plomb

Lomb-Scargle周期图

折叠所有页面

语法

[pxx f] = plomb (x, t)

[pxx，f]=plomb（x，fs）

[pxx f] = plomb (＿＿＿，fmax）

[pxx f] = plomb (＿＿＿，fmax，ofac）

[pxx, fvec] = plomb (＿＿＿，fvec）

［＿＿＿) = plomb (＿＿＿spectrumtype)

［＿＿＿甲状旁腺素]= plomb (＿＿＿，'Pd'，pdvec）

[pxx w] = plomb (x)

扑通(＿＿＿）

描述

例子

［pxx，f) = plomb (x，t）返回Lomb-Scargle功率谱密度(PSD)估计值，pxx，表示一个信号，x中指定的时刻进行采样t．t必须单调增加，但不必均匀间隔。所有元素的t必须是负的。pxx在返回的频率处进行评估f．

如果x是一个矢量，它被视为单个通道。
如果x是一个矩阵plomb独立计算每个列的PSD，并在对应的列中返回pxx．

x或t可以包含南年代或NaTs。这些值作为缺失数据处理，并从频谱计算中排除。

例子

［pxx，f) = plomb (x，fs）处理信号以一定速率均匀采样的情况fs，但缺少样本。使用指定丢失的数据南年代。

［pxx，f) = plomb (＿＿＿，fmax）估计PSD的最大频率，fmax，使用前面语法中的任何输入参数。如果信号采样在N非-南瞬间,Δt第一次和最后一次的时差是多少pxx在返回轮（fmax/f_最小值)点,f_最小值= 1 /(4×N×t_年代）哪个点的最小频率是多少pxx，平均样本时间是t_年代=Δt/ (N- 1)．fmax默认为1 /(2×t_年代），对于均匀采样信号，对应于奈奎斯特频率。

例子

［pxx，f) = plomb (＿＿＿，fmax，外国资产控制办公室）指定一个整数过采样因子，外国资产控制办公室．的使用外国资产控制办公室对频谱进行插值或平滑类似于基于FFT方法的零填充技术。pxx再次返回轮（fmax/f_最小值)频率点，但本例中考虑的最小频率为1/(外国资产控制办公室×N×t_年代）.外国资产控制办公室默认为4。

例子

［pxx，fvec) = plomb (＿＿＿，fvec）估计私营部门司x中规定的频率fvec．fvec必须至少有两个元素。第二个输出参数与输入参数相同fvec．

如果使用此语法，则不能指定最大频率或过采样因子。

例子

［＿＿＿) = plomb (＿＿＿，spectrumtype）指定周期图的规范化。

集spectrumtype来psd的，或不指定，以获取pxx作为功率谱密度。
集spectrumtype来“权力”获取输入信号的功率谱。
集spectrumtype来“归一化”得到标准的伦斯卡尔周期图，它乘以的方差的两倍x．

例子

［＿＿＿，甲状旁腺素) = plomb (＿＿＿, Pd,pdvec）返回功率级别阈值，甲状旁腺素，使得其值大于甲状旁腺素有一个概率pdvec是一个真正的信号峰值而不是随机波动的结果。pdvec可以是向量。每个元素的pdvec必须大于0且小于1。每行甲状旁腺素的元素pdvec．甲状旁腺素有相同数量的频道x。如果在中指定输出频率，则此选项不可用fvec．

例子

［pxx，w) = plomb (x）返回的PSD估计值x在一组均匀间隔的归一化频率下计算，w，跨越奈奎斯特区间。使用南s指定缺少的样本。上述所有选项都可用于标准化频率。若要访问这些选项，请指定一个空数组作为第二个输入。

