简介阵列信号处理中DOA估计是核心研究方向之一。经典的MUSIC、ESPRIT等窄带算法在窄带场景下性能优异但面对宽带信号时往往出现谱峰展宽、伪峰增多、估计偏差增大等问题。非相干信号子空间ISM方法通过频域分解将宽带信号拆解为多个窄带分量逐频点进行MUSIC估计再融合各频点空间谱从而有效恢复DOA估计精度。ISM原理清晰、实现简单尤其适用于声学阵列、雷达、通信等领域的宽带信号源定位场景。本文结合MATLAB仿真从信号建模、频域延迟构造、协方差估计到谱峰融合完整展示ISM方法的工程落地流程并讨论阵元间距选择、频点筛选、相干源限制等实际问题为相关技术开发者提供一套可复用的宽带DOA估计解决方案。 做阵列信号处理的人应该都经历过这种尴尬窄带DOA估计算法跑起来风生水起MUSIC、ESPRIT的仿真图一张比一张漂亮可一旦接收信号从中频窄带换成宽带原来那套花样就直接对不上了。我去年做声学阵列定位项目时就撞上了这堵墙——目标辐射的是300Hz到700Hz的宽带噪声采样率4kHz阵元数8个直接拿MUSIC处理整个带宽谱峰展宽、伪峰满天飞估计出来的角度跟实际差了十几度根本没法用。后来把思路切到频域分解用非相干信号子空间ISM方法逐个频率点做估计最后把各频点空间谱融合起来才把这问题解决掉。这篇我把ISM方法的原理、MATLAB完整代码、仿真结果分析和踩坑记录一次写清楚给同样被宽带DOA问题卡住的人一个能直接照搬的参考。1. 宽带信号直接套窄带算法为什么谱峰全乱套了1.1 窄带DOA估计的隐含假设MUSIC、ESPRIT这类经典DOA估计算法本质上都建立在“窄带信号”这个前提之上。所谓窄带是指信号的相对带宽很小通常认为信号频谱只集中在中心频率附近很窄的范围内可以用复包络表示。在这个假设下阵列中不同阵元接收同一信号时差别仅仅是相位延迟而这个相位延迟可以通过中心频率和阵元位置唯一确定。以均匀线阵为例设阵元间距为d信号从θ方向入射第m个阵元相对第1个阵元的相位差是2πf0(m−1)d·sinθ/c。这里的核心在于相位差只取决于中心频率f0是整个阵列响应中的一个固定参数。导向矢量a(θ)一旦定义好就相当于给这个方向的来波盖了一个“指纹印章”。MUSIC算法的全部原理就是利用信号子空间和噪声子空间的正交性在扫描角度范围内寻找这个“指纹”。很多人在刚开始接触DOA估计时容易忽略这个前提。教材里给出的MUSIC仿真往往都是单频正弦信号或者窄带复指数信号这导致大家对“窄带假设”的感知并不强烈。只有在实际项目中遇到宽带信号时这个隐含假设才会突然显形。1.2 宽带信号介入后导向矢量变成频率的函数宽带信号就不一样了。宽带信号的能量在频域上分散在很宽的范围内每个频率分量经过阵列时产生的相位延迟各不相同。同一个方向、不同频率的来波对应的导向矢量不同。如果仍然按照窄带方式只用中心频率的导向矢量去处理宽带的接收数据那么信号子空间和噪声子空间的正交性就会被破坏——因为协方差矩阵里实际上混入了多个频率对应的信号成分它们无法再用同一个导向矢量精确表示。用一个直观类比来理解窄带信号相当于在阵列上形成了一组稳定的干涉条纹宽带信号则相当于多组间距不同的条纹叠加在一起。你拿着一组固定间距的条纹模板去匹配这个叠加图案自然会出错。实测中典型的表现是MUSIC谱峰变矮、展宽角度估计偏差大而且容易在真实角度附近出现伪峰严重时伪峰甚至比真峰还高。所以宽带DOA估计的核心难题不是算法本身而是“导向矢量随频率变化”这件事。解决思路也就自然浮出水面把宽带问题分解成多个窄带问题逐个处理再融合。ISM方法就是沿着这个思路诞生的也是我在MATLAB里实践过后觉得最直观、最容易被复现的一种宽带DOA估计方案。2. ISM的分而治之逻辑与数学骨架2.1 从宽带接收模型到频域快拍先建立一个完整的数学模型。设有一个M元均匀线阵接收K个远场宽带信号源入射角度分别为θ₁、θ₂、…、θ_K。在时域第m个阵元的接收信号可以写成所有源信号的叠加x_m(t) Σ_{k1}^{K} s_k(t − τ_m(θ_k)) n_m(t)其中τ_m(θ_k) (m−1)d·sinθ_k / c是第k个源到第m个阵元相对参考阵元的时延。这个公式看起来简单但时延在频域里会变成随频率变化的相位旋转。