自己编写的，1024点快速傅里叶变换、倒频谱分析、功率谱分析及其Applet曲线显示程序源代码。 说明清楚，附有验证使用的数据文件
标签： 编写
上传时间： 2014-01-08
上传用户：D&L37
A. 产生一个长为1000的二进制随机序列，“0”的概率为0.8，”1”的概率为0.2；B. 对上述数据进行归零AMI编码，脉冲宽度为符号宽度的50%，波形采样率为符号率的8倍，画出前20个符号对应的波形（同时给出前20位信源序列）；C. 改用HDB3码，画出前20个符号对应的波形；D. 改用密勒码，画出前20个符号对应的波形；E. 分别对上述1000个符号的波形进行功率谱估计，画出功率谱；F. 改变信源“0”的概率，观察AMI码的功率谱变化情况；
上传时间： 2015-03-16
上传用户：Altman
考虑L的三个不同值：L＝256（3个数据段），L＝128(7个数据段)和L=64（15个数据段）。各自的谱估计图如上图所示。可以明显的看到，加窗明显的减小了频谱上的假谱峰，但也更加进一步平滑了谱峰。所以，对于L＝64的情况，在ω＝0.8π的谱线可以很确定的辨认，但是那两个靠近的谱峰不容易区分。对于L＝128的情况，这种情况提供了在分离和检测间最好的均衡。当然，对于在L＝256时的情况，效果是更好的，能够从谱估计图上明显的分辨出三条谱线的存在以及它们幅度关系的强弱。 除了Welch法外，还可以采用对多个周期图求平均的功率谱估计方法的其他方法如Bartlett法等等，在功率谱估计上也能取得较好的结果。
上传时间： 2013-12-02
上传用户：Amygdala
用Burg算法估计AR模型参数，进而实现功率谱估计. 形参说明： x——双精度实型一维数组，长度为n，存放随机序列。 n--整型变量,随机序列的长度。 p--整型变量,AR模型的阶数。 a--双精度实型一维数组，长度为(p十1)。存放AR模型的系数a(0),a(1),...,a(p)。 v--双精度实型指针,它指向预测误差功率，即AR模型激励白噪声的方差。
上传时间： 2013-12-21
上传用户：330402686
计算ARMA(p，q)模型的功率谱密度。 形参说明： b——双精度实型一维数组，长度为(q+1),存放ARMA(p，q)模型的滑动平均系数。 a——双精度实型一维数组，长度为(p+1),存放ARMA(p,q)模型的自回归系数。 q——整型变量,ARMA(p,q)模型的滑动平均阶数。 p——整型变量,ARMA(p,q)模型的自回归阶数。 sigma2——双精度实型变量,ARMA(p,q)模型白噪声激励的方差。 fs——双精度实型变量,采样频率(Hz)。 x——双精度实型一维数组,长度为len。当sign＝0时，存放功率谱密度；当sign＝ 1时，存放用分贝表示的功率谱密度。 freq——双精度实型一维数组，长度为len。存放功率谱密度所对应的频率。 len——整型变量，功率谱密度的数据点数。 sign——整型变量,当sign＝0时，计算功率谱密度；当sign＝1时，计算用分贝表 示的功率谱密度。
上传时间： 2015-04-09
上传用户：qiao8960
用协方差方法估计AR模型参数，进而实现功率谱估计。
上传时间： 2014-01-02
上传用户：jennyzai
接法又称周期图法，它是把随机序列x(n)的N个观测数据视为一能量有限的序列，直接计算x(n)的离散傅立叶变换，得X(k)，然后再取其幅值的平方，并除以N，作为序列x(n)真实功率谱的估计。
标签： 周期
上传时间： 2015-05-01
上传用户：zycidjl
作业Burg算法，用于数字信号处理中功率谱估计，简单实用。
上传时间： 2015-05-10
上传用户：许小华
本程序能够产生ami码，并且能够绘制其波形图和功率谱密度图
上传时间： 2014-01-26
上传用户：skfreeman
本文介绍了QAM调制、解调和判决原理，讨论了QAM的误码率性能，并在SystemView下对QAM调制、解调系统进行了仿真，观察并分析了原始输入信号、调制信号、解调信号、星座图以及QAM信号的功率谱图。
上传时间： 2013-12-22
上传用户：chenxichenyue