例子

扑通(＿＿＿）在没有输出参数的情况下，绘制当前图形窗口中Lomb-Scargle周期图PSD估计。

例子

全部折叠

不规则采样信号和缺失采样信号

打开生活的脚本

Lomb-Scargle方法可以处理采样不均匀或缺失样本的信号。

产生一个双通道正弦信号采样在1 kHz约0.5 s。正弦波频率分别为175hz和400hz。将信号嵌入带有方差的白噪声中 $σ^{2} ＝ 1 / 4$ ．

Fs = 1000;f0 = 175;f1 = 400;t = 0:1 / Fs: 0.5;wgn = randn(长度(t), 2) / 2;sigorigin = sin(2*pi*[f0;f1]*t)' + wgn;

计算并绘制信号的周期图。使用周期图使用默认设置。

periodogram(sigorigin，[]，[]，Fs) axisLim =轴;标题(“周期图”）

图中包含一个轴对象。标题为“周期图”的轴对象包含两个类型为line的对象。

使用plomb使用默认设置来估计和绘制信号的PSD。使用前面情节的轴线限制。

plomb (sigOrig t)轴(axisLim)标题(“Lomb-Scargle”）

图中包含一个轴对象。标题为Lomb-Scargle的轴对象包含两个类型为line的对象。

假设信号丢失了10%的原始样本。的地方南S的随机位置来模拟丢失的数据点。使用plomb来估计和绘制缺失样本信号的PSD。

sinMiss = sigOrig;misfrac = 0.1;nTime =长度(t) * 2;sinMiss (randperm (nTime圆(nTime * misfrac))) =南;plomb (sinMiss t)轴(axisLim)标题(缺失的样本）

图中包含一个轴对象。标题为“缺少样本”的轴对象包含两个类型为line的对象。

采样原始信号，但通过在时间测量中增加抖动(不确定度)使采样不均匀。第一个瞬间仍然是零。使用plomb来估计和绘制非均匀采样信号的PSD。

tirr = t + (1/2-rand(size(t)))/Fs/2;tirr (1) = 0;sinirg = sin(2*pi*[f0;f1]*tirr)' + wgn;plomb (sinIrreg tirr)轴(axisLim)标题(“非均匀采样”）

图中包含一个axes对象。标题为“非均匀采样”的axes对象包含2个line类型的对象。

缺失样本数据集的周期图

打开生活的脚本

1610年冬天，伽利略观测到了木星四颗最大的卫星的运动。当天气允许时，伽利略就记录下卫星的位置。利用他的观察结果来估计其中一颗卫星卡利斯托的轨道周期。

卡利斯托的角位置是用弧分来测量的。使用nan指定由于多云情况而丢失的数据。第一次观测日期是1月15日。生成一个datetime观测时间数组。

yg=[10.5 NaN 11.5 10.5 NaN-5.5-10.0-12.0-11.5-12.0-7.5．..南南南8.5 12.5 12.5 10.5南南南-6.0 -11.5 -12.5．..-12.5 -10.5 -6.5 NaN 2.0 8.5 10.5 NaN 13.5 NaN 10.5．..';obsv = datetime(1610, 14 +(1:长度(yg)));情节(yg、“o”) ax = gca;夜= [1 18 32 46];斧子。XTick =晚上;斧子。XTickLabel = char (obsv(晚上));网格

图中包含一个轴对象。axis对象包含一个类型为line的对象。

使用以下方法估计数据的功率谱：plomb．指定过采样系数为10。用反天数表示得到的频率。

[pxx f] = plomb (yg, obsv [] 10,“权力”）;f = f * 86400;

使用findpeaks确定频谱中唯一显著峰值的位置。绘制功率谱并显示峰值。

[pk, f0] = findpeaks (pxx f“MinPeakHeight”10);情节(f, pxx f0、pk“o”)包含(频率(天^ {1}))标题(“功率谱及突出山峰”)网格

图中包含一个Axis对象。标题为功率谱和突出峰值的Axis对象包含2个line类型的对象。

确定木卫四的轨道周期（以天为单位）为最大能量频率的倒数。结果与美国宇航局公布的值相差不到1%。

= 1 / f0时期

周期=16.6454

美国国家航空航天局(NASA) = 16.6890184;PercentDiscrep = (Period-NASA) /美国国家航空航天局(NASA) * 100

