数字信号处理实验报告 2离散傅里叶变更与快速傅里叶变更

合集下载

《数字信号处理》实验报告

数字信号处理》实验报告年级：2011 级班级：信通 4班姓名：朱明贵学号：111100443 老师：李娟福州大学2013 年11 月实验一快速傅里叶变换(FFT)及其应用一、实验目的1. 在理论学习的基础上，通过本实验，加深对FFT的理解，熟悉MATLAB^的有关函数。

2. 熟悉应用FFT对典型信号进行频谱分析的方法。

3. 了解应用FFT进行信号频谱分析过程中可能出现的问题，以便在实际中正确应用FFT。

4. 熟悉应用FFT实现两个序列的线性卷积和相关的方法。

二、实验类型演示型三、实验仪器装有MATLA爵言的计算机四、实验原理在各种信号序列中，有限长序列信号处理占有很重要地位，对有限长序列，我们可以使用离散Fouier变换(DFT)。

这一变换不但可以很好的反映序列的频谱特性，而且易于用快速算法在计算机上实现，当序列x(n)的长度为N时，它的DFT定义为：JV-1 $生反变换为：如-器冃吋科—有限长序列的DFT是其Z变换在单位圆上的等距采样，或者说是序列Fourier变换的等距采样，因此可以用于序列的谱分析。

FFT并不是与DFT不同的另一种变换，而是为了减少DFT运算次数的一种快速算法。

它是对变换式进行一次次分解，使其成为若干小点数的组合，从而减少运算量。

常用的FFT 是以2为基数的，其长度A - o它的效率高，程序简单，使用非常方便，当要变换的序列长度不等于2的整数次方时，为了使用以2为基数的FFT，可以用末位补零的方法，使其长度延长至2的整数次方。

(一)在运用DFT进行频谱分析的过程中可能的产生三种误差1 .混叠序列的频谱是被采样信号频谱的周期延拓，当采样速率不满足Nyquist定理时，就会发生频谱混叠，使得采样后的信号序列频谱不能真实的反映原信号的频谱。

避免混叠现象的唯一方法是保证采样速率足够高，使频谱混叠现象不致出现，即在确定采样频率之前，必须对频谱的性质有所了解，在一般情况下，为了保证高于折叠频率的分量不会出现，在采样前，先用低通模拟滤波器对信号进行滤波。

数字信号处理实验报告实验二应用快速傅立叶变换对信号进行频谱分析

数字信号处理实验报告实验二应用快速傅立叶变换对信号进行频谱分析2011年12月7日一、实验目的1、通过本实验，进一步加深对DFT 算法原理合基本性质的理解，熟悉FFT 算法原理和FFT 子程序的应用。

2、掌握应用FFT 对信号进行频谱分析的方法。

3、通过本实验进一步掌握频域采样定理。

4、了解应用FFT 进行信号频谱分析过程中可能出现的问题，以便在实际中正确应用FFT 。

二、实验原理与方法1、一个连续时间信号)(t x a 的频谱可以用它的傅立叶变换表示()()j t a a X j x t e dt +∞-Ω-∞Ω=⎰2、对信号进行理想采样，得到采样序列()()a x n x nT =3、以T 为采样周期，对)(n x 进行Z 变换()()n X z x n z +∞--∞=∑4、当ωj ez =时，得到序列傅立叶变换SFT()()j j n X e x n e ωω+∞--∞=∑5、ω为数字角频率sT F ωΩ=Ω=6、已经知道：12()[()]j a m X e X j T T Tωωπ+∞-∞=-∑ ( 2-6 )7、序列的频谱是原模拟信号的周期延拓，即可以通过分析序列的频谱，得到相应连续信号的频谱。

（信号为有限带宽，采样满足Nyquist 定理）8、无线长序列可以用有限长序列来逼近，对于有限长序列可以使用离散傅立叶变换（DFT ）。

可以很好的反映序列的频域特性，且易于快速算法在计算机上实现。

当序列()x n 的长度为N 时，它的离散傅里叶变换为：1()[()]()N knN n X k DFT x n x n W-===∑ 其中2jNN W eπ-=，它的反变换定义为：101()[()]()N knN k x n IDFT X k X k W N --===∑比较Z 变换式 ( 2-3 ) 和DFT 式 ( 2-7 )，令kN z W -=则1()()[()]|kNN nkN N Z W X z x n W DFT x n ---====∑ 因此有()()|kNz W X k X z -==k N W -是Z 平面单位圆上幅角为2kNπω=的点，也即是将单位圆N 等分后的第k 点。

数字信号处理实习报告

中国地质大学（武汉）数字信号处理上机实习学生姓名：班级：071132学号：*******指导老师：***题目一离散卷积计算一、实验题目设线性时不变（LTI ）系统的冲激响应为h(n)，输入序列为x(n) 1、h(n)=(0.8)n ，0≤n ≤4； x(n)=u(n)-u(n-4) 2、h(n)=(0.8)n u(n), x(n)=u(n)-u(n-4) 3、h(n)=(0.8)n u(n), x(n)=u(n)求以上三种情况下系统的输出y(n)，显示输入和输出波形。

二、实验目的1.理解和掌握离散卷积计算；2.学习如何用Mtalab 实现离散卷积计算。

三、算法设计离散卷积定义为：∑-∞=-=n)()()(y k k n h k x n1、n (0.8)=h(n)，40≤≤n ，4)-u(n -u(n)=x(n)， ∑∞-∞=-=*=m m n h m x n h n x n y )()()()()((a) 当0<n 时，0)(=n y ；(b) 当30≤≤n 时,∑==nm n y 0)((0.8)n ；(c) 当74≤≤n 时，∑-==43)(n m n y (0.8)n ；(d) 当7<n 时，0y(n)=；2、)()8.0()(n u n h n=，)4(-)()(-=n u n u n x ，∑∞-∞=-=*=m m n h m x n h n x n y )()()()()((a) 当0<n 时，0)(=n y ；(b) 当30≤≤n 时,∑==nm n y 0)((0.8)n ；(c) 当204≤≤n 时，∑-==n3)(n m n y (0.8)n ；(d) 当2321≤≤n 时，∑-==203)(n m n y (0.8)n ；(e) 当23>n 时，0)(=n y ；3、)()8.0()(n u n h n=，)()(n u n x =，∑∞-∞=-=*=m m n h m x n h n x n y )()()()()((a) 当0<n 时，0)(=n y ；(b) 当700≤≤n 时,∑==nm n y 0)((0.8)n ；(c) 当14071≤≤n 时，∑-==7070)(n m n y (0.8)n ；(d) 当140>n 时，0)(=n y ；四、程序分析所用到的函数：（1）y=conv （x.,h ）：卷积运算函数，计算)(*)()(n h n x n y =; （2）n1=0:4：n1取0~4；（3）subplot(m,n,p):subplot()函数是将多个图画到一个平面上的工具。

