信号处理实验五谱分析
信号分析与处理实验报告
《信号分析与处理》实验报告华北电力大学前言1．实验总体目标通过实验，巩固掌握课程的讲授内容，使学生对信号分析与线性系统分析的基本理论及分析方法有一个感性认识和更好地理解，使学生在分析问题与解决问题的能力及实践技能方面有所提高。
2．适用专业自动化专业本科生3．先修课程信号分析与处理4．实验课时分配5需要配置微机及MATLAB工具软件。
6．实验总体要求1、掌握信号分解的基本思想及信号在时域、频域和变换域进行分解的基本理论及描述方法，用MATLAB编程语言实现基本信号的表示及可视化，计算和分析信号的频谱；2、掌握在时域、频域和变换域分析LTI系统的方法，及系统在时域、频域和变换域的描述方法，用MATLAB编程语言实现LTI系统的时域分析及频率分析。
3、掌握信号的调制与解调，用MATLAB编程语言仿真分析信号的调制与解调。
⒎ 本实验的重点、难点及教学方法建议实验通过MATLAB编程语言来实现基本信号的表示及可视化，计算分析信号的频谱，实现LTI系统的时域分析及频率分析，并仿真分析信号的调制与解调，使学生对信号分析与线性系统分析的基本理论及分析方法有一个感性认识和更好地理解。
实验的重点及难点是：掌握基本信号的数学表示，信号的频谱特点，计算LTI系统的典型响应，掌握信号的调制与解调。
在这样的理论基础上，学会用MATLAB编程语言来实现对信号与系统响应的可视化及对数字滤波器进行设计。
教学建议：打好理论基础，熟练编程语言。
目录实验一信号的时域与频域分析 3实验二信号的时域与频域处理 4实验三数字滤波器的设计 5实验一一、实验目的1、熟悉MATLAB 平台，高效的数值计算及符号计算功能；2、实现基本信号的表示及可视化计算；3、分析信号的频谱。
二、 实验类型验证型 三、 实验仪器微机，MATLAB 工具软件。
四、 实验原理MATLAB 是功能强大的数学软件，它提供了计算周期连续函数和周期离散序列的频谱的一系列函数。
信号处理的功率谱分析(一)
信号处理的功率谱分析（一）信号处理的功率谱分析（一）信号处理的功率谱分析是一种常用的信号处理技术，它可以对信号的频率特征进行分析和研究。
功率谱分析主要用于确定信号在不同频率上的能量分布情况，进而了解信号的频域特性和频谱结构。
在实际应用中，功率谱分析广泛应用于噪声分析、通信系统性能分析、振动信号分析等领域。
功率谱是指信号在不同频率区间上的能量分布情况。
在信号处理中，一般使用离散傅立叶变换（Discrete Fourier Transform，DFT）来计算信号的功率谱。
DFT是傅立叶变换的一种离散形式，将连续时间域信号转换为离散频率域信号。
通过DFT的计算，可以得到信号在不同频率上的幅度和相位信息，进而计算出信号在不同频率区间上的功率谱。
在进行功率谱计算时，首先需要将原始信号进行采样，得到离散时间序列。
然后，对时间序列进行DFT计算，得到信号的频域表达。
最后，通过对频域表达的幅度进行平方运算，得到信号的功率谱。
功率谱分析可以帮助我们了解信号的频率成分和能量分布情况。
通过功率谱分析，我们可以估计信号的主要频率、频率分布范围和功率集中情况，有助于判断信号的特定特征和性质。
例如，在噪声分析中，功率谱分析可以帮助我们确定噪声的频率成分和功率密度，从而判断噪声的类型和影响。
对于实时信号处理和大数据处理，功率谱分析也有着重要的应用价值。
在实时信号处理中，可以通过连续采样和时域滑动窗口的方式，实时计算信号的功率谱，实现对信号的频域特征的实时监测和分析。
在大数据处理中，可以通过对信号进行分块采样和并行计算，从而加快功率谱分析的速度和效率。
此外，功率谱分析还可以与其他信号处理技术相结合，进一步提高信号处理的效果。
例如，可以将功率谱分析与滤波技术相结合，实现对特定频段的信号抑制和增强；还可以将功率谱分析与自适应算法相结合，实现对非平稳信号的频谱跟踪和估计。
综上所述，功率谱分析是一种常用的信号处理技术，它可以对信号的频率特征进行分析和研究，帮助我们了解信号的频域特性和频谱结构。
信号分析与处理实验报告
实验一图像信号频谱分析及滤波一：实验原理FFT不是一种新的变化，而是DFT的快速算法。
快速傅里叶变换能减少运算量的根本原因在于它不断地把长序列的离散傅里叶变换变为短序列的离散傅里叶变换，在利用的对称性和周期性使DFT运算中的有些项加以合并，达到减少运算工作量的效果。
为了消除或减弱噪声，提取有用信号，必须进行滤波，能实现滤波功能的系统成为滤波器。