PercentDiscrep = -0.2613

不规则采样数据集的周期图

打开生活的脚本

伽利略·伽利莱在1610年1月发现了木星最大的四颗卫星，并记录了它们在当年3月之前每个晴朗的夜晚的位置。利用伽利略的数据找到四颗卫星中最外层的木卫四的轨道周期。

伽利略对木卫四角位置的观测是以弧分钟为单位的。由于多云的情况，有几个间隙。生成一个持续时间观测时间数组。

t=[02378910112171819242562728293435337．..41 42 43 44 45]';td =天(t);Yg = [10.5 10.5 -5.5 -10.0 -12.0 -11.5 -12.0 -7.5 8.5 12.5 12.5．..10.5 -6.0 -11.5 -12.5 -12.5 -10.5 -6.5 2.0 8.5 10.5 13.5 10.5 -8.5．..';情节(td、yg、“o”）

图中包含一个轴对象。axis对象包含一个类型为line的对象。

使用plomb来计算数据的周期图。估计功率谱的频率为 $0 ． 5 {d 一个 y}^{- 1}$ ．指定过采样系数为10。选择标准的伦-斯卡尔标准化。

(1)一天=秒(天);[pxx f] = plomb (yg, td, 0.5 /一天10“归一化”）;f = f *一天;

周期图有一个清晰的最大值。请命名峰值频率 $f_{0}$ ．绘制周期图并标注峰值。

[pmax，lmax]=max（pxx）；f0=f（lmax）；绘图（f，pxx，f0，pmax，“o”)包含(频率(天^ {1})）

图中包含一个轴对象。轴对象包含两个类型为line的对象。

用线性最小二乘法拟合数据的函数形式

$y （ t ）＝一个 + B 因为 2 π f_{0} t + C 罪 2 π f_{0} t ．$

拟合参数为振幅一个，B,C．

英国《金融时报》= 2 *π* f0 * t;ABC = [ones(size(ft)) cos(ft) sin(ft)] \ yg

美国广播公司(ABC) =3×10.4243 10.4444 6.6137

利用拟合参数在200点区间上构造拟合函数。绘制数据并叠加拟合。

x = linspace (t (1), t(结束),200)';fx = 2 *π* f0 * x;y = [ones(size(fx)) cos(fx) sin(fx)] * ABC;情节(td、yg、“o”天(x), y)

图中包含一个轴对象。轴对象包含两个类型为line的对象。

不规则采样和混叠

打开生活的脚本

采样一个0.8 Hz的正弦信号在1 Hz下100秒。将正弦波嵌入到方差为1/100的白噪声中。为可重复的结果重置随机数生成器。

f0=0.8；rng默认的wgn = randn (1100) / 10;ts = 1:10 0;S = sin(2*pi*f0*ts) + wgn;

计算并绘制功率谱密度估计到采样率。指定过采样系数为10。

plomb(年代,ts 1 10)

图中包含一个轴对象。标题为“伦-斯卡尔功率谱密度估计”的轴对象包含一个类型为线的对象。

因为正弦波的频率大于奈奎斯特频率，所以会出现混叠。

重复计算，但现在在随机时间对正弦信号进行采样。包括高达1 Hz的频率。指定2的过采样因子。绘制PSD。

tn=sort（100*rand（1100））；n=sin（2*pi*f0*tn）+wgn；ofac=2；plomb（n，tn，1，ofac）

图中包含一个轴对象。标题为“伦-斯卡尔功率谱密度估计”的轴对象包含一个类型为线的对象。

混叠消失。不规则采样通过缩短某些时间间隔来提高有效采样率。

放大0.8 Hz左右的频率。使用间距为0.001 Hz的精细网格。在这种情况下，不能指定过采样因子或最大频率。

df = 0.001;fvec = 0.7: df: 0.9;持有在plomb (n, tn, fvec)传说(“ofac=2”，“df = 0.001”）

图中包含一个轴对象。标题为“伦-斯卡尔功率谱密度估计”的轴对象包含2个线型对象。这些对象表示ofac = 2, df = 0.001。

指数分布

打开生活的脚本

生成 $N ＝ 1024$ 带有方差的白噪声样本 $σ ＝ 1$ ，给定采样频率为1hz。计算白噪声的功率谱。选择Lomb-Scargle归一化并指定过采样因子 $o f 一个 c ＝ 15$ .重置随机数生成器以获得可重复的结果。

