相对功率谱密度得到相位噪声matlab

在Matlab中，可以使用signal processing toolbox中的函数对相对功率谱密度与相位噪声进行分析。以下是一个示例代码：

% 生成一个正弦信号
Fs = 1000; % 采样率
f0 = 10; % 信号频率
t = 0:1/Fs:1-1/Fs;
x = sin(2*pi*f0*t);

% 加入高斯白噪声
SNR = 10; % 信噪比
noise = randn(size(x));
noise = noise / norm(noise) * norm(x) / 10^(SNR/20);
x_noisy = x + noise;

% 计算信号的相对功率谱密度
[Pxx, f] = periodogram(x_noisy, [], [], Fs);

% 计算信号的相位噪声
ph_noise = angle(fft(x_noisy));
ph_noise = ph_noise(2:end); % 去除直流分量
ph_noise = unwrap(ph_noise); % 相位展开
dph_noise = diff(ph_noise); % 相位变化率
ph_noise_psd = 2*pi*Fs*var(dph_noise)/length(ph_noise); % 相位噪声功率谱密度

% 显示结果
figure;
subplot(2,1,1);
plot(f, 10*log10(Pxx));
xlabel('Frequency (Hz)');
ylabel('Power/frequency (dB/Hz)');
title('Relative Power Spectral Density');
subplot(2,1,2);
plot(f(2:end), 10*log10(ph_noise_psd)*ones(size(f(2:end))));
xlabel('Frequency (Hz)');
ylabel('Power/frequency (dB/Hz)');
title('Phase Noise Power Spectral Density');

在上述代码中，首先生成一个正弦信号，并加入高斯白噪声，然后使用periodogram函数计算信号的相对功率谱密度。接下来，使用fft函数计算信号的傅里叶变换，然后提取出相位信息，并进行相位展开和相位变化率计算，得到信号的相位噪声功率谱密度。最后，将相对功率谱密度和相位噪声功率谱密度绘制在同一张图上，以比较信号的相对功率谱密度和相位噪声水平。