按信号可分为模拟滤波器和数字滤波器两大类。
数字滤波器的关键是如何根据给定的技术指标来得到可以实现的系统函数。
从模拟到数字的转换方法很多，常用的有双线性变换法和冲击响应不变法，本实验主要采用双线性变换法。
双线性变换法是一种由s平面到z平面的映射过程，其变换式定义为：数字域频率与模拟频率之间的关系是非线性关系。
双线性变换的频率标度的非线性失真是可以通过预畸变的方法去补偿的。
变换公式有Ωp=2/T*tan(wp/2)Ωs=2/T*tan(ws/2)二：实验内容1．图像信号的采集和显示选择一副不同彩色图片，利用Windows下的画图工具，设置成200*200像素格式。
然后在Matlab软件平台下，利用相关函数读取数据和显示图像。
要求显示出原始灰度图像、加入噪声信号后的灰度图像、滤波后的灰度图像。
2．图像信号的频谱分析要求分析和画出原始灰度图像、加入噪声信号后灰度图像、滤波后灰度图像信号的频谱特性。
3.数字滤波器设计给出数字低通滤波器性能指标:通带截止频率fp＝10000 Hz，阻带截止频率fs＝15000 Hz，阻带最小衰减Rs＝50 dB，通带最大衰减Rp＝3 dB，采样频率40000Hz。
三：实验程序clear allx=imread('D:\lan.jpg');%原始彩色图像的数据读取x1=rgb2gray(x);%彩色图像值转化为灰度图像值[M,N]=size(x1);%数据x1的长度,用来求矩阵的大小x2=im2double(x1);%unit8转化为double型x3=numel(x2);%计算x2长度figure(1);subplot(1,3,1);imshow(x2);title('原始灰度图')z1=reshape(x2,1,x3);%将二维数据转化成一维数据g=fft(z1);%对图像进行二维傅里叶变换mag=fftshift(abs(g));%fftshift是针对频域的，将FFT的DC分量移到频谱中心K=40000;Fs=40000;dt=1/Fs;n=0:K-1;f1=18000;z=0.1*sin(2*pi*f1*n*dt);x4=z1+z;%加入正弦噪声f=n*Fs/K;y=fft(x4,K);z2=reshape(x4,M,N);%将一维图转换为二维图subplot(1,3,2);imshow(z2);title('加入噪声后')g1=fft(x4);mag1=fftshift(abs(g1));%设计滤波器ws=0.75*pi;wp=0.5*pi;fs=10000;wp1=2*fs*tan(wp/2);ws1=2*fs*tan(ws/2);rs=50;rp=3;% [n,wn]=buttord(wp/pi,ws/pi,rp,rs);% [bz,az]=butter(n,wn);[n,wn]=buttord(wp1,ws1,rp,rs,'s');[z,p,k]=buttap(n);[b,a]=zp2tf(z,p,k);[B,A]=lp2lp(b,a,wn);[bz,az]=bilinear(B,A,fs);[h,w]=freqz(bz,az,128,fs);L=numel(z2);z3=reshape(z2,1,L);x6=filter(bz,az,double(z3));x7=reshape(x6,M,N);subplot(1,3,3);imshow(x7);g2=fft(x6);mag2=fftshift(abs(g2));title('滤波后')%建立频谱图figure(2);subplot(1,3,1);plot(mag);title('原始Magnitude')subplot(1,3,2);plot(mag1);title('加噪声Magnitude')subplot(1,3,3);plot(mag2);title('滤波后Magnitude')figure(3);subplot(1,2,1)plot(w,abs(h));xlabel('f');ylabel('h');title('滤波器幅谱');subplot(1,2,2);plot(w,angle(h));title('滤波器相谱');四：实验结果与分析图一图二分析：由图二可以知道加入噪声后的幅值谱和原始图的幅值谱明显多了两条幅值线，而这两条幅值线就是我们对原始灰度图加入的正弦噪声，而相应的图一中的加噪声后的图与原始图相比，出现了明显的变化。
实验五 利用DFT分析模拟信号频谱
