Viivaspektrin analysointi MUSIC- ja root-MUSIC-algoritmeilla
No Thumbnail Available
Files
Jääsola_Eetu_2024.pdf (759.14 KB) (opens in new window)
Aalto login required (access for Aalto Staff only).
URL
Journal Title
Journal ISSN
Volume Title
Sähkötekniikan korkeakoulu |
Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2024-05-19
Department
Major/Subject
Informaatioteknologia
Mcode
ELEC3015
Degree programme
Sähkötekniikan kandidaattiohjelma
Language
fi
Pages
34
Series
Abstract
Spektrianalyysi on mitatun aikasarjan taajuussisällön tutkimista, jota hyödynnetään useilla eri tieteen aloilla. Aikasarjan taajuussisältö ilmaisee sen jaksollisia tapahtumia, jotka antavat uuden näkökulman aikasarjan analysointiin verrattuna sen tutkimiseen vain aikatasossa. Spektrianalyysin menetelmät voidaan jakaa karkeasti kahteen ryhmään: parametrisiin ja parametrittomiin menetelmiin. Jos aikasarjaa voidaan mallintaa tunnetulla mallilla, voidaan spektrianalyysiin käyttää parametrisia menetelmiä, jotka ovat usein parametrittomia menetelmiä tarkempia ja tehokkaampia. MUSIC- ja root-MUSIC-algoritmit ovat parametrisiä spektrianalyysiin ja -estimaatioon käytettäviä menetelmiä. MUSIC-menetelmissä aikasarjan tulee koostua toisistaan riippumattomien sinusoidisignaalien sekä kohinan summasta. Tällaisen aikasarjan tehotiheysspektriä sanotaan viivaspektriksi. MUSIC-algoritmien toiminta perustuu edellä kuvatusta aikasarjasta muodostetun autokorrelaatiomatriisin ominaisarvohajotelman ominaisuuksiin. Ominaisvektorit voidaan jakaa kahteen ryhmään, joiden virittämien aliavaruuksien avulla voidaan löytää kohinaisen aikasarjan sinusoidien taajuudet. Tässä työssä toteutettu MATLAB-simulaatio tarkasteli signaali-kohinasuhteen, autokorrelaatiomatriisin koon sekä vastaanotettavien sinusoidien määrän vaikutusta MUSIC-menetelmien toimintaan. Jokaisella näistä oli vaikutusta menetelmien tarkkuuteen tai tehokkuuteen. Simulaatiosta kävi ilmi, että molemmat menetelmät ovat hyviä viivaspektrianalyysin ja -estimoinnin välineitä. MUSIC-menetelmien käyttökohteita löytyy monelta eri tekniikan alalta, kuten tutkatekniikasta, terveysteknologiasta sekä kommunikaatioteknologiasta. Menetelmien hyödyllisyys perustuu niiden tarkkuuteen ja laskentatehoon, joka myös tässä työssä huomattiin.Description
Supervisor
Aalto, SamuliThesis advisor
Ollila, EsaKeywords
MUSIC, root-MUSIC, viivaspektri, spektrianalyysi