利用FFT计算非平稳随机信号WVD分布
clc
clear all
NN=100;
w1=0.001;
a1=0.0005;
w2=0.001;
a2=-0.005;
j=sqrt(-1);
nn=-3*NN-1:1:3*NN-1; %构造信号
%n=nn-3*NN;
x=exp(j*(2*pi*(w1*nn+1/2*a1*nn.^2))); %s1=ss1(nn-3*NN)
%ss1c=conj(ss1);
L=64; %加矩形窗
N=2*L;
w=zeros(N);
w(1)=0;
l=-(L-1):1:(L-1);
w(2:length(l))=1; %2L-1窗
%s1=ss1(3*NN-(L-1)+1:3*NN+(L-1)+1);
Wx=zeros(N,N);
G=zeros(N,N);
GG=zeros(N,N); %conj(G)
f=zeros(N,N);
for n=0:N-1 % n=nn-3*NN
% l=-(L-1):1:(L-1)
% G=w.*x(3*NN+n+l) %G(n,l)=w(l).*x(n+1)
%for
l=0:1:L-1;
% ll=L+l;
% nn=3*NN+n;
G(n+1,l+1)=w(L+1+l).*x(3*NN+n+L+1+l);
GG(n+1,l+1)=conj(w(L+1-l).*x(3*NN+n+L+1-l));
f(n+1,l+1)=G(n+1,l+1).*GG(n+1,l+1);
l=L:1:2*L-1;
G(n+1,l+1)=w(L+1+l-2*L).*x(3*NN+n+L+1+l-2*L);
GG(n+1,l+1)=conj(w(L+1-l+2*L).*x(3*NN+n+L+1-l+2*L));
f(n+1,l+1)=G(n+1,l+1).*GG(n+1,l+1);
end
F=f'; %FFT按列计算矩阵的傅立叶变换
Wx=fft(F);
Wx=Wx';
n=0:N-1;
k=0:N-1;
figure;
grid;
mesh(n,k,Wx);
figure;
contour(Wx);
D156
相关文章
- MySQL explain 中的 rows 究竟是如何计算的?
- 用Python计算三角函数之acos()方法的使用
- SQL Server利用HashKey计算列解决宽字段查询的性能问题
- ZZNUOJ_C语言1084:计算两点间的距离(多实例测试)(完整代码)
- ML之SIFT_FLANN:FLANN算法的简介、使用方法(对图片提取SIFT特征并利用FLANN方法实现计算图像相似度并可视化案例)之详细攻略
- ML之Hash_HamMingDistance:基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用汉明距离算法实现计算图像相似度案例
- CV之cv2:基于python语言利用cv2库对几何形状图像边界进行识别检测并计算周长/面积以及输出颜色/形状类型之详细攻略
- DL之BP:利用乘法层/加法层(forward+backward)算法结合计算图(CG)求解反向求导应用题
- DL之DNN:自定义2层神经网络TwoLayerNet模型(计算梯度两种方法)利用MNIST数据集进行训练、预测
- 华为张顺茂:迎接拐点,拥抱计算新架构
- Volcano 社区 v1.7.0 版本正式发布 | 云原生批量计算
- 【华为OD机试 2023】 计算快递主站点(C++ Java JavaScript Python)
- ccks-利用sklern计算混淆矩阵及分类报告
- 聚类方法与距离计算学习[转载]
- JanusGraph 架构概述——和hugegraph、graphbase架构都是一样,只是利用其它数据库做了图计算和查询引擎
- 利用simhash计算文本相似度
- 文本去重之MinHash算法——就是多个hash函数对items计算特征值,然后取最小的计算相似度
- 一个基于特征向量的近似网页去重算法——term用SVM人工提取训练,基于term的特征向量,倒排索引查询相似文档,同时利用cos计算相似度
- 云计算|OpenStack|社区版OpenStack安装部署文档(九--- 创建一个虚拟机实例---Rocky版)
- Linux云计算——进程和任务管理
- 洛谷-----P1028 [NOIP2001 普及组] 数的计算