可下载资源

比较具有不同采样率的信号

考虑一个音频信号数据库和一个模式匹配应用程序，您需要在其中识别正在播放的歌曲。数据通常以低采样率存储，以占用更少的内存。

第一个和第二个子图显示了来自数据库的模板信号。第三个子图显示了我们要在数据库中搜索的信号。仅查看时间序列，信号似乎与两个模板都不匹配。仔细检查发现，信号实际上具有不同的长度和采样率。

[Fs1 Fs2 Fs]
ans = 1×3

        4096        4096        8192

不同的长度使您无法计算两个信号之间的差异，但是可以通过提取信号的公共部分来轻松解决。此外，并不总是必须使长度相等。  

课程

R语言数据分析挖掘必知必会

从数据获取和清理开始，有目的的进行探索性分析与可视化。让数据从生涩的资料，摇身成为有温度的故事。

立即参加 ➜

在测量中寻找信号

现在，我们可以使用xcorr函数将信号S与模板T1和T2互相关，以确定是否存在匹配项。

 
figure
ax(1) = subplot(2,1,1); 
plot(lag1/Fs,C1,'k')
ylabel('Amplitude')
grid on
 

第一个子图表示信号与模板1的相关性较低，而第二个子图中的高峰值表示信号存在于第二个模板中。

互相关的峰值表示信号在61 ms之后开始存在于模板T2中。换句话说，信号T2使信号S超前499个采样，如SampleDiff所示。 

我们还可以查找两个信号之间的延迟。

t21表示s2落后s1 350个样本，t31表示s3领先s1 150个样本。该信息现在可用于通过时移信号来对齐3个信号。我们还可以alignsignals直接使用该功能来对齐信号，这可以通过延迟最早的信号来对齐两个信号。

s1 = alignsignals(s1,s3);
s2 = alignsignals(s2,s3);

figure
ax(1) = subplot(3,1,1);
plot(s1)
grid on 
title('s1')

​

比较信号的频率 

趋向于0的相干值表示相应的频率分量是不相关的，而趋向于1的值则表示相应的频率分量是相关的。 

figure
t = (0:numel(sig1)-1)/Fs;
subplot(2,2,1)
plot(t,sig1,'k')
ylabel('s1')
grid on

​

​

35 Hz分量之间的相位滞后接近-90度，而165 Hz分量之间的相位滞后接近-60度。

查找信号中的周期

 冬季办公大楼中的一组温度测量值。每30分钟进行一次测量，持续约16.5周。

figure
plot(lag/(2*24),xc,'k',...
     lag(df)/(2*24),xc(df),'kv','MarkerFaceColor','r')
grid on

cycle1 = diff(df)/(2*24);

subplot(2,1,1)
plot(cycle1)
ylabel('Days')

观察自协方差的主要和次要波动。主峰和次峰出现等距。要验证它们是否正确，请计算并绘制后续峰位置之间的差异。

mean(cycle1)
ans = 7
mean(cycle2)
ans = 1.0000

次要峰表示每周7个循环，主要峰表示每周1个循环。鉴于数据来自7天日历上的温度受控建筑物，因此这是有道理的。第一个7天的周期表示建筑物温度有一个每周的循环行为，其中周末温度降低，而工作日则恢复正常。1天的循环行为表示每天都有循环行为-夜间温度较低，白天则升高。