对接收信号做J点FFT得到频域表示X_m(f_j) Σ_{k1}^{K} S_k(f_j) exp(−j2πf_j τ_m(θ_k)) N_m(f_j)写成矩阵形式X(f_j) A(f_j, θ) S(f_j) N(f_j)其中A(f_j, θ) [a(f_j, θ₁), …, a(f_j, θ_K)]第k列就是频率f_j对应的导向矢量a(f_j, θ_k) [1, e^{−j2πf_j d·sinθ_k/c}, …, e^{−j2πf_j (M−1)d·sinθ_k/c}]^T注意这个导向矢量中同时包含θ和f_j两个变量。这就是宽带问题的核心也是ISM方法展开的出发点。2.2 四步走选频点、估协方差、算谱、再平均ISM的处理思路非常直接既然每个频点f_j的信号模型现在都符合窄带形式那就把宽带信号当成“多道窄带题”来做——每个频点单独用一次窄带MUSIC得到该频点的空间谱最后把所有频点的空间谱做平均。整个流程分四步。第一步选频点。将接收数据做J点FFT只选择信号带宽B范围内、且幅值明显高于噪声底的频点参与后续处理。这一步看似多余实际上很关键。如果数据里包含纯噪声频点那部分频点的空间谱满是随机尖峰平均之后会污染最终结果。第二步估计协方差矩阵。对于选中的每个频点f_j利用L段数据在同一频点上的值构成M×L矩阵协方差矩阵R(f_j) (1/L)·X_j·X_j^H。关键之处在于必须有多个“频域快拍”参与平均。单帧数据做不到秩满后面MUSIC的特征分解就无从谈起。第三步逐频点窄带MUSIC。对每个频点的协方差矩阵做特征分解得到噪声子空间U_n(f_j)然后计算该频点的空间谱P_j(θ) 1 / |a^H(f_j, θ)·U_n(f_j)·U_n^H(f_j)·a(f_j, θ)|第四步融合。把所有有效频点的空间谱做算术平均P_ISM(θ) (1/J_f)·Σ_{j1}^{J_f} P_j(θ)最后在θ的扫描网格上寻找峰值峰值对应的角度就是估计出的DOA。2.3 “非相干”三个字的分量ISM的全称是Incoherent Signal Subspace Method直译就是非相干信号子空间方法。这里的“非相干”指的是算法在融合各频点结果时只做功率层面的非相干叠加不利用不同频点之间的相位相干关系。每个频点的MUSIC处理互相独立最后只是把空间谱线加在一起取平均。这个“非相干”特性让ISM在应对相互独立的宽带信号源时显得简单粗暴但非常有效。但也要提前打个预防针一旦源与源之间存在相干性比如多径效应带来的相关源ISM在每个频点上的MUSIC都会失效因为相干源会让信号协方差矩阵产生秩亏。这是ISM最大的边界限制后面第五部分会详细展开。3. MATLAB仿真的完整链路从造信号到出谱峰3.1 仿真参数与场景为什么这样定先给出一组我在仿真中常用的参数并解释每一个选择背后的考虑。参数值说明阵元数 M88元均匀线阵空间分辨率够用信号源数 K2两个宽带源角度设为20°和40°中心频率 fc1000 Hz声学频段便于理解带宽 B400 Hz相对带宽40%典型的宽带情形采样率 fs4000 Hz满足奈奎斯特采样FFT点数 J256频率分辨率约15.6Hz够观察谱结构信号时长 T2 秒提供足够的分段数量阵元间距 d按最高频率半波长设置避免高频空间混叠信噪比 SNR10 dB中等信噪比声学场景常见阵元间距这个参数要特别说明。很多参考资料在宽带DOA仿真里直接按中心频率的半波长设置阵元间距这在信号带宽较宽时会导致高频分量出现空间混叠谱图上出现周期性栅瓣。稳妥的做法是按最高频率的半波长来设置d c / (2·(fc B/2))这样整个频带内都不会出现混叠。算下来c340m/s、fc1000Hz、B400Hz时d≈0.1417m和按中心频率计算的0.17m差距还是不小的。信号长度T2秒总采样点数N8000按每段J256个点分帧后有效分段数L31。这些段就是频域统计平均的样本样本数越大协方差估计越准。如果信号很短分段数不够可以考虑重叠分段比如每段256点、步长128点能把分段数提上去一截。3.2 宽带信号生成滤波法最省事生成宽带信号我推荐用白噪声通过带通滤波器的方式。先设计一个带通FIR滤波器再用filter函数对高斯白噪声滤波得到的就是限带白噪声。这种方法实现简单带宽、中心频率都能精确控制比构造一堆正弦叠加再调权重省心得多。