减（后面数据的序号减去前面的）满足b=-2，因此a（1）的计算公式为：31=3

2、当b（2）=-1时，计算a（2）时用到两组数据——（2，1）和（3，2），这两组数据的序号相减（后面数据的序号减去前面的）满足b=-1，因此a（2）的计算公式为：21+32=8

3、当b（3）=0时，计算a（3）时用到三组数据——（1，1）、（2，2）、（3，3），这三组数据的序号相减（后面数据的序号减去前面的）满足b=0，因此a（3）的计算公式为：11+22+33=14

4、当b（4）=1时，计算a（4）时用到两组数据——（1，2）和（2，3），（读者请对比和情况2的区别），这两组数据的序号相减（后面数据的序号减去前面的）满足b=1，因此a（4）的计算公式为：12+23=8

5、当b（5）=2时，计算a（4）时用到一组数据——（1，3），（读者请对比和情况1的区别），这两组数据的序号相减（后面数据的序号减去前面的）满足b=2，因此a（4）的计算公式为：13=3

第二：注释项为‘unbiased’，[a，b]=xcorr（x，‘unbiased’），通过该命令计算的结果为：a=3 4 4.6667 4 3；b=-2 -1 0 1 2.下面介绍计算机如何计算该过程，b的计算在四种注释项的情况下是相同的，就不再讲述了。a的计算仍是和b的每一项相对应的。

1、当b（1）=-2时，计算a（1）时只用到一组数据（记N=1）——（3，1）注意顺序，只有这两个数据的序号相减（后面数据的序号减去前面的）满足b=-2，因此a（1）的计算公式为：（31）/1=3

2、当b（2）=-1时，计算a（2）时用到两组数据（记N=2）——（2，1）和（3，2），这两组数据的序号相减（后面数据的序号减去前面的）满足b=-1，因此a（2）的计算公式为：（21+32）/2=4

3、当b（3）=0时，计算a（3）时用到三组数据（记N=3）——（1，1）、（2，2）、（3，3），这三组数据的序号相减（后面数据的序号减去前面的）满足b=0，因此a（3）的计算公式为：（11+22+33）/3=4.6667

4、当b（4）=1时，计算a（4）时用到两组数据（记N=2）——（1，2）和（2，3），（读者请对比和情况2的区别），这两组数据的序号相减（后面数据的序号减去前面的）满足b=1，因此a（4）的计算公式为：（12+23）/2=4

5、当b（5）=2时，计算a（4）时用到一组数据（记N=1）——（1，3），（读者请对比和情况1的区别），这两组数据的序号相减（后面数据的序号减去前面的）满足b=2，因此a（4）的计算公式为：（13）/1=3

第三：注释项为‘biased’，[a，b]=xcorr（x，‘biased’），通过该命令计算的结果为：a= 1.0000 2.6667 4.6667 idx = 0:round(nfft/2-1); 2.6667 1.0000，b=-2 -1 0 1 2。下面介绍计算机如何计算该过程，注意到本次计算用到的序列x的长度为3，记为M=3。

1、当b（1）=-2时，计算a（1）时只用到一组数据——（3，1）注意顺序，只有这两个数据的序号相减（后面数据的序号减去前面的）满足b=-2，因此a（1）的计算公式为：（31）/M=1

2、当b（2）=-1时，计算a（2）时用到两组数据——（2，1）和（3，2），这两组数据的序号相减（后面数据的序号减去前面的）满足b=-1，因此a（2）的计算公式为：（21+32）/M=2.6667

3、当b（3）=0时，计算a（3）时用到三组数据——（1，1）、（2，2）、（3，3），这三组数据的序号相减（后面数据的序号减去前面的）满足b=0，因此a（3）的计算公式为：（11+22+33）/M=4.6667

4、当b（4）=1时，计算a（4）时用到两组数据——（1，2）和（2，3），（读者请对比和情况2的区别），这两组数据的序号相减（后面数据的序号减去前面的）满足b=1，因此a（4）的计算公式为：（12+23）/M=2.6667