FFT算法分析实验实验报告

FFT算法分析实验实验报告一、实验目的快速傅里叶变换（Fast Fourier Transform，FFT）是数字信号处理中一种非常重要的算法。

本次实验的目的在于深入理解 FFT 算法的基本原理、性能特点，并通过实际编程实现和实验数据分析，掌握 FFT 算法在频谱分析中的应用。

二、实验原理FFT 算法是离散傅里叶变换（Discrete Fourier Transform，DFT）的快速计算方法。

DFT 的定义为：对于长度为 N 的序列 x(n)，其 DFT 为X(k) ＝∑n=0 到 N-1 x(n) e^（j 2π k n ／ N) ，其中 j 为虚数单位。

FFT 算法基于分治法的思想，将 N 点 DFT 分解为多个较小规模的DFT，从而大大减少了计算量。

常见的 FFT 算法有基 2 算法、基 4 算法等。

三、实验环境本次实验使用的编程语言为 Python，主要依赖 numpy 库来实现 FFT 计算和相关的数据处理。

四、实验步骤1、生成测试信号首先，生成一个包含不同频率成分的正弦波叠加信号，例如100Hz、200Hz 和 300Hz 的正弦波。

设定采样频率为 1000Hz，采样时间为 1 秒，以获取足够的采样点进行分析。

2、进行 FFT 计算使用 numpy 库中的 fft 函数对生成的测试信号进行 FFT 变换。

3、频谱分析计算 FFT 结果的幅度谱和相位谱。

通过幅度谱确定信号中各个频率成分的强度。

4、误差分析与理论上的频率成分进行对比，计算误差。

五、实验结果与分析1、幅度谱分析观察到在 100Hz、200Hz 和 300Hz 附近出现明显的峰值，对应于生成信号中的频率成分。

峰值的大小反映了相应频率成分的强度。

2、相位谱分析相位谱显示了各个频率成分的相位信息。

3、误差分析计算得到的频率与理论值相比，存在一定的误差，但在可接受范围内。

误差主要来源于采样过程中的量化误差以及 FFT 算法本身的近似处理。

信号实验报告( 离散傅里叶变换及其快速算法及IIR数字滤波器的设计)

信号实验一离散傅里叶变换及其快速算法一、实验目的1、掌握计算序列的离散傅里叶变换（FFT）的方法；2、掌握实现时间抽取快速傅里叶变换（FFT）编程方法；3、加深对DFT与序列的傅里叶变换和Z变换之间的关系的理解；4、复习复数序列的运算方法。

二、程序设计框图1.码位倒置程序框图2.蝶形图运算程序框图三、实验程序实验程序的源代码如下:#include"math.h"#include"stdio.h"/*------------------------------------------------------------------------------------------子函数部分------------------------------------------------------------------------------------------*/ void swap(float *a,float *b)//交换变量子函数{float T;T=*a;*a=*b;*b=T;}void fft (float A [],float B [],unsigned M)//数组A为序列的实部, 数组B为序列的虚部{unsigned long N,I,J,K,L,LE,LE1,P,Q,R;float Wr,Wi,W1r,W1i,WTr,WTi,theta,Tr,Ti;N=1<<M;J=0;for(I=0;I<N-1;I++){if(J>I){swap(&A [I],&A [J]);swap(&B [I],&B [J]);}K=N>>1;while(K>=2&&J>=K){J-=K;K>>=1;}J+=K;}for(L=1;L<=M;L++){LE=1<<L;LE1=LE/2;Wr=1.0;Wi=0.0;theta=(-1)*3.1415926536/LE1;W1r=cos (theta);W1i=sin (theta);for(R=0;R<LE1;R++){for(P=R;P<N-1;P+=LE){Q=P+LE1;//基本蝶形图的复数运算Tr=Wr*A[Q]-Wi*B[Q];Ti=Wr*B[Q]+Wi*A[Q];A[Q]=A[P]-Tr;B[Q]=B[P]-Ti;A[P]+=Tr;B[P]+=Ti;}WTr=Wr;WTi=Wi;Wr=WTr*W1r-WTi*W1i;Wi=WTr*W1i+WTi*W1r;}}return;}/*------------------------------------------------------------------------------------------主函数部分------------------------------------------------------------------------------------------*/ void main(){float A[20],B[20];char t1,t2,file_name[20];int M,N,i,iiff;FILE *fp;/*************************************数据读取部分************************************/ printf("请输入文件名:");//输入数据文件名scanf("%s",file_name);printf("FFT变换还是IFFT变换?(FFT:1,IFFT:-1):");//输入变换方式, 1为FFT, -1为IFFTscanf("%d",&iiff);while(iiff!=1&&iiff!=-1)//检错: 检验上一步的输入是否有错, 有错则重新输入{printf("输入错误, 请重新输入！ ");printf("FFT or IFFT?(FFT:1,IFFT:-1):");scanf("%d",&iiff);}fp=fopen(file_name,"r");//打开文件并读入数据fscanf(fp,"%d",&M);N=pow(2,M);//计算序列总数for(i=0;i<N;i++)//读取文件中的数据{fscanf(fp,"%f%c%c%f",&A[i],&t1,&t2,&B[i]);if(iiff==-1)//根据FFT或IFFT修正BB[i]=B[i]*-1;if(t2!='j')//检错: 检验读取格式是否有错{printf("输入格式错误\n");break;}if(t1=='+')//判断虚部的正负号B[i]=B[i];else if(t1=='-')B[i]=-B[i];}/****************************************变换部分****************************************/ fft(A,B,M);//FFT变换/**************************************数据输出部分**************************************/ fp=fopen("fft_result.txt","w"); //输出结果if(iiff==-1)fprintf(fp,"IFFT变换的输出结果是: \n");elsefprintf(fp,"FFT变换的输出结果是: \n");for(i=0;i<N;i++){if(iiff==-1) //根据FFT或IFFT修正B{B[i]=B[i]*-1/N;A[i]=A[i]/N;}if(B[i]>=0)//修正虚部的输出格式fprintf(fp,"%f+j%f\n",A[i],B[i]);else if(B[i]<0)fprintf(fp,"%f-j%f\n",A[i],-B[i]);else if(B[i]==0)fprintf(fp,"%f\n",A[i]);}fclose(fp);}四、程序运行结果检验（1） 1.对序列进行FFT变换输入文件fft_input.txt:21+j02+j0-1+j04+j0控制台输入:请输入文件名: fft_input.txtFFT变换还是IFFT变换?(FFT:1,IFFT:-1): 1输出文件fft_result.txt:FFT变换的输出结果是:6.00000+j0.000002.00000+j2.00000-6.00000+j0.000002.00000+j-2.00000运行结果分析:程序运行输出结果与计算结果相同, 表示傅里叶正变换（FFT）成功。