w=0.54-0.46*cos(2*pi*k/(N-1)); x=y.*w; Xm=fft(x,N)/N; %利用FFT计算其频谱 f=(-(N-1)/2:(N-1)/2)/N/T; %若N为偶数f=1/T/N*(-(N/2):(N/2-1)); subplot(2,1,2); stem(f,abs(fftshift(Xm)));%画出幅度谱 xlabel('f(Hz)'); ylabel('magnitude'); title('幅度谱增加hamming窗后分析 N=？');
3.fsam=440;Tp=0.4;N=55;T=1/fsam; t=0:T:Tp; f1=100;f2=110; x=cos(2*pi*f1*t)+sin(2*pi*f2*t);%周期信号 Xm=fft(x,N)/N; %利用FFT计算其频谱 f=(-(N-1)/2:(N-1)/2)/N/T; %若N为偶数f=1/T/N*(-(N/2):(N/2-1)); subplot(2,1,1); stem(f,abs(fftshift(Xm)));%画出幅度谱 xlabel('f(Hz)'); ylabel('magnitude'); title('幅度谱 N=440'); %使用hamming对信号进行频谱分析 fsam=440;Tp=0.4;N=55;T=1/fsam; t=0:T:Tp; N=Tp/T+1; f1=100;f2=110; y=cos(2*pi*f1*t)+0.75*sin(2*pi*f2*t);%周期信号 %选择非矩形窗hamming窗分析
已知周期信号 x
t cos10t 2 sin 18t ，计算其频谱。
数字信号处理第三版高西全实验
数字信号处理第三版高西全实验数字信号处理第三版高西全实验》是一本旨在介绍数字信号处理的实际应用的教材。
本文档旨在概述该教材的目的和内容。
该教材的目的是通过实验教学的方式，帮助学生更好地理解数字信号处理的原理和技术，并将其应用到实际问题中。
它旨在培养学生的实践能力和解决问题的能力，使他们能够熟练地进行数字信号处理的实际操作。
该教材内容包括许多实验，涵盖了数字信号处理的各个方面。
每个实验都介绍了一个特定的概念或技术，并通过实际的操作和实验数据展示了其应用方式和效果。
学生通过完成实验，可以深入了解数字信号处理的各种算法和方法，研究如何使用相关工具和软件进行信号处理，以及如何分析和评估处理结果。
通过研究《数字信号处理第三版高西全实验》，学生将能够掌握数字信号处理的基本概念和技术，并能够独立地应用这些知识解决实际问题。
这将有助于他们在工程、通信、音视频处理等领域中的职业发展，也为进一步深入研究数字信号处理奠定了坚实的基础。
希望该教材能够对学生们的研究和实践有所帮助，使他们能够更好地理解和运用数字信号处理的方法和技术。
实验目标：本实验旨在介绍数字信号的采样和重构过程，并加深对这两个概念的理解。
实验目标：本实验旨在介绍数字信号的采样和重构过程，并加深对这两个概念的理解。
实验步骤：实验步骤：准备实验所需的信号发生器和示波器设备。
设置信号发生器，产生模拟信号，例如正弦波。
调整示波器参数，将模拟信号接入示波器进行显示。
使用采样器采样模拟信号，并记录采样得到的数字信号。
对采样得到的数字信号进行重构，恢复为原始模拟信号。
使用示波器将重构后的信号进行显示，并比较与原始信号的差异。
实验要点：了解采样和重构的基本概念和原理。
熟悉信号发生器和示波器的操作。
掌握采样器的使用方法。
理解数字信号与模拟信号的差异及其影响。
请参考实验指导书中的详细步骤和注意事项进行实验操作，并记录实验数据和结果。
本文档旨在解释《数字信号处理第三版高西全实验》中的实验二内容。
信号分析实验报告总结
一、实验目的本次信号分析实验旨在通过MATLAB软件，对连续信号进行采样、重建、频谱分析等操作，加深对信号处理基本理论和方法的理解，掌握信号的时域、频域分析技巧，并学会使用MATLAB进行信号处理实验。
二、实验内容1. 连续信号采样与重建（1）实验内容：以正弦信号为例，验证采样定理，分析采样频率与信号恢复质量的关系。
（2）实验步骤：a. 定义连续信号y(t) = sin(2π×24t) + sin(2π×20t)，包含12Hz和20Hz 两个等幅度分量。
b. 分别以1/4、1/2、1/3Nyquist频率对信号进行采样，其中Nyquist频率为最高信号频率的两倍。
c. 利用MATLAB的插值函数对采样信号进行重建，比较不同采样频率下的信号恢复质量。
