求助:如何用LABVIEW生成M序列信号

求助:如何用LABVIEW生成M序列信号,第1张

之前不懂系统辨识的理论,输入信号随便用了一个阶跃信号,后来发现阶跃信号其实很菜,不足以激凳喊扮励起系统的全部动态特性,额,实验数据立马弱爆了。。。M序渗猜列是工程中常用的输入信号,它的性质类似于白噪声,而白噪声是理论上最好的输入信号,可见M序列的价值。下面介绍M序列的matlab产生方法,看到很多论坛产生M序列的程序复用性不高,而matlab就提供了产生M序列的专门函数,这里尝试一下。

idinput函数

产生系统辨识常用的典型信号。

格式

u = idinput(N,type,band,levels)

[u,freqs] = idinput(N,'sine',band,levels,sinedata)

N

产生的序列的长度,如果N=[N nu],则nu为输入的通道数,如果N=[P nu M],则nu指定通道数,P为周期,M*P为信号长度。默认情况下,nu=1,M=1,即一个通道,一个周期。

Type

指定产生信号的类型,可选类型如下

‘rgs’

高斯随机信号

‘rbs’ (默认)

二值随机信号

‘prbs’

二值伪随机信号(M序列)

‘sine’

正弦信号和

Band

指定信号的频率成分。对于’rgs’、’rbs’、’sine’,band = [wlow, whigh]指定通带的范围,如果是白噪声信号,则band=[0, 1],这也是默认枣灶值。指定非默认值时,相当于有色噪声。

对于’prbs’,band=[0, B],B表示信号在一个间隔1/B(时钟周期)内为恒值,默认为[0, 1]。

Levels

指定输入的水平。Levels=[minu, maxu],在type=’rbs’、’prbs’、’sine’时,表示信号u的值总是在minu和maxu之间。对于type=’rgs’,minu指定信号的均值减标准差,maxu指定信号的均值加标准差,对于0均值、标准差为1的高斯白噪声信号,则levels=[-1, 1],这也是默认值。

说明

对于PRBS信号,如果M>1,则序列的长度和PRBS周期会做调整,使PRBS的周期为对应一定阶数的最大值(即2^n-1,n为阶数);如果M=1,PRBS的周期是大于N的相应阶数的值。在多输入的情形时,信号被最大平移,即P/nu为此信号能被估计的模型阶次的上界。

上面的意思可如下理解:对于M=1时,

ms = idinput(12, 'prbs', [0 1], [0 1])

figure

stairs(ms)

title('M序列')

ylim([-0.5 1.5])

结果如下

同时,matlab给出如下警告

Warning: The PRBS signal delivered is the 12 first values of a full sequence of length 15.

即函数的输出为周期为15(大于12的第一个2^n-1的值)PRBS信号的前12个值组成的序列。如

ms = idinput(15, 'prbs', [0 1], [0 1])

figure

stairs(ms)

title('M序列')

ylim([-0.5 1.5])

可以看到指定12时的序列为指定15时的序列的前面部分。

对于M>1时,

ms = idinput([12,1,2], 'prbs', [0 1], [0 1])

figure

stairs(ms)

title('M序列')

ylim([-0.5 1.5])

结果如下

Matlab给出的响应警告为

Warning: The period of the PRBS signal was changed to 7. Accordingly, the length of the

generated signal will be 14.

对于正弦信号和的产生,貌似用的不多,语法还挺复杂,等用的时候再看吧。

方法

产生’rgs’信号的带通信号使用的是一个8阶巴特沃斯滤波器,使用idfilt做的非因果滤波,这个是可信赖的方法。

对于’rbs’信号,使用的是相同的滤波器,但是是在二值化之前,这意味着频率成分并不保证是精确的。

产生高斯随机信号

clc

clear all

close all

% 高斯随机信号

u = idinput(1000, 'rgs')

figure

stairs(u)

title('高斯随机信号')

figure

hist(u, -4:4)

title('高斯随机信号的分布')

产生二值随机信号

clc

clear all

close all

% 二值随机信号

u = idinput(100, 'rbs')

figure

stairs(u)

title('二值随机信号')

ylim([-1.5 1.5])

产生二值伪随机信号(M序列)

合理的选择输入激励信号,能有效的激励起系统的动态信号。白噪声的平稳谱的性质决定了它是一个很好的输入信号,但它在工程中不易实现,而M序列具有近似白噪声的性质,可保证良好的辨识精度。

clc

clear all

close all

% 二值伪随机信号(M序列)

n = 8% 阶次

p = 2^n -1% 循环周期

ms = idinput(p, 'prbs')

figure

stairs(ms)

title('M序列')

ylim([-1.5 1.5])

