基于FFT的周期图谱分析方法可以有效地从含有噪声的信号中提取有用信息；但是，由于低功耗单片机的速度和内存有限，所以无法实时地完成FFT运算。为此，我们采用汇编语言编制FFT程序。

周期图法 BLACKMAN-TUKEY法 WELCH法 Burg法

用Python编程实现功率谱估计的平滑改进。首先生成一个随机信号，然后利用周期图法对该有限长度随机信号的功率谱进行计算，为了使得功率谱更为光滑，最后利用Welch法对信号的功率谱进行了平滑改进。

该文件包含了程序和文档，其用burg 法实现对功率谱的有效估计，还针对不同的信号给出相应试验结果

LOMB算法进行功率谱估计，Lomb算法可以用于非均匀采样序列，自己编写的LOMB函数，经过测试，结果和Matlab的plomb一致。

这是张贤达数字信号处理教材里面的svd-tls的算法，包含用了cadzow功率谱估计子求功率谱密度。

3种经典功率谱估计方法的MATLABA代码-功率谱代码.doc 3种MATLAB的经典谱估计方法 希望对大家有用~ 附件所有代码： 直接法： 直接法又称周期图法，它是把随机序列x的N个观测数据视为一能量有限的序列，直接计算x的离散傅立叶变换，得X，然后再取其幅值的平方，并除以N，作为序列x真实功率谱的估计。 Matlab代码： clear; Fs=1000; %采样频率 n=0:1/Fs:1; %产生含有噪声的序列 xn=cos 3*cos randn); window=boxcar); %矩形窗 nfft=1024; [Pxx,f]=periodogram; %直接法 plot); 改进的直接法： 对于直接法的功率谱估计，当数据长度N太大时，谱曲线起伏加剧，若N太小，谱的分辨率又不好，因此需要改进。 1. Bartlett法 Bartlett平均周期图的方法是将N点的有限长序列x分段求周期图再平均。 Matlab代码： clear; Fs=1000; n=0:1/Fs:1; xn=cos 3*cos randn); nfft=1024; window=boxcar); %矩形窗 noverlap=0; %数据无重叠 p=0.9; %置信概率 [Pxx,Pxxc]=psd; index=0:round; k=index*Fs/nfft; plot_Pxx=10*log10); plot_Pxxc=10*log10); figure plot; pause; figure plot; 2. Welch法 Welch法对Bartlett法进行了两方面的修正，一是选择适当的窗函数w，并再周期图计算前直接加进去，加窗的优点是无论什么样的窗函数均可使谱估计非负。二是在分段时，可使各段之间有重叠，这样会使方差减小。 Matlab代码： clear; Fs=1000; n=0:1/Fs:1; xn=cos 3*cos randn); nfft=1024; window=boxcar; %矩形窗 window1=hamming; %汉明窗 window2=blackman; %blackman窗 noverlap=20; %数据无重叠 range='half'; %频率间隔为[0 Fs/2]，只计算一半的频率 [Pxx,f]=pwelch; [Pxx1,f]=pwelch; [Pxx2,f]=pwelch; plot_Pxx=10*log10; plot_Pxx1=10*log10; plot_Pxx2=10*log10; figure plot; pause; figure plot; pause; figure plot; 复制代码

内含高阶谱分析、经典谱分析、AR算法谱分析、MUSIC谱分析对微振动信号进行谱分析，全可以运行，内有数据集。

功率谱估计：现代谱和古典谱。包括matlab源程序。90分。

包含传统功率谱估计BT法，周期图法，以及现代功率谱估计LD迭代算法的MATLAB仿真，里面附有详细的注释，有不理解的地方可以评论区回复，适合初学者参考