توضیحات
Adaptive instantaneous frequency estimation based on time-frequency distributions with derivative approximation
شبیه سازی در محیط ام فایل متلب انجام شده است.
دارای گزارش 7 صفحه ای در قالب ورد است.
گزارش شبیه سازی با متلب
مقدمه
در این شبیه‌سازی سه روش جهت تخمین فرکانس لحظه‌ای (IF) پیاده سازی و مقایسه شده است. روش اول توسط مرجع اصلی معرفی شده است. روش دوم مبتنی بر قوانین اولیه‌ی ICI پیاده سازی شده است [8] و روش سوم براساس قوانین تغییریافته‌ی ICI نوشته شده است [15 و 16]. در این روش‌ها سعی شده است تا در هر لحظه طول بهینه برای محاسبه‌ی طیف سیگنال محاسبه شود. پس از محاسبه‌ی طیف در طول زمان و تشکیل توزیع زمان فرکانس (TFD)، مکان قُلِّه در هر لحظه بیانگر فرکانس آن لحظه است.
فهرست فایل‌های شبیه‌سازی
توابع اصلی
| ردیف | توضیحات | نام فایل |
| 1 | در مقاله جهت بررسی الگوریتم‌ها دو سیگنال استفاده شده است. خروجی این تابع، با توجه به ورودی، یکی از این دو سیگنال خواهد بود. | InputSig.m |
| 2 | تابع جهت تخمین واریانس نویز و دامنه‌ی سیگنال ورودی (بدون نویز). این تابع با توجه به روابط 23 و 24 مرجع [8] نوشته شده است. | EstSigAmpNoiseVar.m |
| 3 | رابطه 4 در مرجع اصلی در اینجا پیاده سازی شده است. | ProbE.m |
| 4 | الگوریتم پیشنهاد شده جهت تخمین IF در مرجع اصلی در این تابع پیاده سازی شده است. در این تابع محاسبات TFD به کمک WD انجام شده است. | Proposed_WD.m |
| 5 | الگوریتم پیشنهاد شده جهت تخمین IF در مرجع اصلی در این تابع پیاده سازی شده است. در این تابع محاسبات TFD به کمک SM انجام شده است. | Proposed_SM.m |
| 6 | الگوریتم تخمین IF با توجه به قوانین ICI اولیه در این تابع پیاده سازی شده است. در این تابع محاسبات TFD به کمک WD انجام شده است. | ICI_Basic_WD.m |
| 7 | الگوریتم تخمین IF با توجه به قوانین ICI اولیه در این تابع پیاده سازی شده است. در این تابع محاسبات TFD به کمک SM انجام شده است. | ICI_Basic_SM.m |
| 8 | الگوریتم تخمین IF با توجه به قوانین ICI تغییر یافته در این تابع پیاده سازی شده است. در این تابع محاسبات TFD به کمک WD انجام شده است. | ICI_Modified_WD.m |
| 9 | الگوریتم تخمین IF با توجه به قوانین ICI تغییر یافته در این تابع پیاده سازی شده است. در این تابع محاسبات TFD به کمک SM انجام شده است. | ICI_Modified_SM.m |
شبیه‌سازی‌ها
| ردیف | توضیحات | نام فایل |
| 1 | شبیه سازی شکل 2 مقاله | Fig2_2ndOrderDerivative.m |
| 2 | اجرای شبیه سازی جهت ایجاد داده برای شکل 4 و جدول 1 | Fig4_RunSimulation.m |
| 3 | نمایش نتایج بدست آمده از اجرای Fig4_RunSimulation (معادل شکل 4 و جدول 1) | Fig4_Table1_ShowResults.m |
| 4 | شبیه سازی شکل 5 ستون یک از چپ | Fig5_ICI_Modified_WD.m |
| 5 | شبیه سازی شکل 5 ستون دو از چپ | Fig5_Proposed_WD.m |
| 6 | شبیه سازی شکل 5 ستون سه از چپ | Fig5_ICI_Modified_SM.m |
| 7 | شبیه سازی شکل 5 ستون چهار از چپ | Fig5_Proposed_SM.m |
| 8 | شبیه سازی شکل 6 ستون یک از چپ | Fig6_ICI_Modified_WD.m |
| 9 | شبیه سازی شکل 6 ستون دو از چپ | Fig6_Proposed_WD.m |
| 10 | شبیه سازی شکل 6 ستون سه از چپ | Fig6_ICI_Modified_SM.m |
| 11 | شبیه سازی شکل 6 ستون چهار از چپ | Fig6_Proposed_SM.m |
| 12 | شبیه سازی شکل 7 | Fig7.m |
با اجرای هرکدام از این فایل‌ها نتایج مربوط به آن قسمت به نمایش در خواهد آمد.
نتایج شبیه سازی با متلب
شبیه‌سازی شکل 2
در مقاله مرجع سیگنال اولیه و پارامترهای مربوط به فیلتر Savitzky-Golay برای این شبیه سازی بیان نشده بود. لذا دامنه‌ی نتایج بدست آمده با مقاله متفاوت است.