（3）实验结果与分析：a. 当采样频率低于Nyquist频率时，重建信号出现失真，频率混叠现象明显。
b. 当采样频率等于Nyquist频率时，重建信号基本恢复原信号，失真较小。
c. 当采样频率高于Nyquist频率时，重建信号质量进一步提高，失真更小。
2. 离散信号频谱分析（1）实验内容：分析不同加窗长度对信号频谱的影响，理解频率分辨率的概念。
（2）实验步骤：a. 定义离散信号x[n]，计算其频谱。
b. 分别采用16、60、120点窗口进行信号截取，计算其频谱。
c. 比较不同窗口长度对频谱的影响。
（3）实验结果与分析：a. 随着窗口长度的增加，频谱分辨率降低，频率混叠现象减弱。
b. 频率分辨率与窗口长度成反比，窗口长度越长，频率分辨率越高。
3. 调频信号分析（1）实验内容：搭建调频通信系统，分析调频信号，验证调频解调原理。
（2）实验步骤：a. 搭建调频通信系统，包括信号源、调制器、解调器等模块。
b. 产生调频信号，并对其进行解调。
c. 分析调频信号的频谱，验证调频解调原理。
（3）实验结果与分析：a. 调频信号具有线性调频特性，其频谱为连续谱。
数字信号处理实验——用FFT对连续信号和时域离散信号进行谱分析
课程名称：DSP 实验 实验项目：用FFT 作谱分析 指导教师： 王丽 专业班级：10电子本 姓名： 王海彪 学号：201000802119 成绩：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、熟悉应用FFT 对典型信号进行频谱分析的方法。
熟悉FFT 算法原理和FFT 子程序的应用。
3、学习用FFT 对连续信号和时域离散信号进行谱分析的方法。
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：（一）、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，我们可以使用离散傅里叶变换(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：反变换为：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。
在信号处理中，DFT 的计算具有举足轻重的地位，，信号的相关、滤波、谱估计等都要通过DFT 来实现。
然而，当N 很大的时候，求一个N 点的DFT 要完成N N ⨯次复数乘法和)1(-N N 次复数加法，其计算量相当大。
1965年J.W.Cooley 和J.W.Tukey 巧妙地利用N W 因子的周期性和对称性，构造了一个DFT 快速算法，即快速傅立叶变换(FFT)。
（二）、在运用DFT 进行频谱分析的过程中可能的产生混叠误差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》实验指导书
数字信号处理实验指导书电子与信息工程学院二○一二年前言数字信号处理(DSP)研究数字序列信号的表示方法，并对信号进行运算，以提取包含在其中的特殊信息。
数字信号处理是一门技术基础课程，实验是该课程教学的重要内容，是理论联系实际的重要手段。
学生通过实验，可以验证和巩固所学的理论知识，掌握数字信号处理实验的基本技能，提高分析和解决实际问题的能力，培养认真、严谨、实事求是的工作作风。
我们根据当前通信类新课程体系的流行趋势，充分考虑通信工程类专业的特殊要求，编写了这门实验课程指导书。
在内容安排上，我们在自身的教学基础上，吸收了兄弟院校的先进经验。
我们把重点放在对学生理论联系实际、分析和解决问题能力的训练上，力求丰富实验内容，简化实验方法与步骤，化抽象为具体，让学生通过实验能够举一反三，融会贯通，提高信息处理和信息加工的能力，为以后在信息领域的发明和创造打下牢固的基础。
在实验的具体编排上，我们按照循序渐进的原则，逐步加深实验内容，注意前后实验之间的连贯性，强化基本实验技能的培养，保证实验内容的丰富性、生动性，增强学生对数字信号处理实验课程的兴趣。
目录实验一信号的谱分析 (1)实验二基-2FFT算法的软件实现 (6)实验三 IIR数字滤波器的设计 (12)实验四 FIR数字滤波器的设计 (16)实验一 信号的谱分析一、实验目的1、熟练掌握快速离散傅里叶变换（FFT ）的原理及用FFT 进行频谱分析的基本方法；2、熟悉连续信号经理想采样前后的频谱变化关系，加深对时域采样定理的理解；3、进一步了解离散傅里叶变换的主要性质及FFT 在数字信号处理中的重要作用。
