Analisi spettrale

Metodi parametrici e non parametrici

La rappresentazione nel dominio della frequenza di un segnale rivela caratteristiche importanti del segnale che sono difficili da analizzare nel dominio del tempo. L'analisi spettrale consente di caratterizzare il contenuto in frequenza di un segnale. Eseguire analisi spettrali in tempo reale di un segnale dinamico utilizzando l'oggetto spectrumAnalyzer in MATLAB^® e il blocco Spectrum Analyzer in Simulink^®. Lo Spectrum Analyzer utilizza il metodo del banco di filtri o il metodo di Welch, basato sulla media dei periodogrammi modificati, per calcolare i dati spettrali. Entrambi questi metodi sono metodi di stima spettrale basati sulla FFT che non formulano ipotesi sui dati di input e possono essere utilizzati con qualsiasi tipo di segnale. Per ulteriori informazioni sull'algoritmo utilizzato dallo Spectrum Analyzer, vedere Spectral Analysis. Oltre a visualizzare lo spettro, è anche possibile visualizzare lo spettrogramma del segnale nello Spectrum Analyzer. Per un esempio, vedere View the Spectrogram Using Spectrum Analyzer.

Se si desidera acquisire questi dati per la post-elaborazione in MATLAB, richiamare la funzioni degli oggetti isNewDataReady e getSpectrumData sull'oggetto Spectrum Analyzer. Richiamando queste funzioni nel loop di streaming, è possibile acquisire tutti i dati spettrali. Per acquisire i dati spettrali in Simulink, creare un oggetti SpectrumAnalyzerBlockConfiguration ed eseguire la funzione getSpectrumData su tale oggetto. Si noti che in Simulink, è possibile acquisire solo l'ultimo frame dei dati spettrali visualizzati sullo Spectrum Analyzer.

In alternativa, è possibile utilizzare dsp.SpectrumEstimator System object™ e il blocco Spectrum Estimator per calcolare lo spettro di potenza e acquisire i dati spettrali per un'ulteriore elaborazione. Per visualizzare i dati spettrali calcolati dall'estimatore dello spettro, utilizzare un array plot. Per alcuni esempi, vedere Estimate the Power Spectrum in MATLAB e Estimate the Power Spectrum in Simulink.

Oggetti

espandi tutto

Stima non parametrica

`spectrumAnalyzer`	Display frequency spectrum of time-domain signals (Da R2022a)
`dsp.SpectrumEstimator`	Estimate power spectrum or power density spectrum
`dsp.CrossSpectrumEstimator`	Estimate cross-spectral density
`dsp.TransferFunctionEstimator`	Estimate transfer function

Blocchi

espandi tutto

Stima non parametrica

Burg Method	Power spectral density estimate using Burg method
Covariance Method	Power spectral density estimate using covariance method
Cross-Spectrum Estimator	Estimate cross-power spectrum density
Discrete Transfer Function Estimator	Compute estimate of frequency-domain transfer function of system
Magnitude FFT	Compute nonparametric estimate of spectrum using periodogram method
Modified Covariance Method	Power spectral density estimate using modified covariance method
Periodogram	Power spectral density or mean-square spectrum estimate using periodogram method
Short-Time FFT	Nonparametric estimate of spectrum using short-time fast Fourier transform (STFT) method
Spectrum Analyzer	Display frequency spectrum
Spectrum Estimator	Estimate power spectrum or power-density spectrum
Yule-Walker Method	Power spectral density estimate using Yule-Walker method

Stima parametrica

Burg AR Estimator	Compute estimate of autoregressive (AR) model parameters using Burg method
Covariance AR Estimator	Compute estimate of autoregressive (AR) model parameters using covariance method
Modified Covariance AR Estimator	Compute estimate of autoregressive (AR) model parameters using modified covariance method
Yule-Walker AR Estimator	Compute estimate of autoregressive (AR) model parameters using Yule-Walker method

Argomenti

Spectral Analysis
Spectral analysis is the process of estimating the power spectrum (PS) of a signal from its time-domain representation.
Estimate the Power Spectrum in MATLAB
Compute the power spectrum using the spectrumAnalyzer and the dsp.SpectrumEstimator objects.
Estimate the Power Spectrum in Simulink
Compute the power spectrum using the Spectrum Analyzer and the Spectrum Estimator blocks.
Streaming Power Spectrum Estimation Using Welch's Method
Use Welch's method of averaged modified periodogram to estimate power spectrum.
High Resolution Filter-Bank-Based Power Spectrum Estimation
This example demonstrates how to perform high-resolution spectral analysis using an efficient polyphase filter bank, commonly referred to as a Channelizer.
View the Spectrogram Using Spectrum Analyzer
Spectrograms are a two-dimensional representation of the power spectrum of a signal as this signal sweeps through time.
Estimate the Transfer Function of an Unknown System
You can estimate the transfer function of an unknown system based on the system's measured input and output data.
Continuous-Time Transfer Function Estimation
This example shows how to use the Discrete Transfer Function Estimator block to estimate the magnitude and phase response of a continuous-time analog filter.
Group Delay Estimation in Simulink
This example shows how to estimate the group delay of a filter in Simulink®.
Variable-Size Signal Support DSP System Objects
List of System objects that support variable-sized signals in DSP System Toolbox™.

Informazioni complementari

Filter Bank Method: A Better Approach to Spectral Analysis

Esempi in primo piano

High Resolution Spectral Analysis in MATLAB

Perform spectral estimation in MATLAB using the filter bank method, and compare the performance with the Welch's averaged modified periodogram method.

Apri live script

High Resolution Spectral Analysis in Simulink

Perform spectral estimation in Simulink using the filter bank method, and compare the performance with the Welch's averaged modified periodogram method.

Apri modello

Spectrum Analyzer Measurements

Use the Spectrum Analyzer block for harmonic distortion measurements (such as THD, SNR, SINAD, and SFDR), third-order intermodulation (TOI) distortion measurements, and adjacent channel power ratio (ACPR) measurements. The example also shows you how to view time-varying spectra by using a spectrogram and automatic peak detection. The example includes five amplifier models, with each model representing a typical setup to perform one of the measurements.

Apri modello