شبیه سازی شکل 4 و جدول 1
با اجرای فایل Fig4_RunSimulation.m تمامی 6 الگوریتم برای هر دو سیگنال A و B و برای SNR های بین -5 الی 25، با گام های 2، اجرا می شوند. به ازای هر SNR، هر الگوریتم 100 مرتبه بر روی سیگنال های با نویز جدید اجرا می شود. پس از هر اجرا خطا و زمان اجرا بدست می آید. تمامی نتایج در دو فایل با نام های Fig4SigA.mat (برای نتایج مربوط به سیگنال A) و Fig4SigB.mat (برای نتایج مربوط به سیگنال B) ذخیره می شود.
پس از اجرا فایل Fig4_Table1_ShowResults.m میانگین خطا در 100 اجرا به ازای SNR های مختلف و برای الگوریتم‌های مختلف به نمایش در می‌آید.
همچنین زمان اجرای سه الگوریتم اصلی به ازای روش WD برای تخمین TFD و در SNR=11 در 100 تکرار میانگین گیری شده و در جدول زیر به نمایش در آمده است (در واحد ثانیه). سیستمی که این شبیه سازی در آن اجرا شده دارای پردازنده‌ی Core i7 و 16 GB RAM و سیستم عامل Windows 10 است.
شبیه سازی شکل 5
در این شبیه سازی از سیگنال A استفاده شده است
- روش Modified ICI، SNR = 11 و از WD برای محاسبه‌ی TFD استفاده شده است.
- روش پیشنهادی، SNR = 11 و از WD برای محاسبه‌ی TFD استفاده شده است.
- روش Modified ICI، SNR = 0 و از SM برای محاسبه‌ی TFD استفاده شده است.
- روش پیشنهادی، SNR = 0 و از SM برای محاسبه‌ی TFD استفاده شده است.
شبیه سازی شکل 6
در این شبیه سازی از سیگنال B استفاده شده است
- روش Modified ICI، SNR = 11 و از WD برای محاسبه‌ی TFD استفاده شده است.
- روش پیشنهادی، SNR = 11 و از WD برای محاسبه‌ی TFD استفاده شده است.
- روش Modified ICI، SNR = 0 و از SM برای محاسبه‌ی TFD استفاده شده است.
- روش پیشنهادی، SNR = 0 و از SM برای محاسبه‌ی TFD استفاده شده است.
شبیه سازی شکل 7
چند نکته:
- مقاله‌ی اصلی دارای یک فایل تکمیلی است که آدرس آن در خود مقاله آمده است. پارامترهای مربوط به شبیه سازی ها در این فایل آمده است. در پوشه‌ی مراجع نام این فایل “1-s2.0-S0165168419300246-mmc1” است.
- استفاده از مقدار c1 و c2 بیان شده در فایل کمکی نتایج درستی را ارائه نمی دهد. در شبیه سازی‌های ارائه شده جای مقادیر c1 و c2 عوض شده است (c1 = 1/76 و c2 = 14).
- برای تخمین واریانس نویز و دامنه‌ی سیگنال در مرجع اصلی روابط 23 و 24 مرجع [8] پیشنهاد شده‌اند. هر چند که این روابط در تابع EstSigAmpNoiseVar پیاده سازی شده است ولی در الگوریتم‌های تخمین IF از این تابع استفاده نشده است زیرا نتایج آن مطلوب نبود. در شبیه سازی‌ها مقدار SNR دانسته فرض شده است.
- نتایج تابع ProbE (رابطه 4 در مرجع اصلی) برای برخی SNR ها جواب مطلوبی ارائه نمی کند. لذا در شبیه سازی های روش های مبتنی بر ICI، در زمانی که خروجی مناسبی از این تابع دریافت نشود، اثر آن خنثی شده است (به Step 4 در توابع ICI_Modified_SM و ICI_Modified_WD مراجعه شود).
- همچنین به دلیل نتایج نامطلوب تابع ProbE در برخی از SNRها، جهت تخمین h_int در روش پیشنهادی از جدول 1 در فایل تکمیلی استفاده شده است (خطوط 61 الی 70 در تابع ICI_Modified_SM و خطوط 54 الی 63 در تابع ICI_Modified_WD).
- جهت شبیه سازی روش های مبتنی بر ICI از مقالات [8، 15 و 16] استفاده شده است.
- بین تعریف تابع SM در فایل تکمیلی با مرجع [17] تفاوت دیده می شود. در مرجع [17] در جمله‌ی دوم، STFT در شیفت یافته‌ی مزدوج خود ضرب شده است. درحالی که در فایل تکمیلی، conjugate وجود ندارد.
- در روابطی که نیاز به استفاده از مقادیر فرکانس ω وجود دارد، در شبیه سازی ها از مقدار نرمالیزه‌ی آن استفاده شده است (0≤ω≤1) و در نمایش مقدار آن 0≤ω≤π لحاظ شده است.
- شبیه‌سازی‌ها در نسخه MATLAB R2019a انجام شده است. با این وجود برای اجرای این کدها در نسخه‌های قدیمی تر احتمالاً مشکلی نخواهد بود.
کلیدواژه:
Instantaneous frequency estimation, Wigner distribution, S-method, Time-frequency analysis, Adaptive estimators
شبیه سازی
Adaptive instantaneous frequency estimation based on time-frequency distributions with derivative approximation
طبق توضیحات فوق توسط کارشناسان سایت متلبی تهیه شده است و به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،.
با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.