《matlab利用idinput函数产生m序列.docx》由会员分享,可在线阅读,更多相关《matlab利用idinput函数产生m序列.docx(6页珍藏版)》请在三一办公上搜索。
1、matlab利用idinput函数产生m序列 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,不足以激励起系统的全部动态特性,额,实验数据立马弱爆了。M序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
2、,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 二值随机信号 prbs 二值伪随机信号 sine Band 正弦信号和 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
3、在一个间隔1/B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M1,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;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
4、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15PRBS信号的前12个值组成的序列。如 ms = idinput(15, prbs, 0 1, 0 1); figure stairs(ms) titl
5、e(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M1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
6、,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 = idi
7、nput(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 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 n = 8; % 阶次 p = 2n -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
8、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
9、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 n = 8; % 阶次 p = 2n -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 = ms; ms; for i = 1:2*p ims(i) = xor(m
10、stemp(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)