二、基本原理1、离散傅里叶变换（DFT ）及其主要性质DFT 表示离散信号的离散频谱，DFT 的主要性质中有奇偶对称特性，虚实特性等。
通过实验可以加深理解。
例如：实序列的DFT 具有偶对称的实部和奇对称的虚部，这可以证明如下： 由定义∑-==10)()(N n knNW n x k X∑∑-=-=-=1010)2sin()()2cos()(N n N n kn N n x j kn N n x ππ ∑-=-=-10)()()(N n nk N NW n x k N X∑-=-=1)(N n kn NNnW Wn x∑-=-=10)(N n knN W n x∑∑-=-=+=1010)2sin()()2cos()(N n N n kn N n x j kn N n x ππ)(*)(k N X k X -=∴对于单一频率的三角序列来说它的DFT 谱线也是单一的，这个物理意义我们可以从实验中得到验证，在理论上可以推导如下： 设：)()2sin()(n R n N n x N π=其DFT 为：∑-=-=102)()(N n kn Njen x k X πkn Nj N n e n N ππ210)2sin(--=∑=kn N j N n n Nj nN j e e e j πππ21022)(21--=-∑-=∑-=+----=10)1(2)1(2)(21N n k n Nj k n N j e e j ππ从而∑-=-=-=10220)(21)0(N n n Nj nN j e e j X ππ∑-=--==-=10422)1(21)1(N n n Nj N j j N e j X π0)2(=X0)2(=-N X22)(21)1(102)2(2N j j N e e j N X N n n j n N N j =-=-=-∑-=--ππ以上这串式中)0(X 反映了)(n x 的直流分量，)1(X 是)(n x 的一次谐波，又根据虚实特性)1()1(X N X -=-，而其它分量均为零。
数字信号处理实验(吴镇扬)答案-2
（1） 观察高斯序列的时域和幅频特性，固定信号)(n x a 中参数p=8,改变q 的值，使q 分别等于2、4、8，观察他们的时域和幅频特性，了解当q 取不同值时，对信号序列的时域和幅频特性的影响；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和幅频特性的影响，注意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。
()()⎪⎩⎪⎨⎧≤≤=-其他0150,2n e n x q p n a解：程序见附录程序一：P=8,q 变化时：t/T x a (n )p=8 q=2k X a (k )t/T x a (n )p=8 q=4k X a (k )p=8 q=4t/Tx a (n )p=8 q=8kX a (k )p=8 q=8幅频特性时域特性t/T x a (n )p=8 q=8k X a (k )p=8 q=8t/T x a (n )p=13 q=851015k X a (k )p=13 q=8t/Tx a (n )p=14 q=851015kX a (k )p=14 q=8时域特性幅频特性分析：由高斯序列表达式知n=p 为期对称轴； 当p 取固定值时，时域图都关于n=8对称截取长度为周期的整数倍，没有发生明显的泄漏现象；但存在混叠，当q 由2增加至8过程中，时域图形变化越来越平缓，中间包络越来越大，可能函数周期开始增加，频率降低，渐渐小于fs/2,混叠减弱；当q 值固定不变，p 变化时，时域对称中轴右移，截取的时域长度渐渐地不再是周期的整数倍，开始无法代表一个周期，泄漏现象也来越明显，因而图形越来越偏离真实值，p=14时的泄漏现象最为明显，混叠可能也随之出现；（2） 观察衰减正弦序列 的时域和幅频特性，a=0.1,f=0.0625,检查谱峰出现的位置是否正确，注意频谱的形状，绘出幅频特性曲线，改变f ，使f 分别等于0.4375和0.5625，观察这两种情况下，频谱的形状和谱峰出现的位置，有无混叠和泄漏现象？说明产生现象的原因。
数字信号处理实验
数字信号处理实验数字信号处理实验讲义前⾔ (2)实验⼀MATLAB简介 (3)实验⼆⽤FFT实现信号的谱分析 (5)实验三IIR数字巴特沃思滤波器的设计 (8)实验四FIR数字滤波器的设计 (9)前⾔信号处理与计算机的应⽤紧密结合。
