news 2026/10/18 8:42:16

计算互相关积分电平的函数

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
计算互相关积分电平的函数
function [IL_linear, IL_dB] = myIL (x, y, plotEnable) %% 计算积分电平 % 2026.1.11 2A438 % 自己动手编写的波形的互相关的IL积分旁瓣电平、PIL积分电平 % 输入: % x: 输入信号1 % y: 输入信号2 % mlb: 主瓣宽度,主瓣一半的宽度 % 输出: % ISL_linear:ISL输出,以线性值 % ISL_dB: 以dB值输出 base =(x')*x; %以x的2范数的平方作为基准,所以输入xy的时候需要注意顺序,它决定了归一化的基准值 N = length(x); %输入信号的长度为N,那么自相关序列的长度为2N+1 ccf = xcorr(x,y); %计算互相关函数 ccf_norm = ccf/base; %对自相关函数进行归一化 ccf_power = abs(ccf_norm).^2; %能量值,这里取了平方 % 计算IL能量 IL = sum(ccf_power); %积分总能量 IL_linear = IL; %积分旁瓣电平,这里以主瓣能量 IL_dB = 10*log10(IL_linear); %dB值表示的积分旁瓣电平 ccd_ind = (-N+1):(N-1); %自相关函数的延迟取值范围 if plotEnable == 1 fprintf('=== ISL计算示例 ===\n'); fprintf('IL积分能量线性值: %.4f\n', IL_linear); fprintf('IL积分能量(dB): %.4f\n', IL_dB); averagePower = sum(abs(ccf_norm))/(2*N-1); %平均能量 averLine = ones(1,2*N-1).*averagePower; figure; plot(ccd_ind, 20*log10(abs(ccf_norm) + eps), 'linewidth',1); %加上eps可以防止太小的值 hold on; plot(ccd_ind, 20*log10(averLine),'b--', 'linewidth',1); %加上eps可以防止太小的值 axis tight; title(sprintf('互相关函数\n积分电平IL = %.2fdB, 峰值旁瓣电平PSL = %.2fdB',IL_dB)); legend('自相关值','平均值'); end
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/10/16 19:46:36

国产力量崛起:2026十大本土HR软件厂商深度盘点

在信息技术应用创新和供应链安全的国家战略指引下,中国人力资源软件市场正经历一场深刻的国产化替代浪潮。曾经由SAP、Oracle等国际巨头主导的HR系统市场,如今已涌现出一批技术领先、服务扎实的国产优秀厂商。这些本土企业不仅深谙中国企业管理特色&…

作者头像 李华
网站建设 2026/10/18 5:08:43

【毕业设计】基于python_CNN卷积神经网络深度学习识别花卉是否绽放

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

作者头像 李华
网站建设 2026/10/16 18:33:04

基于金融科技的客户流失行为分析预测(python jupyter notebook 机器学习 数据可视化 数据分析)(设计源文件+万字报告+讲解)(支持资料、图片参考_相关定制)

基于金融科技的客户流失行为分析预测(python jupyter notebook 机器学习 数据可视化 数据分析) 本研究基于阿里云天池1万条金融领域银行客户数据,构建模型。经清洗、描述与卡方,,,。对比Logistic、RandomFo…

作者头像 李华
网站建设 2026/10/18 6:27:01

基于python机器学习驱动的粮食产量预测项目(机器学习)(设计源文件+万字报告+讲解)(支持资料、图片参考_相关定制)

基于python机器学习驱动的粮食产量预测项目(机器学习)(设计源文件万字报告讲解)(支持资料、图片参考_相关定制) 项目内容包括: PDF报告(预测粮食产量的重要性、应用场景、方法、结果分析、改进方向&#xf…

作者头像 李华