数字信号处理实验报告..

重庆交通大学学生实验报告实验课程名称数字信号处理开课实验室数学实验室学院理学院年级09 专业班信息与计算科学1班学生姓名张恒学号09180106开课时间2011 至2012 学年第2 学期实验一、Z 变换及离散时间系统分析（一）、实验目的1、通过本实验熟悉Z 变换在离散时间系统分析中的地位和作用。

2、掌握并熟练使用有关离散系统分析的MATLAB 调用函数及格式，以深入理解离散时间系统的频率特性。

（二）、实验内容对于一个给定的LSI 系统，其转移函数H(z)习惯被定义为H(z)=B(z)/A(z),即：a bn a n b zn a z a z a z n b z b z b A B H ------++++++++++==)1(...)3()2(1)1(...)3()2()1(b )z ()z ()z (2121 公式中b n 和a n 分别是H(Z)分子与分母多项式的阶次，在有关MATLAB 的系统分析的文件中，分子和分母的系数被定义为向量，即)]1(),...,2(),1([)]1(),...,2(),1([+=+=a b n a a a a n b b b b并要求)1(a =1,如果)1(a ≠1，则程序将自动的将其归一化为1。

1、系统的阶跃响应调用格式为：y=filter(b,a,x),其中x,y,a,b 都是向量。

2、单位抽样响应h(n)调用格式为：h=impz(b ，a ，N) 或 [h ，t]=impz(b ，a ，N)其中N 是所需的h(n)的长度，前者绘图时n 从1开始，而后者从0开始。

3、求频率响应)e (jw H基本调用格式为：[H ，w]=freqz(b ，a ，N,‘whole ’,Fs)其中N 是频率轴的分点数，建议N 为2的整次幂；w 是返回频率轴坐标向量，供绘图用；Fs 是抽样频率，若Fs=1,频率轴给出归一化频率；whole 指定计算的频率范围是从0~Fs,缺省时是从0~Fs/2。

数字信号处理实验报告

数字信号处理实验报告一、实验目的本次数字信号处理实验的主要目的是通过实际操作和观察，深入理解数字信号处理的基本概念和方法，掌握数字信号的采集、处理和分析技术，并能够运用所学知识解决实际问题。

二、实验设备与环境1、计算机一台，安装有 MATLAB 软件。

2、数据采集卡。

三、实验原理1、数字信号的表示与采样数字信号是在时间和幅度上都离散的信号，可以用数字序列来表示。

在采样过程中，根据奈奎斯特采样定理，为了能够准确地恢复原始信号，采样频率必须大于信号最高频率的两倍。

2、离散傅里叶变换（DFT）DFT 是将时域离散信号变换到频域的一种方法。

通过 DFT，可以得到信号的频谱特性，从而分析信号的频率成分。

3、数字滤波器数字滤波器是对数字信号进行滤波处理的系统，分为有限冲激响应（FIR）滤波器和无限冲激响应（IIR）滤波器。

FIR 滤波器具有线性相位特性，而 IIR 滤波器则在性能和实现复杂度上有一定的优势。

四、实验内容与步骤1、信号的采集与生成使用数据采集卡采集一段音频信号，或者在 MATLAB 中生成一个模拟信号，如正弦波、方波等。

2、信号的采样与重构对采集或生成的信号进行采样，然后通过插值算法重构原始信号，观察采样频率对重构信号质量的影响。

3、离散傅里叶变换对采样后的信号进行DFT 变换，得到其频谱，并分析频谱的特点。

4、数字滤波器的设计与实现（1）设计一个低通 FIR 滤波器，截止频率为给定值，观察滤波前后信号的频谱变化。

（2）设计一个高通 IIR 滤波器，截止频率为给定值，比较滤波前后信号的时域和频域特性。

五、实验结果与分析1、信号的采集与生成成功采集到一段音频信号，并在MATLAB 中生成了各种模拟信号，如正弦波、方波等。

通过观察这些信号的时域波形，对不同类型信号的特点有了直观的认识。

2、信号的采样与重构当采样频率足够高时，重构的信号能够较好地恢复原始信号的形状；当采样频率低于奈奎斯特频率时，重构信号出现了失真和混叠现象。

Matlab数字信号处理实验报告

数字信号处理实验报告基础实验篇实验一离散时间系统及离散卷积一、实验原理利用Matlab软件计算出系统函数的零极点分布、单位脉冲响应和系统频率响应等的图像并于笔算结果进行比较，找出异同。