⽬前⼴泛应⽤的MA TLAB⼯具软件包，以其强⼤的分析、开发及扩展功能为信号处理提供了强有⼒的⽀持。
在数字信号处理实验中，我们主要应⽤MA TLAB的信号处理⼯具箱及其灵活、便捷的编程⼯具，通过上机实验，帮助学⽣学习、掌握和应⽤MA TLAB软件对信号处理所学的内容加以分析、计算，加深对信号处理基本算法的理解。
实验⼀ MATLAB 简介实验⽬的1．熟悉MATLAB 软件的使⽤⽅法； 2．MA TLAB 的绘图功能；3．⽤MA TLAB 语句实现信号的描述及变换。
实验原理1．在MA TLAB 下编辑和运⾏程序在MA TLAB 中，对于简单问题可以在命令窗（command windows ）直接输⼊命令，得到结果；对于⽐较复杂的问题则可以将多个命令放在⼀个脚本⽂件中，这个脚本⽂件是以m 为扩展名的，所以称之为M ⽂件。
⽤M ⽂件进⾏程序的编辑和运⾏步骤如下：（1）打开MA TLAB ，进⼊其基本界⾯；（2）在菜单栏的File 项中选择新建⼀个M ⽂件；（3）在M ⽂件编辑窗⼝编写程序；（4）完成之后，可以在编辑窗⼝利⽤Debug ⼯具调试运⾏程序，在命令窗⼝查看输出结果；也可以将此⽂件保存在某个⽬录中，在MATLAB 的基本窗⼝中的File 项中选择Run The Script ，然后选择你所要运⾏的脚本⽂件及其路径，即可得出结果；也可以将此⽂件保存在当前⽬录中，在MA TLAB 命令窗⼝，“>>”提⽰符后直接输⼊⽂件名。
2．MA TLAB 的绘图功能plot(x,y) 基本绘图函数，绘制 x 和y 之间的坐标图。
figure(n ) 开设⼀个图形窗⼝nsubplot(m,n,N) 分割图形窗⼝的MATLAB 函数，⽤于在⼀个窗⼝中显⽰多个图形，将图形窗⼝分为m ⾏n 列，在第N 个窗⼝内绘制图形。
声学实验中的信号处理与分析
声学实验中的信号处理与分析声学实验是一项研究声音传播、声波振动特性以及声学现象的科学实践。
在声学实验中，信号处理与分析起着重要的作用，它可以帮助我们更好地理解声音的性质、捕捉声音的细节，并在各种应用领域中发挥重要作用。
一、信号处理在声学实验中的应用1. 声音采集与信号处理在声学实验中，首先需要采集声音信号。
传感器将声音信号转换成电信号，并通过采样与量化技术将连续的声音信号转换成数字信号。
然后，信号处理算法被应用于这些数字信号以提取和分析其中的音频特征。
2. 信号增强与滤波信号处理可以帮助我们对声音进行增强和滤波。
在声学实验中，我们可能面临各种环境噪声和杂音的干扰，这些噪声会对声音信号的质量和特征提供干扰。
通过应用信号处理技术，我们可以滤除这些噪声，以获得清晰的声音信号。
3. 频谱分析与谱估计频谱分析是声学实验中重要的信号处理任务之一。
它用于研究声音信号的频率成分和强度分布。
谱估计方法可以帮助我们分析声音信号的频谱特性，如频率成分、频谱泄露以及频谱斜率等。
4. 语音识别与语音合成信号处理在语音识别和语音合成中起着关键作用。
通过信号处理技术，我们可以将声音信号转换成文字或者根据文本生成自然流畅的语音。
二、声学实验中的信号分析1. 音频特征提取与识别在声学实验中，我们可以通过信号分析技术从声音信号中提取各种音频特征，如时域特征（如能量、过零率等）、频域特征（如频率、频谱特征等）以及时频域特征（如声谱图、梅尔频谱等）。
这些音频特征可以用于声音识别、语音指纹识别、音乐分类等应用中。
2. 噪声分析与环境监测声学实验中的噪声分析可以帮助我们了解各种环境下的噪声特征和强度。
通过分析噪声的频谱和时域特征，我们可以评估噪声对环境以及人体健康的影响，并采取相应的措施来减少噪声污染。
3. 振动分析与结构健康监测声学实验中的信号处理与分析也用于振动分析和结构健康监测。
通过对振动信号进行分析，我们可以评估结构的健康状态，检测结构的缺陷和损坏。
语音信号处理实验指导书
语音信号处理实验指导书实验一：语音信号的采集与播放实验目的：了解语音信号的采集与播放过程，掌握采集设备的使用方法。
实验器材：1. 电脑2. 麦克风3. 扬声器或者耳机实验步骤：1. 将麦克风插入电脑的麦克风插孔。
2. 打开电脑的录音软件（如Windows自带的录音机）。
3. 在录音软件中选择麦克风作为录音设备。
4. 点击录音按钮开始录音，讲话或者唱歌几秒钟。
5. 点击住手按钮住手录音。
6. 播放刚刚录制的语音，检查录音效果。
7. 将扬声器或者耳机插入电脑的音频输出插孔。