结果

验证M序列的性质如下

-1和1的个数差1

sum(ms==1) % 1的个数

sum(ms==-1) % -1的个数

ans =

127

ans =

128

存在直流分量

mean(ms) % 直流分量

ans =

-0.0039

相关函数

a = zeros(length(ms)*10, 1)% 采样

for i = 1:10

a(i:10:end) = ms

end

c = xcorr(a, 'coeff')% 自相关函数

figure

plot(c)

title('相关函数')

自相关函数接近于δ函数。

谱密度

figure

pwelch(a) % 谱密度

说明M序列不含基频的整数倍的频率成分。

产生逆M序列

谱分析表明,M序列含有直流成分,将造成对辨识系统的“净扰动”,这通常不是所希望的。而逆M序列将克服这一缺点,是一种比M序列更为理想的伪随机码序列。

clc

clear all

close all

% 二值伪随机信号(M序列)

n = 8% 阶次

p = 2^n -1% 循环周期

ms = idinput(p, 'prbs', [], [0 1])

figure

stairs(ms)

title('M序列')

ylim([-0.5 1.5])

% 产生逆M序列

s = 0

ims = zeros(2*p, 1)

mstemp = [msms]

for i = 1:2*p

ims(i) = xor(mstemp(i), s)

s = not(s)

end

ims(ims==0) = -1

figure

stairs(ims)

title('逆M序列')

ylim([-1.5 1.5])

-1和1的个数差1

sum(ims==1) % 1的个数

sum(ims==-1) % -1的个数

ans =

255

ans =

255

无直流分量

mean(ims) % 直流分量

ans =

0

相关函数

a = zeros(length(ims)*10, 1)% 采样

for i = 1:10

a(i:10:end) = ims

end

c = xcorr(a, 'coeff')

figure

plot(c)

谱密度

figure

pwelch(a)

#include<stdio.h>

#include<math.h>

int main()

{

double a,b,c,disc,p,q,x1,x2

scanf("%lf%lf%lf",&a,&b,&c)

disc=b*b-4*a*c

if(a != 0)

{

if(disc<0)

printf("\旁兆n")

else

{

p=-b/(2.0*a)

q=sqrt(disc)/(2.0*a)

x1=p+q

x2=p-q

if(disc>0)

printf("%f%f\n",x1,x2)

else printf("%f\n",x1)

}

}

else if(b == 0)

{

if(c == 0)

printf("有无限多个解\n")

else

printf("无念锋解\n"运高租)

}

else

{

x1 = -c/b

printf("x =%f\n",x1)

}

return 0

}

[语音程序.rar] - 语音信号处理中的所有基本的算法的代码,很全的。欢迎大家下载使用:)

[fenzhenchuli.rar] - 语音特征提取,如过零率,能量比,短时能量。须导入MAV音频。

[duandianjiance.rar] - 语音信号瞎简端点检测仿真,内容涉及短时能量及过零率的计算,自相关函数的的计算。

[SpeechSignalAcquisitionandAnalysis.rar] - 实现语音的采集,滤波,A/D转换,短时能量,短时过零数,线性倒谱分析

[speech.rar] - 语音参数短时能量,短时过零率,短时平均幅度,语音端点检测,fft变换与反变换

[一种噪声环境下连续语音识别的快速端点检测算法.rar] - 一种噪声环境下连续语音识别的快速端点检测算法,格式vip

[exp_001.rar] - 自己用VC编写的一个读取wave文件,并计算短时能量、短时过零率以及自相关函数的程序。所有的计算结果都会显示在程序运行后生成的文本文档中。注意,运行程序时需要修改wave文件路径,在程序中体现为wavefilename字符串指针所指向的内容。

[Speechrecognitiontechnology.zip] - 比较详尽的介绍了语音识别系统的实现过程,以及相关技术。 端点检测:基于短时能量和短时平均过零率的端点检测和基于倒谱特征的端点检测 特征参数提取野毁:LPCC和MFCC 参数模板存储:HMM和N_Gram 识别阶段:DWT 各阶段的相关技术都给了详细的介绍,绝对是好东西!

[ForceImplementShowMove.rar] - ImagConvert 自己用VC编写的一个读取wave文件,并计算短时能量、短时过零率以及自相关函磨脊裤数的程序。

[yuyin2.zip] - 对一段语音片段进行短时处理,进行短时能量分析。


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/yw/12566721.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-05-26
下一篇 2023-05-26

发表评论

登录后才能评论

评论列表(0条)

保存