给我一段matlab代码，使用Levinson-Durbin递推求随机信号功率谱，并估计出频率f1,f2的值

好的，以下是一段matlab代码，使用Levinson-Durbin递推求解随机信号功率谱，并估计出频率f1、f2的值的示例：

% 生成随机信号
fs = 1000; % 采样率
t = 0:1/fs:1-1/fs; % 时间向量
x = sin(2*pi*50*t) + sin(2*pi*120*t) + randn(size(t));

% 计算自相关函数
R = xcorr(x, 'biased');

% 利用Levinson-Durbin递推计算自相关函数的AR模型系数
a = levinson(R, 10);

% 计算AR模型的频率响应
[H, w] = freqz(1, a, 512, fs);

% 绘制频率响应曲线
figure;
plot(w, 20*log10(abs(H)));
xlabel('Frequency (Hz)');
ylabel('Magnitude (dB)');
title('AR Model Spectrum');

% 估计频率f1、f2的值
f1 = w(find(abs(H)==max(abs(H(1:256))))); % 在前半部分频率范围内寻找最大值的位置
f2 = w(find(abs(H)==max(abs(H(257:end))))); % 在后半部分频率范围内寻找最大值的位置

disp(['Estimated frequency 1: ', num2str(f1), ' Hz']);
disp(['Estimated frequency 2: ', num2str(f2), ' Hz']);

此代码中，我们首先生成了一个包含两个正弦波和一些噪声的随机信号。然后，我们计算了该信号的自相关函数，并使用Levinson-Durbin递推计算了自相关函数的AR模型系数。接着，我们利用AR模型的频率响应估计了信号的功率谱，并从中提取了频率f1、f2的值。最后，我们使用disp函数输出了估计的频率值。

请注意，此代码仅用于示例和教学目的，并不是通用的解决方案。在实际应用中，您需要根据您的数据和需求进行相应的修改。