5、当b（5）=2时，计算a（4）时用到一组数据——（1，3），（读者请对比和情况1的区别），这两组数据的序号相减（后面数据的序号减去前面的）满足b=2，因此a（4）的计算公式为：（13）/M=1

第四：注释项为‘coeff’，[a，b]=xcorr（x，‘coeff’），通过该命令计算的结果为：a= 0.2143 0.5714 1.0000 0.5714 0.2143，b=-2 -1 0 1 2，下面介绍计算机如何计算该过程，这种情况实际是将第三种情况下得到的结果进行归一化，使得b=0时对应的值为1，a（1）=1/4.6667=0.2143；a（2）=2.6667/4.6667=0.5714，a（3）=4.6667/4.6667=1，a（4）=2.6667/4.6667=0.5714，a（5）=1/4.6667=0.2143

matlab问题：产生一组（0,1）均匀分布的随机序列，画出其自相关函数和功率谱密度

Px4 = abs(Xk4);

clear all;

close all;

warning off all;

Fs = 1000;

nfft=1024;

x1 = rand(1,1001);

[函数功能：均匀分布累积概率分布函数cor1 lag1] = xcorr(x1,'unbiased');

figure(1);

subplot(211),plot(lag1/Fs,cor1),title('(0,1)均匀分布自相关函数');

Xk1 = fft(cor1,nfft);

Px1 = abs(Xk1);

subplot(212),plot(k,10log10(Px1(idx+1))),title('(0,1)均匀分布功率谱密度');