%% 参数设置 c 340; % 声速 m/s fc 1000; % 中心频率 Hz B 400; % 信号带宽 Hz fs 4000; % 采样率 Hz M 8; % 阵元数 K 2; % 信号源数 theta_true [20, 40]; % 真实DOA角度 d c / (2 * (fc B/2)); % 阵元间距按最高频率半波长设置 J 256; % FFT点数 T 2; % 信号时长 秒 N fs * T; % 总采样点数 L floor(N / J); % 分段数 N_eff L * J; % 实际参与处理的点数 %% 生成两个独立的宽带源信号 s zeros(K, N_eff); filt_b fir1(64, [(fc-B/2)/(fs/2), (fcB/2)/(fs/2)]); for k 1:K s(k, :) filter(filt_b, 1, randn(1, N_eff)); endfir1函数的截止频率需要归一化到奈奎斯特频率也就是fs/2。滤波器阶数64在400Hz带宽下过渡带已经足够既能保证带外衰减又不会让滤波器阶数太高拖慢仿真速度。如果想把信号做得更“宽带”把B加大到800Hz就可以相对带宽达到80%ISM方法依然有效。3.3 接收数据生成频域延迟比时域延迟精确得多阵列接收数据的本质是把同一个源信号按不同时延叠加到各阵元上。最直观的做法是时域移位但时域移位有量化误差非整数采样点延迟还要做插值误差会随着仿真规模放大。推荐的做法是在频域构造导向矢量直接乘以源信号的FFT再逆变换回时域这样每个频率分量都获得精确的相移没有任何插值误差。%% 频域构造接收数据 X zeros(M, N_eff); for l 1:L idx (l-1)*J1 : l*J; for k 1:K Sk fft(s(k, idx), J); for m 1:M fvec (0:J-1) * fs / J; % 频点向量 steering exp(-1j*2*pi*fvec*(m-1)*d*sind(theta_true(k))/c); X(m, idx) X(m, idx) ifft(steering .* Sk); end end end %% 加噪声 SNR 10; % 信噪比 dB signal_power mean(mean(abs(X).^2, 2)); noise_power signal_power / (10^(SNR/10)); X X sqrt(noise_power) * randn(size(X));三层循环看起来有点笨重但这里是为了保证代码可读性。实际仿真中如果N_eff非常大可以把内层循环向量化。注意ifft之后应该得到实信号由于数值误差可能会有微小虚部可以加上real()取实部。加噪声时用实数高斯白噪声因为X是实信号不需要复数噪声。3.4 ISM主流程与窄带MUSIC子函数数据准备好之后进入ISM的核心流程。先把接收数据分段做FFT得到每个频点、每段、每阵元的频域值然后在有效频点范围内逐个计算协方差矩阵调用窄带MUSIC子函数得到空间谱最后累加平均。%% 分段的频域数据 Xf zeros(M, J, L); for l 1:L idx (l-1)*J1 : l*J; Xf(:, :, l) fft(X(:, idx), J, 2); end %% 选择有效频点带宽内 freqs (0:J-1) * fs / J; valid_idx find(freqs fc-B/2 freqs fcB/2); %% p a hrefhttps://download.csdn.net/download/m0_60703264/87973414 stylecolor:#ec7500;font-size:14px; 本文还有配套的精品资源点击获取 /a img altmenu-r.4af5f7ec.gif srchttps://csdnimg.cn/release/wenkucmsfe/public/img/menu-r.4af5f7ec.gif stylewidth:16px;margin-left:4px;vertical-align:text-bottom;cursor:text; /p 宽带DOA估计之ISM方法：原理、MATLAB实现与踩坑记录