编译合适程序能计算取值范围不同的离散卷积。

二、实验目的（1）熟悉MATLAB软件的使用方法。

（2）熟悉系统函数的零极点分布、单位脉冲响应和系统频率响应等概念。

（3）利用MATLAB绘制系统函数的零极点分布图、系统频率响应和单位脉冲响应。

三、实验步骤（1）自编并调试实验程序，并且，给实验程序加注释；（2）按照实验内容完成笔算结果；（3）验证计算程序的正确性，记录实验结果。

（4）至少要求一个除参考实例以外的实验结果，在实验报告中，要描述清楚实验结果对应的系统，并对实验结果进行解释说明。

四、实验源程序及实验结果a=[1,-1,0.9];b=1;x=chongji(-20,120);n=-20:120;h=filter(b,a,x);figure(1)stem(n,h);title('冲击响应');实验1-2运行结果b=[0.0181,0.0543,0.0543,0.0181];a=[1.000,-1.76,1.1829,-0.2781];w=pi*freqspace(500);H=freqz(b,a,w);MH=abs(H);AH=angle(H);subplot(2,1,1);plot(w/pi,MH);grid;axis([0,1,0,1]);xlabel('w(pi)');ylabel('|H|');title('幅度、相位响应');subplot(2,1,2);plot(w/pi,AH);grid;xlabel('w(pi)');ylabel('angle(H)');实验1-3运行结果n=0:30;%输入x(n)和冲激响应h(n) x=zeros(1,length(n)); h=zeros(1,length(n)); x([find((n>=0)&(n<=4))])=1; h([find((n>=0)&(n<=8))])=0.5;figure(1) subplot(3,1,1); stem(n,x);axis([0,30,0,2]); title('输入序列'); xlabel('n'); ylabel('x(n)');subplot(3,1,2); stem(n,h);axis([0,30,0,2]); title('冲激响应序列'); xlabel('n'); ylabel('h(n)');%输出响应y=conv(x,h); subplot(3,1,3); n=0:length(y)-1; stem(n,y);title('输出响应'); xlabel('n'); ylabel('y(n)');实验二离散傅立叶变换与快速傅立叶变换一、实验原理对有限长序列使用离散Fouier 变换(DFT)可以很好的反映序列的频谱特性，而且易于用快速算法在计算机上实现，当序列x(n)的长度为N 时，它的DFT 定义为()()[]()∑==-=1N n nk N W n x n x DFT k X 10-≤≤N k反变换为()()[]()∑==-=-101N n nkN W k X N k X IDFT n x 10-≤≤N n 有限长序列的DFT 是其Z 变换在单位圆上的等距采样，或者说是序列Fourier 变换的等距采样，因此可以用于序列的谱分析。

数字信号处理_快速傅里叶变换FFT实验报告

数字信号处理_快速傅里叶变换FFT实验报告快速傅里叶变换(FFT)实验报告1. 引言数字信号处理是一门研究如何对数字信号进行处理、分析和提取信息的学科。

傅里叶变换是数字信号处理中常用的一种方法，可以将信号从时域转换到频域。

而快速傅里叶变换(FFT)是一种高效的计算傅里叶变换的算法，广泛应用于信号处理、图象处理、通信等领域。

2. 实验目的本实验旨在通过编写程序实现快速傅里叶变换算法，并对不同信号进行频谱分析。

3. 实验原理快速傅里叶变换是一种基于分治策略的算法，通过将一个N点离散傅里叶变换(DFT)分解为多个较小规模的DFT，从而实现高效的计算。

具体步骤如下： - 如果N=1，直接计算DFT；- 如果N>1，将输入序列分为偶数和奇数两部份，分别计算两部份的DFT；- 将两部份的DFT合并为整体的DFT。

4. 实验步骤此处以C语言为例，给出实验的具体步骤：(1) 定义输入信号数组和输出频谱数组；(2) 实现快速傅里叶变换算法的函数，输入参数为输入信号数组和输出频谱数组；(3) 在主函数中调用快速傅里叶变换函数，得到输出频谱数组；(4) 对输出频谱数组进行可视化处理，如绘制频谱图。

5. 实验结果与分析为了验证快速傅里叶变换算法的正确性和有效性，我们设计了以下实验：(1) 生成一个正弦信号，频率为100Hz，采样频率为1000Hz，时长为1秒；(2) 对生成的正弦信号进行快速傅里叶变换，并绘制频谱图；(3) 生成一个方波信号，频率为200Hz，采样频率为1000Hz，时长为1秒；(4) 对生成的方波信号进行快速傅里叶变换，并绘制频谱图。

实验结果显示，对于正弦信号，频谱图中存在一个峰值，位于100Hz处，且幅度较大；对于方波信号，频谱图中存在多个峰值，分别位于200Hz的奇数倍处，且幅度较小。

这与我们的预期相符，说明快速傅里叶变换算法能够正确地提取信号的频谱信息。

6. 实验总结通过本次实验，我们成功实现了快速傅里叶变换算法，并对不同信号进行了频谱分析。

数字信号处理实训总结

数字信号处理实训总结一、实训目标本次数字信号处理实训的目标是掌握数字信号处理的基本原理，学会使用数字信号处理工具进行信号的分析、处理和优化。

我们希望通过实践操作，深入理解数字信号处理在通信、音频处理等领域的应用。

二、实训内容在这次实训中，我们主要学习了以下内容：1. 离散傅里叶变换（DFT）及其快速算法（FFT）：理解了信号在频域的表现形式，学习了如何利用FFT快速计算信号的频谱。

2. 数字滤波器设计：掌握了IIR和FIR滤波器的设计方法，并在实践中应用了这些滤波器对信号进行滤波。

3. 信号调制与解调：学习了QAM、PSK等调制方式，并进行了模拟信号的调制与解调实验。

4. 频谱分析：利用工具对信号进行频谱分析，理解了信号在不同频率的分量。

5. 采样率转换：理解了采样定理，并学会了如何进行采样率转换。

三、实训过程在实训过程中，我们通过理论学习和实践操作相结合的方式，逐步深入理解数字信号处理的知识。

在掌握基本原理后，我们开始进行实验操作，利用MATLAB等工具对信号进行处理和分析。

我们通过观察和处理信号的频谱、滤波效果等，逐渐加深对数字信号处理的理解。

四、遇到的问题和解决方案在实训过程中，我们也遇到了一些问题。

例如，在进行FFT计算时，我们发现计算结果并不准确。

经过分析，我们发现是频率分辨率设置不当导致的。

通过调整频率分辨率，我们得到了准确的频谱分析结果。

另外，在进行数字滤波器设计时，我们也遇到了滤波器性能不佳的问题。

通过调整滤波器参数，我们成功地优化了滤波效果。

五、实训心得体会通过这次实训，我深刻体会到了数字信号处理在通信、音频处理等领域的重要应用。

我不仅掌握了数字信号处理的基本原理和工具使用方法，还学会了如何对信号进行分析、处理和优化。

这次实训提高了我的实践能力，也让我对数字信号处理产生了浓厚的兴趣。

我相信在未来的学习和工作中，数字信号处理将成为我的重要技能之一。

数字信号处理实验报告_2(离散傅里叶变换与快速傅里叶变换)