rng默认的N = 1024;t = (1: N) ';wgn = randn (N, 1);外国资产控制办公室= 15;[pwgn f] = plomb (wgn t[],外国资产控制办公室,“归一化”）;

验证白噪声的Lomb Scargle功率谱估计值具有单位平均值的指数分布。绘制pwgn以及利用分布函数生成的一组指数分布随机数的直方图 $f （ z | 1 ）＝ e^{- z}$ ．为了对直方图进行归一化，回忆周期图样本的总数为 $N \times o f 一个 c / 2$ ．指定容器宽度为0.25。叠加理论分布函数的图。

dx = 0.25;br = 0: dx: 5;Nf = N * ofac / 2;hpwgn = histcounts (pwgn br) ';hRand = histcounts(日志(兰德(Nf, 1)), br) ';弯曲= br (1: end-1);栏(弯曲,[hpwgn hRand] / Nf / dx,“历史”)举行在绘图（br，exp（-br））图例(“wgn”，“经验pdf”，“理论pdf”)举行从

图中包含一个Axis对象。Axis对象包含3个patch、line类型的对象。这些对象表示wgn、经验pdf和理论pdf。

在噪声中嵌入频率为0.1 Hz的正弦信号。使用的信噪比为 $ξ ＝ 0 ． 01$ ．指定正弦振幅， $x_{0}$ ，使用关系 $x_{0} ＝ σ \sqrt{2 ξ}$ ．计算信号的功率谱，并根据经验和理论分布函数绘制其直方图。

信噪比= 0.01;x0 =√2 *信噪比);Sigsmall = WGN + x0*sin(2*pi/10*t);[psigsmall f] = plomb (sigsmall t[],外国资产控制办公室,“归一化”）;hpsigsmall = histcounts (psigsmall br) ';栏(弯曲,[hpsigsmall hRand] / Nf / dx,“历史”)举行在绘图（br，exp（-br））图例(“sigsmall”，“经验pdf”，“理论pdf”)举行从

图中包含一个轴对象。axis对象包含3个类型为patch, line的对象。这些对象代表sigsmall, Empirical pdf, Theoretical pdf。

使用以下方法重复计算 $ξ ＝ 1$ ．现在的分布明显不同。

信噪比= 1;x0 =√2 *信噪比);Siglarge = WGN + x0*sin(2*pi/10*t);[psiglarge f] = plomb (siglarge t[],外国资产控制办公室,“归一化”）;hpsiglarge = histcounts (psiglarge br) ';栏(弯曲,[hpsiglarge hRand] / Nf / dx,“历史”)举行在绘图（br，exp（-br））图例(“siglarge”，“经验pdf”，“理论pdf”)举行从

图中包含一个轴对象。axis对象包含3个类型为patch, line的对象。这些对象代表siglarge, Empirical pdf, Theoretical pdf。

虚警概率

打开生活的脚本

以1hz的采样率生成100个正弦信号样本。指定振幅为0.75，频率为 $0 ． 6 / 2 π \approx 0 ． 096 H z$ ．将信号嵌入方差为0.902的白噪声中。为可重复的结果重置随机数生成器。

rng默认的X0 = 0.75;f0 = 0.6;vr = 0.902;Nsamp = 100;t = 1: Nsamp;X = X0 * cos (f0 * (1: Nsamp)) + randn (Nsamp) * sqrt (vr);

