matlab利用idinput函数产生m序列

之前不懂系统辨识的理论，输入信号随便用了一个阶跃信号，后来发现阶跃信号其实很菜，不足以激励起系统的全部动态特性，额，实验数据立马弱爆了。。。M序列是工程中常用的输入信号，它的性质类似于白噪声，而白噪声是理论上最好的输入信号，可见M序列的价值。下面介绍M序列的matlab产生方法，看到很多论坛产生M 序列的程序复用性不高，而matlab就提供了产生M序列的专门函数，这里尝试一下。

idinput函数

产生系统辨识常用的典型信号。

格式

u = idinput(N,type,band,levels)

[u,freqs] = idinput(N,'sine',band,levels,sinedata)

N

产生的序列的长度，如果N=[N nu]，则nu为输入的通道数，如果N=[P nu M]，则nu指定通道数，P为周期，M*P为信号长度。默认情况下，nu=1，M=1，即一个通道，一个周期。

Type

指定产生信号的类型，可选类型如下

stairs(ms)

title('M序列')

ylim([-0.5 1.5])

结果如下

同时，matlab给出如下警告

Warning: The PRBS signal delivered is the 12 first values of a full sequence of length 15.

即函数的输出为周期为15（大于12的第一个2^n-1的值）PRBS信号的前12个值组成的序列。如

ms = idinput(15, 'prbs', [0 1], [0 1]);

figure

stairs(ms)

title('M序列')

ylim([-0.5 1.5])

可以看到指定12时的序列为指定15时的序列的前面部分。

对于M>1时，

ms = idinput([12,1,2], 'prbs', [0 1], [0 1]);

figure

stairs(ms)

title('M序列')

ylim([-0.5 1.5])

结果如下

Matlab给出的响应警告为

Warning: The period of the PRBS signal was changed to 7. Accordingly, the length of the

generated signal will be 14.

对于正弦信号和的产生，貌似用的不多，语法还挺复杂，等用的时候再看吧。

方法

产生‟rgs‟信号的带通信号使用的是一个8阶巴特沃斯滤波器，使用idfilt做的非因果滤波，这个是可信赖的方法。

对于‟rbs‟信号，使用的是相同的滤波器，但是是在二值化之前，这意味着频率成分并不保证是精确的。

产生高斯随机信号

clc

clear all

close all

% 高斯随机信号

u = idinput(1000, 'rgs');

figure

stairs(u)

title('高斯随机信号')

figure

hist(u, -4:4)

title('高斯随机信号的分布')

产生二值随机信号clc

clear all

close all

% 二值随机信号

u = idinput(100, 'rbs'); figure

stairs(u)

title('二值随机信号')

ylim([-1.5 1.5])

产生二值伪随机信号（M序列）

合理的选择输入激励信号，能有效的激励起系统的动态信号。白噪声的平稳谱的性质决定了它是一个很好的输入信号，但它在工程中不易实现，而M序列具有近似白噪声的性质，可保证良好的辨识精度。clc

clear all

close all

% 二值伪随机信号（M序列）n = 8; % 阶次

p = 2^n -1; % 循环周期

ms = idinput(p, 'prbs');

figure

stairs(ms)

title('M序列')

ylim([-1.5 1.5])

结果

验证M序列的性质如下 -1和1的个数差1 sum(ms==1) % 1的个数sum(ms==-1) % -1的个数ans =

127

ans =

128

∙存在直流分量

mean(ms) % 直流分量

ans =

-0.0039

∙相关函数

a = zeros(length(ms)*10, 1); % 采样for i = 1:10

a(i:10:end) = ms;

end

c = xcorr(a, 'coeff'); % 自相关函数figure

plot(c)

title('相关函数')

自相关函数接近于δ函数。 谱密度

figure

pwelch(a) % 谱密度

说明M序列不含基频的整数倍的频率成分。

产生逆M序列

谱分析表明，M序列含有直流成分，将造成对辨识系统的“净扰动”，这通常不是所希望的。而逆M序列将克服这一缺点，是一种比M序列更为理想的伪随机码序列。

clc

clear all

close all

% 二值伪随机信号（M序列）n = 8; % 阶次

p = 2^n -1; % 循环周期

ms = idinput(p, 'prbs', [], [0 1]); figure

stairs(ms)

title('M序列')

ylim([-0.5 1.5])

% 产生逆M序列

s = 0;

ims = zeros(2*p, 1);

mstemp = [ms; ms];

for i = 1:2*p

ims(i) = xor(mstemp(i), s);

s = not(s);

end

ims(ims==0) = -1;

figure

stairs(ims)