这个找本书都有的，比如张志涌

matlab在信号系统的常用函数具体有哪些。

波形产生 函数名 功能 sawtooth 产生锯齿波或三角波 Sinc 产生sinc或函数sin(pit)/(pit) Square 产生方波 Diric 产生Dirichlet或周期sinc函数 滤波器分析和实现 函数名 功能 Abs 求（幅值） Freqs 模拟滤波器频率响应 Angle 求相角 Freqspace 频率响应中的频率间隔 Conv 求卷积 Freqz 数字滤波器频率响应 Fftfilt 重叠相加法FFT滤波器实现 Grpdelay 平均滤波器延迟（群延迟） Filter 直接滤波器实现 Impz 数字滤波器的冲激响应 Filtfilt 零相位数字滤波 Zplane 离散系统零极点图 Filtie Filter 函数初始条件选择 线性系统变换 函数名 功能 Convmtx 卷积矩阵 Ss2tf 变系统状态空间形式为传递函数形式 Ploy2rc 从多项式系数中计算反射系数 Ss2zp 变系统状态空间形式为零极点增益形式 Rc2ploy 从反射系数中计算多项式系数 Tf2ss 变系统传递函数形式为状态空间形式 Residuez Z变换部分分式展开或留数计算 Tf2zp 变系统传递函数形式为零极点增益形式 Sos2ss 变系统二阶分割形式为状态空间形式 Zp2sos 变系统零极点形式为二阶分割形式 Sos2zp 变系统二阶分割形式为零极点增益形式 Zp2tf 变系统零极点增益形式为传递函数形式 Ss2sos 变系统状态空间形式为二阶分割形式 IIR滤波器设计 Besself Bessel（贝塞尔）模拟滤波器设计 Cheby2 Chebyshev（切比雪夫）II型模拟滤波器设计 Butter Butterworth（巴特沃思）模拟滤波器设计 Ellip 椭圆模拟滤波器设计 Cheby1 Chebyshev（切比雪夫）I 型模拟滤波器设计 Yulewalk 递归数字滤波器设计 IIR滤波器阶选择 Buttord Butterworth（巴特沃思）滤波器阶的选择 Cheb2ord Chebyshev（切比雪夫）II型滤波器阶的选择 Ehebord Chebyshev（切比雪夫）I 型滤波器阶的选择 Clipord 椭圆滤波器设计阶的选择 模拟原型滤波器设计 Besselap Bessel模拟低通滤波器原型 Cheb2ap Chebyshev（切比雪夫）II型低通滤波器原型 Buttap Butterworth（巴特沃思）模拟低通滤波器原型 Ellipap 椭圆模拟低通滤波器原型 Cheb1ap Chebyshev（切比雪夫）I 型低通滤波器原型 频率变换 Lp2bp 低通到带通模拟滤波器转换 Lp2bs 低通到带阻模拟滤波器变换 Lp2hp 低通到高通模拟滤波器变换 Lp2lp 低通到低通模拟滤波器转换 滤波器离散化 Blinear 双线性变换 Impinvar 冲激响应不变法 FIR滤波器设计 Fir1 基于窗函数的 FIR 滤波器设计—标准响应 Intfilt 内插FIR滤波器设计 Fir2 基于窗函数的 FIR 滤波器设计—任意响应 Remez Firls 最小二乘FIR滤波器设计 Remezord Parks-McCellan FIR 滤波器 j阶估计 窗函数 Boxcar 矩形窗 Hanning Hanning（汉宁）窗 Triang 三角窗 Blackman Blackman（布莱克曼）窗 Bartlett Bartlett（巴特得特）窗 Chebwin Chebyshev（切比雪夫）窗 Hamming Hamming（汉明）窗 Kaiser Kaiser（凯泽）窗 变换 Ctz 线性调频Z变换 Fft 一维快速傅里叶变换 Dct 离散余弦变换 Ifft 一维快速傅里叶逆变换 Idct 逆离散余弦变换 Fftshift 重新排列 fft的输出 Dftmtx 离散傅里叶变换矩阵 Hilbert Hilbert（希尔伯特）变换 统计信号处理 Cov 协方矩阵 Psd 信号功率谱密度（PSD）估计 Xcov 互协方函数估计 Tfe 从输入输出中估计传递函数 Corrcoef 相关系数矩阵 Periodogram 采用周期图法估计功率谱密度 Xcoor 互相关系数估计 Pwelch 采用 Welch方法估计功率谱密度 Cohere 相关函数平方幅值估计 Rand 生成均匀分布的随机数 Csd 互谱密度估计 Randn 生成正态分布的随机数 自适应滤波器部分 Adaptfilt.lms 最小均方(LMS)自适应算法 Adaptfilt.rls 递推最小二乘(RLS)自适应算法 Adaptfilt.nlms 归一化最小均方(NLMS)自适应算法时频分析与小波变换部分 Spectrogram 短时傅里叶变换 Idwt 单级离散一维小波逆变换 We 介绍小波工具箱中所有小波的信息 Wedec 多级离散一维小波分解 Cwt 连续一维小波变换 Appcoef 一维小波变换近似系数 Dwt 单级离散一维小波变换 Detcoef 一维小波变换细节系数 二维信号处理 Conv2 二维卷积 Xcorr2 二维互相关参数 Fft2 二维快读傅里叶变换 Dwt2 单级离散二维小波变换 Ifft2 二维逆快速傅里叶变换 Idwt2 单级离散二维小波逆变换 Filter2 二维数字滤波器 Werec2 多级离散二维小波分解

MATLAB 信号处理常用函没有别的了。数

如何理解时间序列分析中的自相关函数

k = idxFs/x3 = cos(600pit)+cos(640pit)+randn(1,1001);nfft;

应该是时间序列值，按时间间隔错位相乘，相加，取平均。超出时间序列范围的用0值运算。在matlab里，可用xcorr(x,'biased')直接进行计算。

自相关函数反应价格运动方向的持续性

自相关函数可以理解为序列不同时刻（或不同位置）的相似程序的度量

用Matlab画出随机的正弦波信号的自相关函数和功率谱密度曲线

第 21 页

clear all;

clx=cos(t);ose all;

warning off all;

Fs = 1000;

nfft=1024;

x1 = rand(1,1001);

[cor1 lag1] = xcorr(x1,'unbiased');

figure(1);

subplot(211),plot(lag1/Fs,cor1),title('(0,1)均匀分布自相关函数');

Xk1 = fft(cor1,nfft);

Px1 = abs(Xk1);

subplot(212),plot(k,10log10(Px1(idx+1))),title('(0,1)均匀分布功率谱密度');