随机丢弃10%的样品。画出信号。

X (randperm (Nsamp Nsamp / 10)) =南;情节(t X,“o”）

图中包含一个轴对象。axis对象包含一个类型为line的对象。

计算并绘制归一化功率谱。标注对应于50%、10%、1%和0.01%的假警报概率的级别。如果您生成许多方差为0.902的90个样本白噪声信号，那么其中一半有一个或多个峰值高于50%线，10%有一个或多个峰值高于10%线，以此类推。

Pfa = [50 10 1 0.01]/100;Pd = 1-Pfa;[pxx f,甲状旁腺素]= plomb (X, 1: Nsamp,“归一化”，“Pd”, Pd);pxx情节(f, f,甲状旁腺素*的(大小(f)))包含(“f”) text(0.3*[1 1 1 1]，pth-.5，[repmat(“P_ {fa} = ', [4]) num2str (Pfa)])

图中包含一个轴对象。axis对象包含9个类型为line, text的对象。

在这种情况下，峰值足够高，只有大约0.01%的可能信号可以达到它。

使用plomb没有重复计算的输出参数。绘图现在是对数的，并且根据检测概率绘制级别。

plomb（X，1:Nsamp，“归一化”，“Pd”, Pd)

图中包含2个轴对象。Axes对象1是空的。标题为Lomb-Scargle归一化周期图的轴对象2包含5个类型为line的对象。

噪声正弦波的伦-斯卡尔周期图

打开生活的脚本

当给定一个数据向量作为唯一的输入时，plomb使用归一化频率估计功率谱密度。

生成128个归一化频率的正弦波样本 $π / 2$ rad/样本嵌入到方差为1/100的高斯白噪声中。

t =(0:127)”;x =罪(2 *π* t / 4);X = X + randn(size(X))/10;

使用Lomb Scargle程序估算PSD。使用重复计算周期图．

[p，f]=plomb（x）；[pper，fper]=periogram（x）；

以分贝为单位绘制PSD估计。验证结果是否相等。

情节(f /π,pow2db (p))在图（fper/pi，pow2db（pper））轴（[01-4020]）xlabel(“\omega/\pi”) ylabel (PSD的)传奇(“plomb”，“周期图”）

图中包含一个轴对象。轴对象包含两个类型为line的对象。这些对象代表稳定期、周期图。

估计由正弦波组成的三通道信号的Lomb-Scargle PSD。指定频率为 $2 π / 3.$ rad /样本, $π / 2$ rad/样本，以及 $2 π / 5$ rad /样品。加入方差为1/100的高斯白噪声。使用plomb没有输出参数来计算和绘制PSD估计值（分贝）。

x3 = (sin(2 *π* t / 3)罪(2 *π* t / 4)罪(2 *π* t / 5)];3 = X3 + randn(size(X3))/10;图plomb (x3)

图中包含一个轴对象。标题为“伦-斯卡尔功率谱密度估算”的轴对象包含3个线型对象。

再次计算PSD估计，但现在随机删除25%的数据。

x3 (randperm(元素个数(x3), 0.25 *元素个数(x3))) =南;plomb (x3)

图中包含一个轴对象。标题为“伦-斯卡尔功率谱密度估算”的轴对象包含3个线型对象。

缺失样本信号的功率谱密度

打开生活的脚本

如果你没有时间矢量，使用南来指定信号中缺失的样本。

生成1024个归一化频率的正弦波样本 $2 π / 5$ Rad /样本嵌入到方差为1/100的白噪声中。用伦斯卡尔法估算功率谱密度。使用plomb没有输出参数绘制估计值。

t =(0:1023)”;x =罪(2 *π* t / 5);X = X + randn(size(X))/10;[pxx f] = plomb (x);plomb (x)

图中包含一个轴对象。标题为“伦-斯卡尔功率谱密度估计”的轴对象包含一个类型为线的对象。

通过赋值删除所有其他样本南“年代使用。plomb计算并绘制PSD。由于时间轴不变，因此周期图峰值频率相同。

xnew = x;xnew(2:2:结束)=南;plomb (xnew)