8. 打开电脑的音频播放软件（如Windows自带的媒体播放器）。
9. 选择要播放的语音文件，点击播放按钮。
10. 检查语音播放效果。
实验二：语音信号的分帧与加窗实验目的：了解语音信号的分帧和加窗过程，掌握分帧和加窗算法的实现方法。
实验器材：1. 电脑2. 麦克风3. 扬声器或者耳机实验步骤：1. 使用实验一中的步骤1-5录制一段语音。
2. 将录制的语音信号进行分帧处理。
选择合适的帧长和帧移参数。
3. 对每一帧的语音信号应用汉明窗。
4. 将处理后的语音帧进行播放，检查分帧和加窗效果。
实验三：语音信号的频谱分析实验目的：了解语音信号的频谱分析过程，掌握频谱分析算法的实现方法。
实验器材：1. 电脑2. 麦克风3. 扬声器或者耳机实验步骤：1. 使用实验一中的步骤1-5录制一段语音。
2. 将录制的语音信号进行分帧处理。
选择合适的帧长和帧移参数。
3. 对每一帧的语音信号应用汉明窗。
4. 对每一帧的语音信号进行快速傅里叶变换（FFT）得到频谱。
5. 将频谱绘制成图象，观察频谱的特征。
6. 对频谱进行谱减法处理，去除噪声。
7. 将处理后的语音帧进行播放，检查频谱分析效果。
实验四：语音信号的降噪处理实验目的：了解语音信号的降噪处理过程，掌握降噪算法的实现方法。
实验器材：1. 电脑2. 麦克风3. 扬声器或者耳机实验步骤：1. 使用实验一中的步骤1-5录制一段带噪声的语音。
数字信号处理实验报告_五个实验
实验一 信号、系统及系统响应一、 实验目的1、熟悉连续信号经理想采样前后的频谱变化关系，加深对时域采样定理的理解；2、熟悉时域离散系统的时域特性；3、利用卷积方法观察分析系统的时域特性；4、掌握序列傅立叶变换的计算机实现方法，利用序列的傅立叶变换对连续信号、离散信号及系统响应进行频域分析。
二、 实验原理及方法采样是连续信号数字处理的第一个关键环节。
对采样过程的研究不仅可以了解采样前后信号时域和频域特性发生变化以及信号信息不丢失的条件，而且可以加深对傅立叶变换、Z 变换和序列傅立叶变换之间关系式的理解。
对一个连续信号)(t x a 进行理想采样的过程可用下式表示：)()()(^t p t t x x aa其中)(^t x a 为)(t x a 的理想采样，p(t)为周期脉冲，即∑∞-∞=-=m nT t t p )()(δ)(^t x a的傅立叶变换为)]([1)(^s m a m j X T j a X Ω-Ω=Ω∑∞-∞= 上式表明^)(Ωj Xa为)(Ωj Xa的周期延拓。
其延拓周期为采样角频率（T /2π=Ω）。
只有满足采样定理时，才不会发生频率混叠失真。
在实验时可以用序列的傅立叶变换来计算^)(Ωj X a 。
公式如下：Tw jwae X j X Ω==Ω|)()(^离散信号和系统在时域均可用序列来表示。
为了在实验中观察分析各种序列的频域特性，通常对)(jw e X 在[0，2π]上进行M 点采样来观察分析。
对长度为N 的有限长序列x(n)，有：n jw N n jw k ke m x eX--=∑=)()(1其中，k Mk πω2=，k=0,1,……M-1 时域离散线性非移变系统的输入/输出关系为∑∞-∞=-==m m n h m x n h n x n y )()()(*)()(上述卷积运算也可在频域实现)()()(ωωωj j j e H e X eY =三、 实验程序s=yesinput(Please Select The Step Of Experiment:\n 一.(1时域采样序列分析 s=str2num(s); close all;Xb=impseq(0,0,1); Ha=stepseq(1,1,10);Hb=impseq(0,0,3)+2.5*impseq(1,0,3)+2.2*impseq(2,0,3)+impseq(3,0,3); i=0;while(s);%时域采样序列分析 if(s==1)k=0;while(1)if(k==0)A=yesinput('please input the Amplitude:\n',...444.128,[100,1000]); a=yesinput('please input the Attenuation Coefficient:\n',...222.144,[100,600]);w=yesinput('please input the Angle Frequence(rad/s):\n',...222.144,[100,600]);endk=k+1;fs=yesinput('please