简介阵列信号处理中DOA估计是核心研究方向之一。经典的MUSIC、ESPRIT等窄带算法在窄带场景下性能优异但面对宽带信号时往往出现谱峰展宽、伪峰增多、估计偏差增大等问题。非相干信号子空间ISM方法通过频域分解将宽带信号拆解为多个窄带分量逐频点进行MUSIC估计再融合各频点空间谱从而有效恢复DOA估计精度。ISM原理清晰、实现简单尤其适用于声学阵列、雷达、通信等领域的宽带信号源定位场景。本文结合MATLAB仿真从信号建模、频域延迟构造、协方差估计到谱峰融合完整展示ISM方法的工程落地流程并讨论阵元间距选择、频点筛选、相干源限制等实际问题为相关技术开发者提供一套可复用的宽带DOA估计解决方案。 做阵列信号处理的人应该都经历过这种尴尬窄带DOA估计算法跑起来风生水起MUSIC、ESPRIT的仿真图一张比一张漂亮可一旦接收信号从中频窄带换成宽带原来那套花样就直接对不上了。我去年做声学阵列定位项目时就撞上了这堵墙——目标辐射的是300Hz到700Hz的宽带噪声采样率4kHz阵元数8个直接拿MUSIC处理整个带宽谱峰展宽、伪峰满天飞估计出来的角度跟实际差了十几度根本没法用。后来把思路切到频域分解用非相干信号子空间ISM方法逐个频率点做估计最后把各频点空间谱融合起来才把这问题解决掉。这篇我把ISM方法的原理、MATLAB完整代码、仿真结果分析和踩坑记录一次写清楚给同样被宽带DOA问题卡住的人一个能直接照搬的参考。1. 宽带信号直接套窄带算法为什么谱峰全乱套了1.1 窄带DOA估计的隐含假设MUSIC、ESPRIT这类经典DOA估计算法本质上都建立在“窄带信号”这个前提之上。所谓窄带是指信号的相对带宽很小通常认为信号频谱只集中在中心频率附近很窄的范围内可以用复包络表示。在这个假设下阵列中不同阵元接收同一信号时差别仅仅是相位延迟而这个相位延迟可以通过中心频率和阵元位置唯一确定。以均匀线阵为例设阵元间距为d信号从θ方向入射第m个阵元相对第1个阵元的相位差是2πf0(m−1)d·sinθ/c。这里的核心在于相位差只取决于中心频率f0是整个阵列响应中的一个固定参数。导向矢量a(θ)一旦定义好就相当于给这个方向的来波盖了一个“指纹印章”。MUSIC算法的全部原理就是利用信号子空间和噪声子空间的正交性在扫描角度范围内寻找这个“指纹”。很多人在刚开始接触DOA估计时容易忽略这个前提。教材里给出的MUSIC仿真往往都是单频正弦信号或者窄带复指数信号这导致大家对“窄带假设”的感知并不强烈。只有在实际项目中遇到宽带信号时这个隐含假设才会突然显形。1.2 宽带信号介入后导向矢量变成频率的函数宽带信号就不一样了。宽带信号的能量在频域上分散在很宽的范围内每个频率分量经过阵列时产生的相位延迟各不相同。同一个方向、不同频率的来波对应的导向矢量不同。如果仍然按照窄带方式只用中心频率的导向矢量去处理宽带的接收数据那么信号子空间和噪声子空间的正交性就会被破坏——因为协方差矩阵里实际上混入了多个频率对应的信号成分它们无法再用同一个导向矢量精确表示。用一个直观类比来理解窄带信号相当于在阵列上形成了一组稳定的干涉条纹宽带信号则相当于多组间距不同的条纹叠加在一起。你拿着一组固定间距的条纹模板去匹配这个叠加图案自然会出错。实测中典型的表现是MUSIC谱峰变矮、展宽角度估计偏差大而且容易在真实角度附近出现伪峰严重时伪峰甚至比真峰还高。所以宽带DOA估计的核心难题不是算法本身而是“导向矢量随频率变化”这件事。解决思路也就自然浮出水面把宽带问题分解成多个窄带问题逐个处理再融合。ISM方法就是沿着这个思路诞生的也是我在MATLAB里实践过后觉得最直观、最容易被复现的一种宽带DOA估计方案。2. ISM的分而治之逻辑与数学骨架2.1 从宽带接收模型到频域快拍先建立一个完整的数学模型。设有一个M元均匀线阵接收K个远场宽带信号源入射角度分别为θ₁、θ₂、…、θ_K。在时域第m个阵元的接收信号可以写成所有源信号的叠加x_m(t) Σ_{k1}^{K} s_k(t − τ_m(θ_k)) n_m(t)其中τ_m(θ_k) (m−1)d·sinθ_k / c是第k个源到第m个阵元相对参考阵元的时延。这个公式看起来简单但时延在频域里会变成随频率变化的相位旋转。