图中包含一个轴对象。标题为“伦-斯卡尔功率谱密度估计”的轴对象包含一个类型为线的对象。

通过下采样移除每一个其他样品。该函数现在估计两倍于原始频率的周期。这可能不是你想要的结果。

xdec=x（1:2：结束）；plomb（xdec）

图中包含一个轴对象。标题为“伦-斯卡尔功率谱密度估计”的轴对象包含一个类型为线的对象。

输入参数

全部折叠

`x`- - - - - -输入信号
向量|矩阵

输入信号，指定为向量或矩阵。如果x是一个向量，它被视为单个通道。如果x是一个矩阵plomb独立计算每个列的PSD估计，并在对应的列中返回pxx．x可以包含南年代。南s被视为缺失数据，并从频谱计算中排除。

数据类型：单|双重的

`t`- - - - - -时间瞬间
非负实向量|`datetime`数组|`持续时间`数组

时间瞬间，指定为非负实向量adatetime数组,或持续时间数组中。t必须单调增加，但不必均匀间隔。t可以包含南年代或NaTs。这些值作为缺失数据处理，并从频谱计算中排除。

数据类型：单|双重的|datetime|持续时间

`fs`- - - - - -采样率
积极的标量

采样率，指定为正标量。采样率是每单位时间的采样数。如果时间单位为秒，则采样率以赫兹为单位。

数据类型：单|双重的

`fmax`- - - - - -最大频率
积极的标量

最大频率，指定为正标量。fmax可以高于奈奎斯特频率。

数据类型：单|双重的

`外国资产控制办公室`- - - - - -过采样因子
4(默认)|正整数标量

过采样因子，指定为一个正整数标量。

数据类型：单|双重的

`fvec`- - - - - -输入频率
向量

输入频率，指定为矢量。fvec必须至少有两个元素。

数据类型：单|双重的

`spectrumtype`- - - - - -功率谱扩展
`psd的`(默认)|`“权力”`|`“归一化”`

功率谱缩放，指定为之一psd的，“权力”,或“归一化”．省略spectrumtype,或指定psd的，返回功率谱密度估计值。指定“权力”利用窗的等效噪声带宽对PSD的每个估计进行标度。指定“权力”得到每个频率下的功率的估计。指定“归一化”尺度pxx乘以方差的两倍x．

`pdvec`- - - - - -检测概率
标量|向量

检测的概率，指定为逗号分隔对，由“Pd”和一个标量或实值在0和1之间的向量，唯一的。检测的概率是频谱中的一个峰值不是由随机波动引起的概率。

数据类型：单|双重的

输出参数

全部折叠

`pxx`——Lomb-Scargle周期图
向量|矩阵

伦-斯卡尔周期图，以向量或矩阵的形式返回。当输入信号，x，是一个向量，那么pxx是一个向量。当x是一个矩阵，函数处理的每一列x作为独立通道，计算每个通道的周期图。

`f`——频率
向量

频率，作为向量返回。

数据类型：单|双重的

`w`-归一化频率
向量

归一化频率，返回为矢量。

数据类型：单|双重的

`甲状旁腺素`——功率级阈值
向量|矩阵

作为向量或矩阵返回的功率级阈值。功率级阈值是频谱中的一个峰值必须超过的振幅，因此可以(有概率地)排除它pdvec)，峰值是由随机波动引起的。每一行的甲状旁腺素的元素pdvec．甲状旁腺素有相同数量的频道x．

数据类型：单|双重的

参考文献

Horne, James H.和Sallie L. Baliunas。非均匀采样时间序列的周期分析方法天体物理学杂志》上。1986年第302卷，757-763页。

