このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
2 つの信号の周波数成分の比較
スペクトル コヒーレンスは、周波数領域の信号間の類似性を識別するのに役立ちます。値が大きい場合は、信号に共通の周波数成分があることを示します。
2 つの音声信号をワークスペースに読み込みます。これらは 1 kHz でサンプリングされています。periodogram
を使用してパワー スペクトルを計算し、隣り合わせてプロットします。
load relatedsig Fs = FsSig; [P1,f1] = periodogram(sig1,[],[],Fs,'power'); [P2,f2] = periodogram(sig2,[],[],Fs,'power'); subplot(2,1,1) plot(f1,P1,'k') grid ylabel('P_1') title('Power Spectrum') subplot(2,1,2) plot(f2,P2,'r') grid ylabel('P_2') xlabel('Frequency (Hz)')
各信号には大きなエネルギーをもつ 3 つの周波数成分があります。これらの成分のうち、2 つは共有されているようです。関数 findpeaks
を使用して一致する周波数を求めます。
[pk1,lc1] = findpeaks(P1,'SortStr','descend','NPeaks',3); P1peakFreqs = f1(lc1)
P1peakFreqs = 3×1
165.0391
35.1562
94.7266
[pk2,lc2] = findpeaks(P2,'SortStr','descend','NPeaks',3); P2peakFreqs = f2(lc2)
P2peakFreqs = 3×1
165.0391
35.1562
134.7656
共通の成分は 165 Hz と 35 Hz の辺りにあります。mscohere
を使用して、一致する周波数を直接求めることができます。コヒーレンス推定をプロットします。0.75 のしきい値より大きいピークを見つけます。
[Cxy,f] = mscohere(sig1,sig2,[],[],[],Fs);
thresh = 0.75;
[pks,locs] = findpeaks(Cxy,'MinPeakHeight',thresh);
MatchingFreqs = f(locs)
MatchingFreqs = 2×1
35.1562
164.0625
figure plot(f,Cxy) ax = gca; grid xlabel('Frequency (Hz)') title('Coherence Estimate') ax.XTick = MatchingFreqs; ax.YTick = thresh; axis([0 200 0 1])
前と同じ値が得られます。2 つの信号を別々に調べなくても、それらに共通の周波数成分を求めることができます。
参考
findpeaks
| mscohere
| periodogram