|
nal analyzer를 통하여 구한다. 입력된 random signal의 auto-correlation과 spectral density를 signal analyzer를 통하여 구한다.
4. 결 과
♠Sine wave
1) auto-correlation
2)Spectral density
Dirac delta function을 이용하면, 다음과 같은 관계가 있다.
위 식을 Fourier 변환하면 다
|
|
|
게 얻을 수 있다.
3. 실 험 방 법
①Function generator와 signal analyzer를 이용하여 실험 장치를 구헝한다
②입력 전압은 5V, 입력 주파수는 100 Hz로 한다.
③입력된 sine wave signal의 auto-correlation과 spectral density를 signal analyzer를 통하여 구한다. 입력된 squar
|
|
|
이 사용하고 있는 알고리즘이다.
정상 랜덤신호(Stationary Random Signal)에서 자기 스펙트럼 밀도(Auto Spectral
Density)와 같은 의미로 사용되며 주파수에 대한 스펙트럼의 변화율을 나타낸다.
따라서 파워 스펙트럼 밀도함수의 전 주파수 대역에서의
|
|
|
Spectral Density를 Matlab으로 구현해보자.
fs= 1000; % Sampling frequency
t = [0 : 1/fs :1]; % Time
s = 0.25*cos(2*pi*20*t) + 0.25*cos(2*pi*10*t) + 0.5*cos(2*pi*5*t); % The original signal
%Draw the graph of the original signal
figure(1); plot(t,s); title(\'Original Signal\');
xlabel(\'time(t)\'); y
|
|
|
ft(fft(ACF,2^15-1));
% power spectral density of Y
power_y=mean(abs(y).^2);
[ACF_Y_R, Lags_Y, Bounds_Y]=autocorr(y, 2^14-1); % (+) autocorrelation
ACF_Y_L=ACF_Y_R(2^14-1:-1:1); % (-) autocorrelation
ACF_Y=[ACF_Y_L ; ACF_Y_R]*power_y; % autocorrelation
PSD_Y=fftshift(fft(ACF_Y,2^15-1));
PSD_N_Gauss=P
|
|
 |
spectral power density)를 분석하였다. 데이터 수집은 ①PRE condition(근피로 운동 전. 이하 “근피로 전”으로 표기), ②POST condition(근피로 운동 직후. 이하 “근피로 직후”로 표기), ③POST 5 condition(근피로 운동을 하고 5분 간의 회복기가 지난 후. 이
|
|
메뉴펼치기
