UIT2 Tutorial 301

TUTORIAL
PERIODOGRAMA
Tutorial Periodograma por Mari Cristi Stefanelli. UCAB está bajo una Licencia Creative Commons Atribución-NoComercial-
CompartirIgual 4.0 Internacional.
OBJETIVO
Determinar el periodograma y el periodograma promedio usando MatLab.

TABLA DE CONTENIDO
01 Funciones de Matlab
Cálculo del periodograma y

02
periodograma promedio
Cálculo del número de segmentos en

03 periodogramas promedios
INTRODUCCIÓN
Mediante el uso de Matlab, podremos hallar el periodograma y el

periodograma promedio el cual se basa en obtener la transformada de
Fourier de los segmentos de longitud finita de la señal.
El interés está en obtener estimadores no sesgados y consistentes, dado lo

difícil que resulta el análisis de estos estimadores, en algunos casos solo
realizaremos análisis aproximados.
01 Funciones de Matlab
randn
Genera una secuencia de números pseudo aleatorios con densidad de

probabilidad gaussiana por defecto con media 0 y varianza unitaria. Calcula
el histograma de una secuencia y lo grafica
[Pxx,w] = periodogram(x)
Devuelve la estimación de la densidad espectral de potencia de la señal de

entrada (x). Utilizando una ventana rectangular en w devuelve los valores
de frecuencia entre 0 y π.
[Pxx,w] = pwelch(x)
Devuelve la estimación de densidad espectral de potencia (PSD) y de la

señal de entrada (x), utilizando la promediación de segmento solapados 50
%. Cada segmento se multiplica por una ventana Hamming. Los
periodogramas modificados se promedian para obtener la estimación de
DEP.
Pueden usar el help de Matlab para obtener más información sobre estas
funciones.
01
02 Cálculo del periodograma y periodograma promedio
Se desarrolla el siguiente programa en Matlab para calcular el

periodograma y graficar la secuencia de ruido, el periodograma y el
periodograma promedio:
Programa
clear;
clc;
n=(0:1023); %Número de muestras 1024
nfft=1024; %tamaño de la FFT
%Señal
Ruido=randn(1,length(n)); %Ruido blanco media cero varianza unitaria

[pxx,w]=periodogram(Ruido); %Periodograma
[pxx1,a]=pwelch(Ruido,256,[],nfft); %Periodograma promedio L=256 y K=7
[pxx2,b]=pwelch(Ruido,64,[],nfft); %Periodograma promedio L=64 y K=31
%Graficación del ruido
plot(n,Ruido,'b');
title(' Ruido blanco');
xlabel('muestra(n)');
ylabel('Amplitud');
%Graficación del periodograma en db

figure
subplot(3,1,1)
plot(w,10*log10(pxx),'b');
title(' Periodograma');
xlabel('Frecuencia (rad)');
ylabel('Amplitud (dB)');
subplot(3,1,2);
plot(a,10*log10(pxx1),'b');
title('Periodograma promedio L=256 y K=7');
02
subplot(3,1,3);
plot(b,10*log10(pxx2),'b');
title('Periodograma promedio L=64 y K=31');
%Graficación del periodograma
figure
subplot(3,1,1);
plot(w,pxx,'b');
title('Periodograma');
ylabel('Amplitud');
subplot(3,1,2);
plot(a,pxx1,'b');
title(' periodograma promedio L=256 y K=7');
xlabel('Frecuencia (rad)' );
ylabel('Amplitud');
subplot(3,1,3);
plot(b,pxx2,'b');
title('Estimacion con periodograma L=64 y K=31');
xlabel('Frecuencia');
ylabel('Potencia');
En la figura 1 se muestra la gráfica del ruido blanco. En la figura 2 el

periodograma y los periodogramas promedio usando ventanas de longitud
L=1024, 256 y 64 con 1, 7 y 31 segmentos respectivamente. Para toda
frecuencia w, en todos los casos se usa nfft = 1024 (tamaño de la
transformada de Fourier discreta).
La secuencia de ruido se ha obtenido mediante un generador de números
pseudo aleatorios. Este generador de números aleatorios produce
amplitudes con distribución gaussiana, y la correlación entre muestras es
pequeña. Por tanto, el espectro de potencia de la salida del generador de
números aleatorios se podría modelar como una Densidad Espectral de
Potencia (DEP) constante. Nótese que el estimador de la DEP fluctúa más
rápidamente a medida que la longitud de la ventana L crece. Obsérvese
que para la ventana de longitud 64, que es la más corta usada en este
experimento, la gráfica es menos variable. En todas las figuras se muestra
una distribución de potencia parecida para todas las frecuencias.
03
Fuente: Matlab. Figura 1. Ruido blanco.
Fuente: Matlab. Figura 2. Periodograma y periodogramas promedios
04
03 Cálculo del número de segmentos en periodogramas
promedios
Se hará empezar?
¿Cómo el cálculo del número de segmentos para obtener el periodograma
promedio sin solapamiento y con solapamiento de 𝐿 2, conservando el
número de muestras 𝑄 de la secuencia y la longitud de la ventana 𝐿.
𝐾−1 𝑅+ 𝐿−1 ≤𝑄−1