关于matlab中信号的叠加

t = 0:1/Fs:1;

用一个循环结构就可以了啊，设Ne为回声的数目，a(1:Ne)存储Ne个回声的幅度，tao（1：Ne）存储Ne个回声的延时。则：

r = randn(n)

y(n) = x(n)

for ii = 1:Ne

y(n) =yn(n)+a(ii)x(n-tao(ii))

end

用MATLAB如何求均匀白噪声序列的自相关函数曲线和功率谱密度曲线

[c,lags]=xcorr(r,10,'coeff');

[cory,lag]=xcorr(f,'unbiased');

另：xcorr命令在工程上的应用通常是对时间上的采样数据序列x进行处理，当数据点采完之后交给Matlab处理时，Matlab是不知道你的采样时间间隔的，它仅仅根据上文所述的计算过程对输入的数据序列x进行计算，但我们可以自己定义时间间隔，例如dt=0.01，此时t=dtb即代表相关性计算中的时间延迟，前半部分是超前，后半部分是滞后，若R=xcorr（x，‘unbiased’），则通过命令：plot（t，R）即可得到该时域信号的自相关函数曲线。

plot(lag/fs,cory）; %自相关函数(无偏的)，其中，f为原函数，cory为要求的自相关函数，lag为自相关函数的长度。fs为地函数的取样频率。

fc=fft(cory);

cm=abs(fc);

fl=(0:length(fc)-1)'fs/length(fc);

Matlab画图问题，自相关函数，功率谱密度，求具体代码。

coresult = zeros(1,2N-1);

clear all;

close all;

warning off all;

Fs = 100033.0000 -0.2929 + 4.5355i -8.0000 + 3.0000i -1.7071 + 2.5355i -5.0000 -1.7071 - 2.5355i -8.0000 - 3.0000i -0.2929 - 4.5355i;

nfft=1024;

x1 = rand(1,1001);

[cor1 lag1] = xcorr(x1,'unbiased');

figure(1);

subplot(211),plot(lag1/Fs,cor1),title('(0,1)均匀分布自相关函数');

Xk1 = fft(cor1,nfft);

Px1 = abs(Xk1);

subplot(212),plot(k,10log10(Px1(idx+1))),title('(0,1)均匀分布功率谱密度');

x2 = normrnd(2,5,1,1001);

[cor2 lag2] = xcorr(x2,'unbiased');

figure(2);

subplot(211),plot(lag2/Fs,cor2),title('(2,5)正态分布自相关函数');

Xk2 = fft(cor2,nfft);

subplot(212),plot(k,10log10(Px2(idx+1))),title('(2,5)正态分布功率谱密度');

[cor3 lag3] = xcorr(x3,'unbiased');

figure(3);

subplot(211),plot(lag3/Fs,cor3),title('随机信号自相关函数');

Xk3 = fft(cor3,nfft);

Px3 = abs(Xk3);

subplot(212),plot(k,10log10(Px3(idx+1))),title('随机信号功率谱密度');

fai = 2pirand(1,1001);

x4 = 2cos(1000pit+fai);

[cor4 lag4] = xcorr(x4,'unbiased');

figure(4);

subplot(211),plot(lag4/Fs,cor4),title('随机相位信号自相关函数');

Xk4 = fft(cor4,nfft);

subplot(212),plot(k,10log10(Px4(idx+1))),title('随机相位信号功率谱密度');

高分!急!用matlab分析功率谱密度,采样频率的设定.高手进!

else

1.fs是采样频率,这里采样频率为什么要设成输入信号的频率?按照奈奎斯特定律,不是应该是它的两倍以上才可以包含全部频谱吗?

产生一个随机数。

fs就是值之后的序列的sample rate. 只要fs大于 sample的2倍以上频率就可以。

2.nfft是计算出来的点数,它的大小关系到后面得到的频域信号的精度,对吗?

是的。

3.单边oneside和双边除了幅度的区别还有什么别的?

4.单边的情况下y是4096(2^12)个点,那边对应的是0,那边是pi?

左边是0右边是pi.