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) title('逆M序列') ylim([-1.5 1.5])

-1和1的个数差1 sum(ims==1) % 1的个数

?

sum(ims==-1) % -1的个数 ans = 255 ans = 255

无直流分量

mean(ims) % 直流分量

?

ans = 0

相关函数

a = zeros(length(ims)*10, 1); % 采样

?

for i = 1:10 a(i:10:end) = ims; end

c = xcorr(a, 'coeff'); figure plot(c)

?

谱密度

figure pwelch(a)