Solapamiento= S = L − R
S = 0 R = L K = Q/L
Fuente: Matlab. Figura 3. Periodograma promedio. Sin solapamiento
Supongamos los siguientes datos:

Longitud de muestras de una secuencia aleatoria 𝑥 𝑛 𝑄 = 100.
Longitud de la ventana 𝐿 = 10.
Solapamiento 𝑆 = 0.
R = L − S = 10 − 0 = 10 resolviendo 𝐾 = 10
𝐾−1 𝑅+ 𝐿−1 ≤𝑄−1

Solapamiento= S = L − R
S = L/2 R = L/2
𝐾 − 1 𝐿/2 + 𝐿 − 1 ≤ 𝑄 − 1
Fuente: Matlab. Figura 4. Periodograma promedio. Con solapamiento
Si el solapamiento es 𝐿/2 resolviendo en 𝐾

Q = 100, L = 10, R = 5 𝐾 = 19
Obsérvese que solapando 𝐿/2 se obtienen casi el doble de segmentos con

lo cual se disminuye la varianza casi a la mitad.
En ambos casos 𝐿 se mantiene en el mismo valor posteriormente, el sesgo

es el mismo para ambos casos.
05
CIERRE
El periodograma es un estimador no consistente. Para obtener un buen

estimador del espectro de potencia sería preferible obtener un estimador
del espectro suave sin las variaciones resultantes del proceso de
estimación. Promediando múltiples periodogramas independientes se
logra reducir las fluctuaciones.
Se puede reducir la variabilidad del estimador manteniendo constante la

longitud del registro si se usan ventanas más cortas (pero se empeora el
sesgo) y se promedian más secciones. Solapando 𝐿/2 muestras se puede
conseguir más segmentos y varianzas más pequeñas.
Has culminado la revisión
del tema
Tutorial Periodograma por Mari Cristi Stefanelli. UCAB está bajo una Licencia Creative Commons Atribución-NoComercial-
CompartirIgual 4.0 Internacional.

UIT2 Tutorial 301

Cargado por

Copyright:

Formatos disponibles

UIT2 Tutorial 301

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

UIT2 Tutorial 301

Cargado por

Copyright:

Formatos disponibles

TUTORIAL

Determinar el periodograma y el periodograma promedio usando MatLab.

Cálculo del periodograma y

Cálculo del número de segmentos en

Mediante el uso de Matlab, podremos hallar el periodograma y el

El interés está en obtener estimadores no sesgados y consistentes, dado lo

Genera una secuencia de números pseudo aleatorios con densidad de

Devuelve la estimación de la densidad espectral de potencia de la señal de

Devuelve la estimación de densidad espectral de potencia (PSD) y de la

Se desarrolla el siguiente programa en Matlab para calcular el

Ruido=randn(1,length(n)); %Ruido blanco media cero varianza unitaria

%Graficación del ruido

%Graficación del periodograma en db

%Graficación del periodograma

En la figura 1 se muestra la gráfica del ruido blanco. En la figura 2 el

Fuente: Matlab. Figura 2. Periodograma y periodogramas promedios

𝐾−1 𝑅+ 𝐿−1 ≤𝑄−1

Fuente: Matlab. Figura 3. Periodograma promedio. Sin solapamiento

Supongamos los siguientes datos:

𝐾−1 𝑅+ 𝐿−1 ≤𝑄−1

Fuente: Matlab. Figura 4. Periodograma promedio. Con solapamiento

Si el solapamiento es 𝐿/2 resolviendo en 𝐾

Obsérvese que solapando 𝐿/2 se obtienen casi el doble de segmentos con

En ambos casos 𝐿 se mantiene en el mismo valor posteriormente, el sesgo

El periodograma es un estimador no consistente. Para obtener un buen

Se puede reducir la variabilidad del estimador manteniendo constante la

También podría gustarte