对接收信号做J点FFT得到频域表示X_m(f_j) Σ_{k1}^{K} S_k(f_j) exp(−j2πf_j τ_m(θ_k)) N_m(f_j)写成矩阵形式X(f_j) A(f_j, θ) S(f_j) N(f_j)其中A(f_j, θ) [a(f_j, θ₁), …, a(f_j, θ_K)]第k列就是频率f_j对应的导向矢量a(f_j, θ_k) [1, e^{−j2πf_j d·sinθ_k/c}, …, e^{−j2πf_j (M−1)d·sinθ_k/c}]^T注意这个导向矢量中同时包含θ和f_j两个变量。这就是宽带问题的核心也是ISM方法展开的出发点。2.2 四步走选频点、估协方差、算谱、再平均ISM的处理思路非常直接既然每个频点f_j的信号模型现在都符合窄带形式那就把宽带信号当成“多道窄带题”来做——每个频点单独用一次窄带MUSIC得到该频点的空间谱最后把所有频点的空间谱做平均。整个流程分四步。第一步选频点。将接收数据做J点FFT只选择信号带宽B范围内、且幅值明显高于噪声底的频点参与后续处理。这一步看似多余实际上很关键。如果数据里包含纯噪声频点那部分频点的空间谱满是随机尖峰平均之后会污染最终结果。第二步估计协方差矩阵。对于选中的每个频点f_j利用L段数据在同一频点上的值构成M×L矩阵协方差矩阵R(f_j) (1/L)·X_j·X_j^H。关键之处在于必须有多个“频域快拍”参与平均。单帧数据做不到秩满后面MUSIC的特征分解就无从谈起。第三步逐频点窄带MUSIC。对每个频点的协方差矩阵做特征分解得到噪声子空间U_n(f_j)然后计算该频点的空间谱P_j(θ) 1 / |a^H(f_j, θ)·U_n(f_j)·U_n^H(f_j)·a(f_j, θ)|第四步融合。把所有有效频点的空间谱做算术平均P_ISM(θ) (1/J_f)·Σ_{j1}^{J_f} P_j(θ)最后在θ的扫描网格上寻找峰值峰值对应的角度就是估计出的DOA。2.3 “非相干”三个字的分量ISM的全称是Incoherent Signal Subspace Method直译就是非相干信号子空间方法。这里的“非相干”指的是算法在融合各频点结果时只做功率层面的非相干叠加不利用不同频点之间的相位相干关系。每个频点的MUSIC处理互相独立最后只是把空间谱线加在一起取平均。这个“非相干”特性让ISM在应对相互独立的宽带信号源时显得简单粗暴但非常有效。但也要提前打个预防针一旦源与源之间存在相干性比如多径效应带来的相关源ISM在每个频点上的MUSIC都会失效因为相干源会让信号协方差矩阵产生秩亏。这是ISM最大的边界限制后面第五部分会详细展开。3. MATLAB仿真的完整链路从造信号到出谱峰3.1 仿真参数与场景为什么这样定先给出一组我在仿真中常用的参数并解释每一个选择背后的考虑。参数值说明阵元数 M88元均匀线阵空间分辨率够用信号源数 K2两个宽带源角度设为20°和40°中心频率 fc1000 Hz声学频段便于理解带宽 B400 Hz相对带宽40%典型的宽带情形采样率 fs4000 Hz满足奈奎斯特采样FFT点数 J256频率分辨率约15.6Hz够观察谱结构信号时长 T2 秒提供足够的分段数量阵元间距 d按最高频率半波长设置避免高频空间混叠信噪比 SNR10 dB中等信噪比声学场景常见阵元间距这个参数要特别说明。很多参考资料在宽带DOA仿真里直接按中心频率的半波长设置阵元间距这在信号带宽较宽时会导致高频分量出现空间混叠谱图上出现周期性栅瓣。稳妥的做法是按最高频率的半波长来设置d c / (2·(fc B/2))这样整个频带内都不会出现混叠。算下来c340m/s、fc1000Hz、B400Hz时d≈0.1417m和按中心频率计算的0.17m差距还是不小的。信号长度T2秒总采样点数N8000按每段J256个点分帧后有效分段数L31。这些段就是频域统计平均的样本样本数越大协方差估计越准。如果信号很短分段数不够可以考虑重叠分段比如每段256点、步长128点能把分段数提上去一截。3.2 宽带信号生成滤波法最省事生成宽带信号我推荐用白噪声通过带通滤波器的方式。先设计一个带通FIR滤波器再用filter函数对高斯白噪声滤波得到的就是限带白噪声。这种方法实现简单带宽、中心频率都能精确控制比构造一堆正弦叠加再调权重省心得多。