Saltar navegación

Documentación de FlexPro 2025

ARSpectrum

Calcula el estimador espectral autorregresivo (AR).

Sintaxis

ARSpectrum(Signal, [ SpectrumType = SPECTRUM_AR_DB ], [ Algorithm = ALGORITHM_AR_DATASVDFB ], [ Order ], [ SignalSpace ], [ FrequencyCount ], [ StartingFrequency = 0 ] [ , EndingFrequency = 0.5 ])

 

La sintaxis de la función ARSpectrum consta de los siguientes elementos:

Parte

Descripción

Signal

Los datos que se van a analizar. Los datos deben tener una frecuencia de muestreo constante y no deben contener valores inválidos.

Las estructuras de datos permitidas son Serie de datos, Matriz de datos, Señal y Serie de señales. Se permiten todos los tipos de datos numéricos.

No se permiten valores inválidos en este argumento.

Se aplican restricciones adicionales al componente X. Los valores deben tener un espaciado positivo constante. No se permiten valores inválidos en este argumento.

Si el argumento es una lista, la función se ejecuta para cada elemento de la lista y el resultado también es una lista.

SpectrumType

El tipo de espectro autorregresivo que se va a calcular.

El argumento SpectrumType puede tener los siguientes valores:

Constante

Significado

SPECTRUM_AR_DB

dB (decibelios)

SPECTRUM_AR_TISA

La integral es la potencia TISA (amplitud² integrada en el tiempo)

SPECTRUM_AR_MSA

La integral es la potencia MSA (amplitud promediada²)

SPECTRUM_AR_SSA

La integral es la potencia SSA (amplitud sumada²)

+ SPECTRUM_PEAKS O

Si se añade esta constante a uno de los tipos de espectro anteriores, solo se mostrarán los picos del espectro.

O Esta constante solo está disponible si la opción Análisis espectral tenía licencia.

Las estructuras de datos permitidas son Valor escalar. Se permiten todos los tipos de datos enteros.

Si el argumento es una lista, se toma su primer elemento. Si se trata de nuevo de una lista, se repite el proceso.

Se establece el valor predeterminado SPECTRUM_AR_DB si no se especifica el argumento.

Algorithm

El algoritmo autorregresivo que se va a utilizar.

El argumento Algorithm puede tener los siguientes valores:

Constante

Significado

ALGORITHM_AR_AUTOCORR

Método de autocorrelación

ALGORITHM_AR_BURG

Método de Burg

ALGORITHM_AR_NRMLFB

Ecuaciones normales de mínimos cuadrados hacia delante y hacia atrás

ALGORITHM_AR_DATAFB

Matriz de datos de mínimos cuadrados hacia delante y hacia atrás

ALGORITHM_AR_NRMLSVDFB

Ecuaciones normales de mínimos cuadrados hacia adelante y hacia atrás SVD

ALGORITHM_AR_DATASVDFB

Matriz de datos de mínimos cuadrados hacia delante y hacia atrás SVD

Si el argumento es una lista, se toma su primer elemento. Si se trata de nuevo de una lista, se repite el proceso.

Se establece el valor predeterminado ALGORITHM_AR_DATASVDFB si no se especifica el argumento.

Order

Orden del modelo autorregresivo. El rango válido es de 1 a un mínimo de 200 y 2/3 de la longitud de datos. El valor predeterminado es el mínimo de 50 y 2/3 de la longitud de los datos.

Las estructuras de datos permitidas son Valor escalar. Se permiten todos los tipos de datos numéricos.

Si el argumento es una lista, se toma su primer elemento. Si se trata de nuevo de una lista, se repite el proceso.

SignalSpace

El número de componentes principales en el algoritmo SVD. El intervalo válido está comprendido entre 1 y la suma de los órdenes de los modelos AR y MA. Por defecto es el mínimo de 6 y la suma de los ordénes.

Las estructuras de datos permitidas son Valor escalar. Se permiten todos los tipos de datos numéricos.

Si el argumento es una lista, se toma su primer elemento. Si se trata de nuevo de una lista, se repite el proceso.

FrequencyCount

El número de frecuencias que se va a calcular. El intervalo válido está comprendido entre 257 y 65537 para un espectro de longitud fija. El valor 0 calcula un espectro adaptativo. El valor predeterminado es 8193 para una serie de señales o una matriz de datos y, en caso contrario, adaptativo.

Las estructuras de datos permitidas son Valor escalar. Se permiten todos los tipos de datos numéricos.

Si el argumento es una lista, se toma su primer elemento. Si se trata de nuevo de una lista, se repite el proceso.

StartingFrequency

La frecuencia de inicio del espectro. El dominio de la frecuencia normalizado está comprendido entre 0 y la frecuencia de Nyquist 0,5.

Las estructuras de datos permitidas son Valor escalar. Se permiten todos los tipos de datos numéricos.

El valor debe ser mayor o igual que 0 y menor o igual que 0,5.

Si el argumento es una lista, se toma su primer elemento. Si se trata de nuevo de una lista, se repite el proceso.

Se establece el valor predeterminado 0 si no se especifica el argumento.

EndingFrequency

La frecuencia final del espectro. El dominio de la frecuencia normalizado está comprendido entre 0 y la frecuencia de Nyquist 0,5.

Las estructuras de datos permitidas son Valor escalar. Se permiten todos los tipos de datos numéricos.

El valor debe ser mayor o igual que 0 y menor o igual que 0,5.

Si el argumento es una lista, se toma su primer elemento. Si se trata de nuevo de una lista, se repite el proceso.

Se establece el valor predeterminado 0,5 si no se especifica el argumento.

Notas

Si el argumento Signal es una serie de datos o una matriz de datos, el componente X del resultado contiene las frecuencias normalizadas de Nyquist.

Disponibilidad

Opción Análisis espectral

Ejemplos

ARSpectrum(Signal, SPECTRUM_AR_DB, ALGORITHM_AR_DATASVDFB, 40, 6, 0, 0, 0)

Calcula el espectro AR de la señal 'Signal'. Este método es especialmente adecuado para la estimación de frecuencias de conjuntos de datos pequeños. Se seleccionan el tipo de espectro dB, el algoritmo matriz de datos FB SVD y el orden 40. El subespacio de señal se fija en el valor 6 y el incremento se fija en adaptativo. Este es un ejemplo del tutorial Estimadores espectrales.

Véase también

Función ARMASpectrum

Función EigenSpectrum

Opción Análisis espectral

Objeto de análisis Estimador espectral

Algoritmos AR

Modelización autorregresiva

Tutorial Estimadores espectrales