西华大学实验报告第组西华大学实验报告（理工类）开课学院及实验室：电气信息学院 6A-205实验时间：年月日学生姓名学号成绩学生所在学院电气信息学院年级/专业/班课程名称数字信号处理课程代码实验项目名称离散傅里叶变换与快速傅里叶变换项目代码指导教师项目学分一、实验目的1、练习M 文件（函数）的编写；2、学习DFT 、FFT 的初步应用；3、学习用simulink 建模仿真信号的抽样二、实验原理DFT 、IDFT 、FFT 、IFFT三、实验设备、仪器及材料计算机、Matlab 软件四、实验步骤（按照实际操作过程）1、编写自己的离散傅里叶变换式：说明：离散傅里叶变对表达式如下∑∑-=-=-==1212)(1)()()(N k Nkn j N n Nkn j ek X Nn x en x k X ππIDFT DFTDFT.m 程序程序说明function [Xk]=dft(xn) 定义函数dft ，xn 为参数xn 为需要进行DFT 的序列 if nargin<1 error('need x(n)!'); end dft 需要参数N=length(xn); 取序列的点数 n=0:N-1; k=0:N-1;WN=exp(-j*2*pi/N); 计算Nj e π2-nk=n'*k; WNnk=WN.^nk; Xk=xn*WNnk;装订线编写M 文件（函数）的具体步骤（1）用鼠标点击Matlab 主界面工具条上的New M-File 图标，打开M 文件编辑窗口；（2）在编辑框中输入以下程序后以文件名“dft.m ”存盘（请不要改变路径设置）; （3）重复步骤（1），在编辑框中输入以下程序后以文件名“idft.m ”存盘;IDFT.m 程序代码程序说明function [xn]=idft(Xk) 定义函数dft ，xn 为参数xn 为需要进行DFT 的序列 if nargin<1 error('need X(k)!'); end dft 需要参数N=length(Xk); 取序列的点数 n=0:N-1; k=0:N-1;WN=exp(-j*2*pi/N);计算Nj e π2-nk=n'*k;WNnk=WN.^(-nk); xn=Xk*WNnk/N;2、自编函数dft 、idft 与工具函数fft 、ifft 的比较：（1）在命令窗口中建立一序列x （6点）； x=[5 2 1 组号 *]（2）分别用dft 和fft 对x 进行离散傅立叶变换（X1=dft(x); X2=fft(x);），比较结果；（3）分别用idft 和ifft 进行逆离散傅立叶变换（x1=idft(X1); x2=ifft(X2);），比较结果（x1、x2与原序列x 进行比较，x1和x2相互比较）； 3、DFT 的应用：（1）在Matlab 主界面中，用鼠标点击菜单File / Import Data…；（2）在文件对话框中选择数据文件dsp01.mat ，导入信号x ；（x 为512点的序列）（3）对信号进行fft 变换，作出幅度谱和相位谱。

数字信号处理FFT实验报告

离散信号的频谱分析npinpinpi这个信号有两根主谱线03pi031pi靠的非常近而另一根谱线045pi的幅度很小请选择合适的长度fft分析给出幅频特性画出x信号的波形图和频谱图
实验日期2014年12月6日同组人叶生、贾生实验学时3学时
实验类型
综合型实验
实验名称
傅里叶变换的应用(频谱分析)
实验目的
subplot(3,1,3)
stem(n*100/N,abs(Xk),'.')
title('X(k)数字频率')
实验一结果：
实验二程序：
N=200;
n=0:N-1;
xn=0.2*cos(0.45*pi*n)+sin(0.3*pi*n)-cos(0.31*pi*n-pi/4);
subplot(2,1,1)
stem(xn,'.')
title('x(n)')
Xk=fft(xn);
subplot(2,1,2)
n1=n(1:(N-1)/2)
XK1=Xk(1:(N-1)/2)
stem(n1*2/N,abs(XK1),'.')
title('X(k)')
实验二结果：
实验三程序：
[xn,fs,bits] = wavread('E:/1.wav');
用 FFT 分析给出幅频特性，画出x信号的波形图和频谱图。
实验三：语音信号的频谱分析
用计算机声卡采集录制一段您自己的声音 x(t)，（例如：啊~~），单声道，取样频率 16kHz，16bit/样值，长度不限，画出x(t) 的波形图。
截取x(t)信号的一小段非零值，然后进行频谱分析，给出频谱图，求出声音信号的主要频率成分为多少？

数字信号处理实验二

实验二快速傅里叶变换(FFT)及其应用一、思考题(1) 实验中的信号序列()c x n 和()d x n 在单位圆上的z 变换频谱()()c j j d X e X e ωω和会相同吗如果不同，说出哪一个低频分量更多一些，为什么答：设j Z r e ω=⨯ ()()n n G z g n z ∞-=-∞=⨯∑因为为单位圆，故r=1.因为()()j j n n G e g n eωω∞-=-∞=⨯∑，故3723456704()(8)23432j j n j n j j j j j j j c n n X e nen e e e e e e e e ωωωωωωωωωω---------===+-=++++++∑∑ 7235670()(4)43223j j n j j j j j j d n X e n ee e e e e e ωωωωωωωω-------==-=+++---∑比较可知频谱不相同，()c X n 的低频分量多。

(2) 对一个有限长序列进行DFT 等价于将该序列周期延拓后进行DFS 展开，因为DFS 也只是取其中一个周期来运算，所以FFT 在一定条件下也可以用以分析周期信号序列。

如果实正弦信号()sin(2),0.1x n fn f π== 用16点FFT 来做DFS 运算，得到的频谱是信号本身的真实谱吗为什么答：针对原来未经采样的连续时间信号来说，FFT 做出来的永远不会是信号本身的真实频谱，只能够是无限接近。