%% 参数设置 c 340; % 声速 m/s fc 1000; % 中心频率 Hz B 400; % 信号带宽 Hz fs 4000; % 采样率 Hz M 8; % 阵元数 K 2; % 信号源数 theta_true [20, 40]; % 真实DOA角度 d c / (2 * (fc B/2)); % 阵元间距按最高频率半波长设置 J 256; % FFT点数 T 2; % 信号时长 秒 N fs * T; % 总采样点数 L floor(N / J); % 分段数 N_eff L * J; % 实际参与处理的点数 %% 生成两个独立的宽带源信号 s zeros(K, N_eff); filt_b fir1(64, [(fc-B/2)/(fs/2), (fcB/2)/(fs/2)]); for k 1:K s(k, :) filter(filt_b, 1, randn(1, N_eff)); endfir1函数的截止频率需要归一化到奈奎斯特频率也就是fs/2。滤波器阶数64在400Hz带宽下过渡带已经足够既能保证带外衰减又不会让滤波器阶数太高拖慢仿真速度。如果想把信号做得更“宽带”把B加大到800Hz就可以相对带宽达到80%ISM方法依然有效。3.3 接收数据生成频域延迟比时域延迟精确得多阵列接收数据的本质是把同一个源信号按不同时延叠加到各阵元上。最直观的做法是时域移位但时域移位有量化误差非整数采样点延迟还要做插值误差会随着仿真规模放大。推荐的做法是在频域构造导向矢量直接乘以源信号的FFT再逆变换回时域这样每个频率分量都获得精确的相移没有任何插值误差。%% 频域构造接收数据 X zeros(M, N_eff); for l 1:L idx (l-1)*J1 : l*J; for k 1:K Sk fft(s(k, idx), J); for m 1:M fvec (0:J-1) * fs / J; % 频点向量 steering exp(-1j*2*pi*fvec*(m-1)*d*sind(theta_true(k))/c); X(m, idx) X(m, idx) ifft(steering .* Sk); end end end %% 加噪声 SNR 10; % 信噪比 dB signal_power mean(mean(abs(X).^2, 2)); noise_power signal_power / (10^(SNR/10)); X X sqrt(noise_power) * randn(size(X));三层循环看起来有点笨重但这里是为了保证代码可读性。实际仿真中如果N_eff非常大可以把内层循环向量化。注意ifft之后应该得到实信号由于数值误差可能会有微小虚部可以加上real()取实部。加噪声时用实数高斯白噪声因为X是实信号不需要复数噪声。3.4 ISM主流程与窄带MUSIC子函数数据准备好之后进入ISM的核心流程。先把接收数据分段做FFT得到每个频点、每段、每阵元的频域值然后在有效频点范围内逐个计算协方差矩阵调用窄带MUSIC子函数得到空间谱最后累加平均。%% 分段的频域数据 Xf zeros(M, J, L); for l 1:L idx (l-1)*J1 : l*J; Xf(:, :, l) fft(X(:, idx), J, 2); end %% 选择有效频点带宽内 freqs (0:J-1) * fs / J; valid_idx find(freqs fc-B/2 freqs fcB/2); %% p a hrefhttps://download.csdn.net/download/m0_60703264/87973414 stylecolor:#ec7500;font-size:14px; 本文还有配套的精品资源点击获取 /a img altmenu-r.4af5f7ec.gif srchttps://csdnimg.cn/release/wenkucmsfe/public/img/menu-r.4af5f7ec.gif stylewidth:16px;margin-left:4px;vertical-align:text-bottom;cursor:text; /p