Signal Processing Toolbox    
pburg

Burg法を使って、パワースペクトル密度を計算

表示

詳細

Pxx = pburg(x,p) は、パラメトリックスペクトル推定法の一つであるBurgアルゴリズムを実現して、ベクトルxのパワースペクトル密度(PSD)をPxxに出力します。xの要素は、離散時間信号のサンプルを表します。pはPSD推定で使われる信号に対する自己回帰(AR)予測モデルの次数を設定する整数です。

パワースペクトル密度は、パワー/ラジアン/サンプル単位で計算されます。デフォルトでは、実数値入力は、片側PSD、複素数入力では、両側PSDを計算します。

一般的に、FFTの長さと入力xの値(実数/複素数)は、Pxxの長さと対応する正規化された周波数のレンジを決定します。この形式で、FFTのデフォルトの長さは256です。つぎの表は、Pxxの長さと対応する正規化された周波数レンジを示しています。

表 7-9:  長さ256(デフォルト)のFFTでのPSDベクトル特性
実数/複素数入力データ
Pxxの長さ
対応する正規化した周波数レンジ
実数値
129
[0, ]
複素数値
256
[0, 2)

[Pxx,w] = pburg(x,p) は、PSDが推定される周波数ベクトルをwに出力します。Pxxwは、同じ長さです。周波数の単位は、ラジアン/サンプルです。

[Pxx,w] = pburg(x,p,nfft) は、Burg法を使ってPSDを計算しますが、その長さを整数nfftで設定します。nfft[]と設定すると、デフォルトの256が使われます。

Pxxの長さとwの周波数の範囲は、nfftと入力xの値(実数/複素数/個数)に依ります。つぎの表は、Pxxの長さとwの周波数の範囲を示します。

表 7-10:  PSD と周波数ベクトルの特性
実数/複素数入力データ
nfft 偶数/奇数
Pxxの長さ
wの範囲
実数値
偶数
(nfft/2 + 1)
[0, ]
実数値
奇数
(nfft + 1)/2
[0, )
複素数値
偶数/奇数
nfft
[0, 2)

[Pxx,f] = pburg(x,p,nfft,fs) は、PSDベクトル(Pxx)と対応する周波数ベクトル(f)を計算するため、ヘルツ単位で整数を使ってサンプリング周波数fsを設定します。この場合、周波数ベクトルの単位は、Hzです。スペクトル密度は、パワー/Hzの単位で計算されます。fs[]ベクトルで設定する場合、サンプリング周波数は、デフォルトの1Hzです。

fの周波数の範囲は、nfftfsと入力xの値(実数/複素数/個数)に依存します。Pxxの長さは、上の表で設定されたものと同じです。つぎの表は、fに対する周波数範囲を示しています。

表 7-11:  設定したfsを使った PSD と
周波数ベクトル特性
実数/複素数入力データ
nfft 偶数/奇数
fの範囲
実数値
偶数
[0fs/2]
実数値
奇数
[0fs/2)
複素数値
偶数/奇数
[0, fs)

[Pxx,f] = pburg(x,p,nfft,fs,'range') または、 [Pxx,w] = pburg(x,p,nfft,'range') は、fまたはwに周波数値の範囲を出力します。この書式は、xが実数の場合のみ有効です。'range'には、つぎのいずれかを使用することができます。

pburg(...) は、カレントフィギュアウインドウ内にパワースペクトル密度をプロットします。プロット上の周波数範囲は、与えられたパラメータに対しての出力wの範囲と同じです。

例題

Burg法は、設定した次数のAR予測モデルを信号に近似することにより、スペクトル密度を推定するために、まず、設定した次数のAR(全極)モデルから信号を生成します。ユーザは、freqz を使って、ARフィルタの周波数応答の大きさをチェックできます。これは、pburgを使ってPSDを推定する場合、何を求めることができるかを知ることができます。

白色ノイズにARフィルタを適用して、入力信号xを作成します。4次のAR予測モデルをベースにxのPSDを推定しましょう。この場合、オリジナルのARシステムモデルは次数4であることがわかっているとします。

注意

パワースペクトル密度が、単位周波数に対するパワーの分布として計算されます。

このアルゴリズムは、ユーザの信号に対して、選択したモデル次数によって影響を受けます。

アルゴリズム

線形予測フィルタは、信号の2次の統計量をモデル化するのに使うことができます。予測フィルタ出力は、入力が白色ノイズの場合、信号をモデル化するのに使います。

Burg 法は、入力信号を設定した次数のAR線形予測フィルタモデルに、前進予測誤差と後退予測誤差の算術平均を(二乗和の平方根を使って)最小化することにより、近似します。そして、スペクトル密度は、予測フィルタの周波数応答から計算します。ARフィルタパラメータは、Levinson-Durbin再帰法を満足していなければなりません。

参考
arburg
Burg法を使ったARモデルパラメータの推定
lpc
線形予測係数
pcov
共分散法を使ったパワースペクトル密度の計算
peig
固有ベクトル法を使った擬似スペクトルの推定
periodogram
ピリオドグラムを使ったパワースペクトル密度の計算
pmcov
修正共分散法を使ったパワースペクトル密度の計算
pmtm
マルチテーパ法を使ったパワースペクトル密度の計算
pmusic
MUSIC アルゴリズムを使った擬似スペクトルの推定
prony
時間領域IIRフィルタ設計に対するProny法
pwelch
Welch法を使ったパワースペクトル密度の計算
psdplot
パワースペクトル密度データのプロット
pyulear
Yule-Walker AR法を使ったパワースペクトル密度の計算

参考文献

[1] Marple, S.L. Digital Spectral Analysis, Englewood Cliffs, NJ, Prentice-Hall, 1987, Chapter 7.

[2] Stoica, P., and R.L. Moses, Introduction to Spectral Analysis, Prentice-Hall, 1997.


 modulate pcov