FFT 频谱泄露问题是一定会存在的，因为毕竟采样率再高，也不能完全达到原来的连续时间信号准确。

原题的采样率是1/10，就是将2*pi 分成10份，即每个正弦波周期进行10次采样，这样的采样率很低，而最后你只截取16个点来做分析，泄露一般会挺严重，看到的频谱，应该是一个上头尖，下面慢慢变宽的尖锥形，而纯正的正弦波的理想频谱应该是在某频点只有一个尖峰。

二．?实验原理：?（1）混叠：采样序列的频谱是被采样信号频谱的周期延拓，当采样频率不满足奈奎斯特采样定理的时候，就会发生混叠，使得刺痒后的序列信号的频谱不能真实的反映原采样信号的频谱。

数字信号处理实验二快速傅里叶变换(FFT)及其应用报告

实验二快速傅里叶变换(FFT)及其应用一、实验目的(1) 在理论学习的基础上，通过本实验，加深对FFT 的理解，熟悉MATLAB 中的有关函数。

(2) 应用FFT 对典型信号进行频谱分析。

(3) 了解应用FFT 进行信号频谱分析过程中可能出现的问题，以便在实际中正确应用FFT 。

(4) 应用FFT 实现序列的线性卷积。

二、实验内容实验中用到的信号序列 a) 高斯序列2()015()0n p q a en x n --⎧⎪≤≤=⎨⎪⎩其他b) 衰减正弦序列sin(2)015()0an b e fn n x n π-⎧≤≤=⎨⎩其他c) 三角波序列03()8470c nn x n n n ≤≤⎧⎪=-≤≤⎨⎪⎩其他d) 反三角波序列403()4470d n n x n n n -≤≤⎧⎪=-≤≤⎨⎪⎩其他(1) 观察高斯序列的时域和幅频特性，固定信号()a x n 中参数p =8，改变q 的值，使q 分别等于2，4，8，观察它们的时域和幅频特性，了解当q 取不同值时，对信号序列的时域幅频特性的影响；固定q =8，改变p ，使p 分别等于8，13，14，观察参数p 变化对信号序列的时域及幅频特性的影响，观察p 等于多少时，会发生明显的泄漏现象，混叠是否也随之出现？记录实验中观察到的现象，绘出相应的时域序列和幅频特性曲线。

实验程序：function gauss(p,q) n=0:1:15; N=length(n);xa=exp(-(n-p).^2/q); M=10000;w=2*pi/M*(0:1:M-1); Xa=zeros(1,M); for k=1:MXa(k)=sum(xa*(exp(-j*w(k)*(0:N-1)'))); endsubplot(2,1,1); stem(n,xa);xlabel('n'),ylabel('x_a(n)') subplot(2,1,2); plot(w,abs(Xa))xlabel('\omega'),ylabel('幅度谱') 实验结果： P=8,q=2P=8,q=4nx a(n )01234567123幅度谱P=8,q=8p=13,q=8nx a(n )123456701234ω幅度谱nx a(n)01234567246ω幅度谱p=14,q=8(3) 观察三角波和反三角波序列的时域和幅频特性，用N =8点FFT 分析信号序列()c x n 和()d x n 的幅频特性，观察两者的序列形状和频谱曲线有什么异同？绘出两序列及其幅频特性nx a(n )01234567246ω幅度谱nx a(n )123456701234ω幅度谱曲线。

数字信号处理实验快速傅里叶变换

数字信号处理实验——快速傅里叶变换一、概述数字信号处理是一门涉及数字信号采集、处理和分析的学科。

在数字信号处理中，傅里叶变换是一个非常重要的工具，可以将时域信号转换为频域信号，帮助我们理解信号的频谱特性。

而快速傅里叶变换（FFT）是一种高效的计算傅里叶变换的算法，广泛应用于信号处理领域。

本文将介绍数字信号处理实验中快速傅里叶变换的基本原理、算法实现和实验过程。

二、快速傅里叶变换的原理快速傅里叶变换是一种通过递归分治策略减少计算量的傅里叶变换算法。

对于长度为N的离散信号序列，其快速傅里叶变换可以分解为若干个长度为N/2的子序列的快速傅里叶变换的线性组合。

通过这种分治的方法，可以将原始的傅里叶变换计算复杂度从O(N^2)降低到O(NlogN)。

三、快速傅里叶变换的算法实现快速傅里叶变换的算法实现主要分为递归方法和迭代方法两种。

递归方法是一种自顶向下的计算方法，通过将长度为N的信号序列分解为两个长度为N/2的子序列，并利用子序列的快速傅里叶变换计算原始序列的傅里叶变换。

迭代方法则是一种自底向上的计算方法，通过不断合并较短序列的傅里叶变换结果来计算较长序列的傅里叶变换。

在实际应用中，迭代方法通常比递归方法更加高效，特别是对于长度为2的幂次方的信号序列。

四、数字信号处理实验在数字信号处理实验中，快速傅里叶变换通常作为一种重要的信号处理工具使用。

实验过程中，我们首先需要准备一段离散的时域信号序列，然后利用快速傅里叶变换算法将其转换为频域信号序列。

通过对频域信号序列的分析，我们可以获取信号的频谱特性，包括频率成分、谐波分量等信息。

五、实验流程1. 准备一段离散的时域信号序列，可以是从传感器获取的实际物理信号，也可以是由数学函数生成的合成信号。

2. 对时域信号序列进行快速傅里叶变换，得到频域信号序列。

3. 分析频域信号序列，获取信号的频谱特性，如主要频率成分、谐波分量等。

4. 对频域信号序列进行反变换，将其恢复为时域信号序列进行进一步分析。

数字信号处理实验报告(全)

