window=boxcar(length(xn)); nfft=512;
[pxx,f]=periodogram(xn,window,nfft,fs); subplot(1,2,1);
plot(f,10+log10(pxx)) xlabel('frequency(hz)');
ylabel('power spectral density(Db/Hz)'); title('periodogram pse estimate'); orderl=50;
range='onesided'; magunits='db'; subplot(1,2,2);
pburg(xn,orderl,nfft,fs,range) 总结
常见谱估计法的比较
通过实验仿真可以直观地看出以下特性：(1)功率谱估计中的相关函数法和周期图法所得到的结果是一致的，其特点是离散性大，曲线粗糙，方差较大，但是分辨率较高。(2)平均周期图法和平滑平均周期图法的收敛性较好，曲线平滑，估计的结果方差较小，但是功率谱主瓣较宽，分辨率低。这是由于对随机序列的分段处理引起了长度有限所带来的Gibbs现象而造成的。(3)平滑平均周期图法与平均周期图法相比．谱估值比较平滑，但是分辨率较差。其原因是给每一段序列用适当的窗口函数加权后，在得到平滑的估计结果的同时，使功率谱的主瓣变宽，因此分辨率有所下降。经典功率谱估计的分辨率反比于有效信号的长度，但现代谱估计的分辨率可以不受此限制。这是因为对于给定的N点有限长序列x(n)。虽然其估计出的自相关函数也是有限长的。但是现代谱估计的一些隐含着数据和自相关函数的外推，使其可能的长度超过给定的长度，不象经典谱估计那样受窗函数的影响。因而现代谱的分别率比较高，而且现代谱线要平滑得多。
Matlab中有很多内置的信号处理的专用函数，在此举一下几个常用的信号处理函数：
信号处理函数
conv conv2 fft fft2 ifft ifft2 filter filter2 abs angle unwrap fftshift nextpow2
卷积 2维卷积
快速富里哀变换 2维快速富里哀变换 逆快速富里哀变换 2维逆快速富里哀变换 离散时间滤波器 2维离散时间滤波器 幅值
四个象限的相角
在360°边界清除相角突变 把FFT结果平移到负频率上 2的下一个较高幂次
参考文献：
印勇 随机信号处理教程 北京邮电大学出版社2010 朱冰莲 数字信号处理 电子工业出版社 2011
王春兴 基于MATLAB实现经典功率谱估计[期刊论文] 王春兴 基于MATLAB实现现代功率谱估计[期刊论文]