잡음, PSD (power spectral denisty) 및 통계적 차이에 대해 자세히 알아 내려고합니다. 이 점에 관해서는 백색 잡음의 파워 스펙트럼 밀도를 계산하려고 시도하지만, 매우 홀수의 대칭을 얻을 때 그렇습니다. 내 스펙트럼은 분명히 부정확 한 중심 주파수 값을 중심으로 대칭으로 보인다. 저는 자기 상관과 파워 스펙트럼 밀도를 사용하는 것에 익숙하지 않아 누군가가 오류의 방향으로 나를 찔러 주도록 도울 수 있다면 고맙겠습니다. 여기 https://drive.google.com/#folders/0B8BdiIhqTYw7Vk1EaDFMQW84RHM를 액세스 할 수 있습니다 나는 다음과 같은 그래프를 생산하고이 코드를 사용하여백색 잡음의 전력 스펙트럼 밀도를 계산할 때 설명되지 않는 대칭
import numpy as np
from math import sin, pi, log10
from allan_noise import white,pink,brown, violet
import acor
import numpy as np
#METHOD ONE: AUTOCORRELATION FUNCTION METHOD
def psd1(time_dats):
#auto_corr = acor.function(time_dats)
auto_corr = np.correlate(time_dats,time_dats,mode="same")
#To check autocorrelation
for i in range(len(auto_corr)):
print i*.0000001 ,auto_corr[i]
return fft(auto_corr)
#DEFINE VARIABLES
t = .0001 #simulation time
N = 100000 #number of data points
dt = t/N #time interval between data points
#CREATE SIGNAL
sig = white(N)
df = 1.0/(t)
freq_axis = np.arange(0,N/t,df)
spec = psd1(sig)
#OPEN UP OUTPUT FILE
f = open('data/psdtest_f','w')
g = open('data/psdtest_t','w')
#PRINT OUT DATA
for i in range(N):
f.write('%g %g\n' %(freq_axis[i],log10(abs(spec[i]))))
g.write('%g %g\n' %(i*dt, sig[i]))
:
코드 PSD를 계산하는 계산하기 전에 잡음
임시 프로필을
자기 상관 함수는 시간 프로파일로부터 계산됩니다. (저는 x 축 스케일이 잘못되었지만 그것이 어떤 도움의 사람이 가장 도움이 될 것이 대칭을 일으키는 원인에 관해서는 제공 할 수
있어야하지 불구하고 아름답게 대칭 코드 언제 어디 다른
파워 스펙트럼 Denisty. 간단한 sin 웨이브 신호로 코드를 테스트했고 예상 결과를 얻었습니다 (대칭 없음)
코드 구현이 아닌 결과의 해석 – jonrsharpe
예 : [신호 처리] (http://dsp.stackexchange.com/help/on-topic) 또는 [Cross-Validated] (http://stats.stackexchange.com/help/on-topic) – jonrsharpe
죄송합니다. 코드 구현이 잘못되었다고 느낍니다. 나는 멍청한 기능이 어떻게 작동하는지 완전히 이해하지 못한다. 비록 당신이 그것의 오프 토픽을 느낀다면 나는 그것을 물론 옮길 수 있습니다 – Leavenotrace