实验一、离散时间系统及离散卷积1、单位脉冲响应源程序：function pr1() %定义函数pr1a=[1,-1,0.9]; %定义差分方程y(n)-y(n-1)+0.9y(n-2)=x(n) b=1;x=impseq(0,-20,120); %调用impseq函数n=[-40:140]; %定义n从-20 到120h=filter(b,a,x); %调用函数给纵座标赋值figure(1) %绘图figure 1 (冲激响应) stem(n,h); %在图中绘出冲激title('冲激响应'); %定义标题为:'冲激响应'xlabel('n'); %绘图横座标为nylabel('h(n)'); %绘图纵座标为h(n)figure(2) %绘图figure 2[z,p,g]=tf2zp(b,a); %绘出零极点图zplane(z,p)function [x,n]=impseq(n0,n1,n2) %声明impseq函数n=[n1:n2];x=[(n-n0)==0];结果：Figure 1:Figure 2:2、离散系统的幅频、相频的分析源程序：function pr2()b=[0.0181,0.0543,0.0543,0.0181];a=[1.000,-1.76,1.1829,-0.2781];m=0:length(b)-1; %m从0 到3l=0:length(a)-1; %l从0 到3K=5000;k=1:K;w=pi*k/K; %角频率wH=(b*exp(-j*m'*w))./(a*exp(-j*l'*w));%对系统函数的定义magH=abs(H); %magH为幅度angH=angle(H); %angH为相位figure(1)subplot(2,1,1); %在同一窗口的上半部分绘图plot(w/pi,magH); %绘制w(pi)-magH的图形grid;axis([0,1,0,1]); %限制横纵座标从0到1xlabel('w(pi)'); %x座标为 w(pi)ylabel('|H|'); %y座标为 angle(H)title('幅度，相位响应'); %图的标题为:'幅度，相位响应' subplot(2,1,2); %在同一窗口的下半部分绘图plot(w/pi,angH); %绘制w(pi)-angH的图形grid; %为座标添加名称xlabel('w(pi)'); %x座标为 w(pi)ylabel('angle(H)'); %y座标为 angle(H)结果：3、卷积计算源程序：function pr3()n=-5:50; %声明n从-5到50u1=stepseq(0,-5,50); %调用stepseq函数声用明u1=u(n)u2=stepseq(10,-5,50); %调用stepseq函数声用明u2=u(n-10) %输入x(n)和冲激响应h(n)x=u1-u2; %x(n)=u(n)-u(n-10)h=((0.9).^n).*u1; %h(n)=0.9^n*u(n)figure(1)subplot(3,1,1); %绘制第一个子图stem(n,x); %绘制图中的冲激axis([-5,50,0,2]); %限定横纵座标的范围title('输入序列'); %规定标题为:'输入序列'xlabel('n'); %横轴为nylabel('x(n)'); %纵轴为x(n)subplot(3,1,2); %绘制第二个子图stem(n,h); %绘制图中的冲激axis([-5,50,0,2]); %限定横纵座标的范围title('冲激响应序列'); %规定标题为:'冲激响应序列'xlabel('n'); %横轴为nylabel('h(n)'); %纵轴为h(n)%输出响应[y,ny]=conv_m(x,n,h,n); %调用conv_m函数subplot(3,1,3); %绘制第三个子图stem(ny,y);axis([-5,50,0,8]);title('输出响应'); %规定标题为:'输出响应'xlabel('n');ylabel('y(n)'); %纵轴为y(n)%stepseq.m子程序%实现当n>=n0时x(n)的值为1function [x,n]=stepseq(n0,n1,n2)n=n1:n2;x=[(n-n0)>=0];%con_m的子程序%实现卷积的计算function [y,ny]=conv_m(x,nx,h,nh)nyb=nx(1)+nh(1);nye=nx(length(x))+nh(length(h));ny=[nyb:nye];y=conv(x,h);结果：实验二、离散傅立叶变换与快速傅立叶变换1、离散傅立叶变换（DFT）源程序：function pr4()F=50;N=64;T=0.000625;n=1:N;x=cos(2*pi*F*n*T); %x(n)=cos(pi*n/16)subplot(2,1,1); %绘制第一个子图x(n)stem(n,x); %绘制冲激title('x(n)'); %标题为x(n)xlabel('n'); %横座标为nX=dft(x,N); %调用dft函数计算x(n)的傅里叶变换magX=abs(X); %取变换的幅值subplot(2,1,2); %绘制第二个子图DFT|X|stem(n,X);title('DFT|X|');xlabel('f(pi)'); %横座标为f(pi)%dft的子程序%实现离散傅里叶变换function [Xk]=dft(xn,N)n=0:N-1;k=0:N-1;WN=exp(-j*2*pi/N);nk=n'*k;WNnk=WN.^nk;Xk=xn*WNnk;结果：F=50,N=64,T=0.000625时的波形F=50,N=32,T=0.000625时的波形:2、快速傅立叶变换（FFT）源程序：%function pr5()F=50;N=64;T=0.000625;n=1:N;x=cos(2*pi*F*n*T); %x(n)=cos(pi*n/16) subplot(2,1,1);plot(n,x);title('x(n)');xlabel('n'); %在第一个子窗中绘图x(n)X=fft(x);magX=abs(X);subplot(2,1,2);plot(n,X);title('DTFT|X|');xlabel('f(pi)'); %在第二个子图中绘图x(n)的快速傅%里叶变换结果：3、卷积的快速算法源程序：function pr6()n=0:14;x=1.^n;h=(4/5).^n;x(15:32)=0;h(15:32)=0;%到此 x(n)=1, n=0~14; x(n)=0,n=15~32% h(n)=(4/5)^n, n=0~14; h(n)=0,n=15~32subplot(3,1,1);stem(x);title('x(n)');axis([1,32,0,1.5]); %在第一个子窗绘图x(n)横轴从1到32,纵轴从0到1.5 subplot(3,1,2);stem(h);title('h(n)');axis([1,32,0,1.5]); %在第二个子窗绘图h(n)横轴从1到32,纵轴从0到1.5 X=fft(x); %X(n)为x(n)的快速傅里叶变换H=fft(h); %H(n)为h(n)的快速傅里叶变换Y=X.*H; %Y(n)=X(n)*H(n)%Y=conv(x,h);y=ifft(Y); %y(n)为Y(n)的傅里叶反变换subplot(3,1,3) %在第三个子窗绘图y(n)横轴从1到32,纵轴从0到6 stem(abs(y));title('y(n=x(n)*h(n))');axis([1,32,0,6]);结果：实验三、IIR数字滤波器设计源程序：function pr7()wp=0.2*pi;ws=0.3*pi;Rp=1;As=25;T=1;Fs=1/T;OmegaP=(2/T)*tan(wp/2); %OmegaP(w)=2*tan(0.1*pi) OmegaS=(2/T)*tan(ws/2); %OmegaS(w)=2*tan(0.15*pi)ep=sqrt(10^(Rp/10)-1);Ripple=sqrt(1/(1+ep.^2));Attn=1/10^(As/20);N=ceil((log10((10^(Rp/10)-1)/(10^(As/10)-1)))/(2*log10(OmegaP/OmegaS) ));OmegaC=OmegaP/((10.^(Rp/10)-1).^(1/(2*N)));[cs,ds]=u_buttap(N,OmegaC);[b,a]=bilinear(cs,ds,Fs);[mag,db,pha,w]=freqz_m(b,a);subplot(3,1,1); %在第一个子窗绘制幅度响应的图形plot(w/pi,mag);title('幅度响应');xlabel('w(pi)');ylabel('H');axis([0,1,0,1.1]);set(gca,'XTickmode','manual','XTick',[0,0.2,0.35,1.1]);set(gca,'YTickmode','manual','YTick',[0,Attn,Ripple,1]);grid;subplot(3,1,2); %在第二个子窗以分贝为单位绘制幅度响应的图形plot(w/pi,db);title('幅度响应(dB)');xlabel('w(pi)');ylabel('H');axis([0,1,-40,5]);set(gca,'XTickmode','manual','XTick',[0,0.2,0.35,1.1]);set(gca,'YTickmode','manual','YTick',[-50,-15,-1,0]);grid;subplot(3,1,3); %在第三个子窗绘制相位响应的图形plot(w/pi,pha);title('相位响应');xlabel('w(pi)');ylabel('pi unit');%axis([0,1,0,1.1]);set(gca,'XTickmode','manual','XTick',[0,0.2,0.35,1.1]);set(gca,'YTickmode','manual','YTick',[-1,0,1]);grid;function [b,a]=u_buttap(N,OmegaC)[z,p,k]=buttap(N);p=p*OmegaC;k=k*OmegaC.^N;B=real(poly(z));b0=k;b=k*B;a=real(poly(p));function [mag,db,pha,w]=freqz_m(b,a)[H,w]=freqz(b,a,1000,'whole');H=(H(1:501))';w=(w(1:501))';mag=abs(H);db=20*log10((mag+eps)/max(mag));pha=angle(H);结果：实验四、FIR数字滤波器的设计源程序：function pr8()wp=0.2*pi;ws=0.35*pi;tr_width=ws-wp;M=ceil(6.6*pi/tr_width)+1;n=0:M-1;wc=(ws+wp)/2;alpha=(M-1)/2;m=n-alpha+eps;hd=sin(wc*m)./(pi*m);w_ham=(hamming(M))';h=hd.*w_ham;[mag,db,pha,w]=freqz_m(h,[1]);delta_w=2*pi/1000;Rp=-(min(db(1:wp/delta_w+1)));As=-round(max(db(ws/delta_w+1:501)));subplot(2,2,1);stem(n,hd);title('理想冲激响应');axis([0,M-1,-0.1,0.3]);ylabel('hd(n)');subplot(2,2,2);stem(n,h);title('实际冲激响应');axis([0,M-1,-0.1,0.3]);ylabel('h(n)');subplot(2,2,3);plot(w/pi,pha);title('滤波器相位响应');axis([0,1,-pi,pi]);ylabel('pha');set(gca,'XTickmode','manual','XTick',[0,0.2,0.3,1.1]); set(gca,'YTickmode','manual','YTick',[-pi,0,pi]); grid;subplot(2,2,4);plot(w/pi,db);title('滤波器幅度响应');axis([0,1,-100,10]);ylabel('H(db)');set(gca,'XTickmode','manual','XTick',[0,0.2,0.3,1.1]); set(gca,'YTickmode','manual','YTick',[-50,-15,0]);function [mag,db,pha,w]=freqz_m(b,a)[H,w]=freqz(b,a,1000,'whole');H=(H(1:501))';w=(w(1:501))';mag=abs(H);db=20*log10((mag+eps)/max(mag));pha=angle(H);结果：。

