急啊，急切希望大家帮我讨论一下，感激不尽！

xulinzero

%%%%%关于用互相关函数进行互谱分析
clear
load 'wind.txt'; %导入数据文件
M=2;
N=3;
%变换此处的M和N的值可以求不同点的互谱
X=wind(:,M);
Y=wind(:,N);
[Pxy,F] = cpsd(X,Y,[],[],512,6.25);

其中cpsd函数是进行互谱分析的，但其所用的方法是经典谱估计的welch方法，其谱线起伏度还是很大，我查了很多资料，好像现在进行的互谱分析用的都是cpsd，我想能不能用现代谱估计（例如burg)方法代替，程序如下：
M=2;
N=3;
%变换此处的M和N的值可以求不同点的互谱
X=wind(:,M);
Y=wind(:,N);
cxy = cohere(X,Y,256,6.25);
[Pxx1,F]=pburg(X,6,256,6.25);
[Pxx2,F]=pburg(Y,6,256,6.25);
for n=1:129
[Pxy,F]=(Pxx1(n)*Pxx2(n))*cxy(n);
end
其中红色部分就是改后的，先进行自谱估计,再根据相关函数与互谱、自谱的关系（用相关函数乘以两个信号的自谱）。
不知这种方法可行？望高手指教。

[ 本帖最后由 xulinzero 于 2008-10-10 17:06 编辑 ]

xulinzero

:@) 望高人指教
小弟不盛感激！

songzy41

原帖由 xulinzero 于 2008-10-10 17:00 发表
%%%%%关于用互相关函数进行互谱分析
clear
load 'wind.txt'; %导入数据文件
M=2;
N=3;
%变换此处的M和N的值可以求不同点的互谱
X=wind(:,M);
Y=wind(:,N);
[Pxy,F] = cpsd(X,Y,[],[],512,6.25);
其中cpsd函数是进行互谱分析的，但其所用的方法是经典谱估计的welch方法，其谱线起伏度还是很大，我查了很多资料，好像现在进行的互谱分析用的都是cpsd，我想能不能用现代谱估计（例如burg)方法代替，程序如下：
...

我认为在谱线起伏度还是很大是信号的真实反映，要想减少起伏的话，可以对cpsd中的noverlap进行设置，以便求出多个谱进行平均，以减小起伏。
同时LZ设置[Pxx1,F]=pburg(X,6,256,6.25)中p用6，当然使频谱光滑，因为只允许3个峰值，当把p的设置加大，谱线一样会有起伏了。

[ 本帖最后由 songzy41 于 2008-10-10 19:28 编辑 ]

xulinzero

你好 谢谢你的回复
我现在做的是用AR法模拟一个风场， 然后进行谱密度分析，使得它的自谱和互谱与目标谱(kaimal谱)能够很好的拟合,以前用的是pwelch(Y,256,6.25)函数，但是pwelch在低频的时候模拟的精度很差，且起伏很大，所以现在要想办法改进这种算法，提高它与目标谱的拟合精度。
在burg算法中当p 取很低的时候，它的自谱与kaimal谱正好能够很好的吻合，所以我就没有按照常规的阶数选取方法，而是取得很低。但是互谱分析是由于只有cpsd函数，它用到的其实还是welch算法，无法改进，所以我就想是否能够按照上面的方法用相关函数与互谱、自谱的关系间接的代替cpsd函数，使用自谱估计的burg算法估计自谱，再得到互谱，从而避开使用welch算法，不知道这样是否可行？