伦(Nicholas R. Lomb)非等间距数据的最小二乘频率分析天体物理学与空间科学。1976年第39卷，第447-462页。

[3] Press, William H.和George B. Rybicki。非均匀采样数据光谱分析的快速算法天体物理学杂志》上。1989年第338卷，第277-280页。

[4] 天文时间序列分析研究。II.不均匀间隔数据光谱分析的统计方面天体物理学杂志》上。1982年第263卷，第835-853页。

扩展能力

C/C++代码生成
使用MATLAB®Coder™生成C和c++代码。

使用说明和限制：

代码生成不支持时间表。万博1manbetx

另请参阅

主题

介绍了R2014b

plomb

语法

描述

例子

不规则采样信号和缺失采样信号

缺失样本数据集的周期图

不规则采样数据集的周期图

不规则采样和混叠

指数分布

虚警概率

噪声正弦波的伦-斯卡尔周期图

缺失样本信号的功率谱密度

输入参数

`x`- - - - - -输入信号
向量|矩阵

`t`- - - - - -时间瞬间
非负实向量|`datetime`数组|`持续时间`数组

`fs`- - - - - -采样率
积极的标量

`fmax`- - - - - -最大频率
积极的标量

`外国资产控制办公室`- - - - - -过采样因子
4(默认)|正整数标量

`fvec`- - - - - -输入频率
向量

`spectrumtype`- - - - - -功率谱扩展
`psd的`(默认)|`“权力”`|`“归一化”`

`pdvec`- - - - - -检测概率
标量|向量

输出参数

`pxx`——Lomb-Scargle周期图
向量|矩阵

`f`——频率
向量

`w`-归一化频率
向量

`甲状旁腺素`——功率级阈值
向量|矩阵

更多关于

Lomb-Scargle周期图

参考文献

扩展能力

C/C++代码生成
使用MATLAB®Coder™生成C和c++代码。

另请参阅

主题

信号处理工具箱文档

万博1manbetx

基于MATLAB的信号处理深度学习

plomb

语法

描述

例子

不规则采样信号和缺失采样信号

缺失样本数据集的周期图

不规则采样数据集的周期图

不规则采样和混叠

指数分布

虚警概率

噪声正弦波的伦-斯卡尔周期图

缺失样本信号的功率谱密度

输入参数

x- - - - - -输入信号向量|矩阵

t- - - - - -时间瞬间非负实向量|datetime数组|持续时间数组

fs- - - - - -采样率积极的标量

fmax- - - - - -最大频率积极的标量

外国资产控制办公室- - - - - -过采样因子4(默认)|正整数标量

fvec- - - - - -输入频率向量

spectrumtype- - - - - -功率谱扩展psd的(默认)|“权力”|“归一化”

pdvec- - - - - -检测概率标量|向量

输出参数

pxx——Lomb-Scargle周期图向量|矩阵

f——频率向量

w-归一化频率向量

甲状旁腺素——功率级阈值向量|矩阵

更多关于

Lomb-Scargle周期图

参考文献

扩展能力

C/C++代码生成使用MATLAB®Coder™生成C和c++代码。

另请参阅

主题

信号处理工具箱文档

万博1manbetx

基于MATLAB的信号处理深度学习

`x`- - - - - -输入信号
向量|矩阵

`t`- - - - - -时间瞬间
非负实向量|`datetime`数组|`持续时间`数组

`fs`- - - - - -采样率
积极的标量

`fmax`- - - - - -最大频率
积极的标量

`外国资产控制办公室`- - - - - -过采样因子
4(默认)|正整数标量

`fvec`- - - - - -输入频率
向量

`spectrumtype`- - - - - -功率谱扩展
`psd的`(默认)|`“权力”`|`“归一化”`

`pdvec`- - - - - -检测概率
标量|向量

`pxx`——Lomb-Scargle周期图
向量|矩阵

`f`——频率
向量

`w`-归一化频率
向量

`甲状旁腺素`——功率级阈值
向量|矩阵

C/C++代码生成
使用MATLAB®Coder™生成C和c++代码。