数字信号处理实验报告二

实验二离散时间傅里叶变换1、实验原理经由正、逆离散时间傅里叶变换表达的傅里叶表示式是信号分析的一个关键部分，下面是分析方程与综合方程。

由以上公式知，离散时间傅里叶变换是w的周期复值函数，周期是，并且基周期常选在区间[-, ]上，对离散时间傅里叶变换有两个问题：（1） DTFT的定义对无限长信号是有效的。

（2） DTFT是连续变量的函数。

对于第一个问题，我们不可能使用MATLAB计算无限长信号的DTFT。

有一个值得注意的例外情形，当能从变换定义式推导出解析式并只是计算它时，可以使用MATLAB计算无限长信号的DTFT.第二个问题是频率抽样问题。

Matlab擅长在有线网格点上计算DTFT。

通常选择足够多的频率以使绘出的图平滑，逼近真实的DTFT。

对计算有利的最好选择是在（-π，π）区间上一组均匀的隔开的频率，或者共轭对称变换选择【0，π】，采用上述抽样方法，DTFT式变为在对DTFT进行抽样时，并不要求N=L，尽管通常由DFT进行计算时，如果N=L计算很方便。

二、实验内容1.脉冲信号的DTFTM文件：function [H,W]=dtft(h,N)N=fix(N);L=length(h);h=h(:);if(N<L)error('DTFT:#data samples cannot exceed#freq samples')endW=(2*pi/N)*[0:(N-1)]';mid =ceil(N/2)+1;W(mid:N)=W(mid:N)-2*pi;W=fftshift(W);H=fftshift(fft(h,N));b. 使用DTFT 函数计算 12 点脉冲信号的DTFT。

绘出在区间上[-, ]上对 w 的DTFT。

把实部和虚部分开绘出，但是注意这些图不是很有用。

另绘出 DTFT 的幅度。

选择频率样本的数量是脉冲长度的5到10倍，以使绘出的图看上去平滑。

用不同数量的频率样本做试验。