input the sample frequence:\n',...1000,[100,1200]);Xa=FF(A,a,w,fs);i=i+1;string+['fs=',num2str(fs)];figure(i)DFT(Xa,50,string);1=yesinput1=str2num(1);end%系统和响应分析else if(s==2)kk=str2num(kk);while(kk)if(kk==1)m=conv(Xb,Hb);N=5;i=i+1;figure(i)string=('hb(n)');Hs=DFT(Hb,4,string);i=i+1;figure(i)string('xb(n)');DFT(Xb,2,string);string=('y(n)=xb(n)*hb(n)');else if (kk==2)m=conv(Ha,Ha);N=19;string=('y(n)=ha(n)*(ha(n)');else if (kk==3)Xc=stepseq(1,1,5);m=conv(Xc,Ha);string=('y(n)=xc(n)*ha(n)');endendendi=i+1;figure(i)DFT(m,N,string);kk=yesinputkk=str2num(kk);end卷积定理的验证else if(s==3)A=1;a=0.5;w=2,0734;fs=1;Xal=FF(A,a,w,fs);i=i+1;figure(i)string=('The xal(n)(A=1,a=0.4,T=1)'); [Xa,w]DFT(Xal,50,string);i=i+1;figure(i)string =('hb(n)');Hs=DFT(Hb,4,string);Ys=Xs.*Hs;y=conv(Xal,Hb);N=53;i=i+1;figure(i)string=('y(n)=xa(n)*hb(n)');[yy,w]=DFT(y,N,string);i=i+1;figure(i)subplot(2,2,1)plot(w/pi,abs(yy));axis([-2 2 0 2]);xlabel('w/pi');ylabel('|Ys(jw)|');title(FT[x(n)*h(n)]');subplot(2,2,3)plot(w/pi,abs(Ys));axis([-2 2 0 2]);xlabel('w/pi');ylabel('|Ys(jw)|');title('FT[xs(n)].FT[h(n)]'); end end end子函数:离散傅立叶变换及X(n),FT[x(n)]的绘图函数 function[c,l]=DFT(x,N,str) n=0:N-1; k=-200:200; w=(pi/100)*k; l=w; c=x*Xc=stepseq(1,1,5); 子函数：产生信号function c=FF(A,a,w,fs) n=o:50-1;c=A*exp((-a)*n/fs).*sin(w*n/fs).*stepseq(0,0,49); 子函数：产生脉冲信号function [x,n]=impseq(n0,n1,n2) n=[n1:n2];x=[(n-n0)==0];子函数：产生矩形框信号function [x,n]=stepseq(n0,n1,n2) n=[n1:n2];x=[(n-n0>=0)];四、 实验内容及步骤1、认真复习采样理论，离散信号与系统，线性卷积，序列的傅立叶变换及性质等有关内容，阅读本实验原理与方法。
数字信号处理实验五谱分析
用FFT 对信号作频谱分析1．实验目的学习用FFT 对连续信号和时域离散信号进行谱分析的方法，了解可能出现的分析 误差及其原因，以便正确应用FFT 。
2. 实验原理用FFT 对信号作频谱分析是学习数字信号处理的重要内容。
经常需要进行谱分析的信号是模拟信号和时域离散信号。
对信号进行谱分析的重要问题是频谱分辨率D 和分析误差。
频谱分辨率直接和FFT 的变换区间N 有关，因为FFT 能够实现的频率分辨率是N /2π，因此要求D N ≤/2π。
可以根据此式选择FFT 的变换区间N 。
误差主要来自于用FFT 作频谱分析时，得到的是离散谱，而信号（周期信号除外）是连续谱，只有当N 较大时离散谱的包络才能逼近于连续谱，因此N 要适当选择大一些。
周期信号的频谱是离散谱，只有用整数倍周期的长度作FFT ，得到的离散谱才能代表周期信号的频谱。
如果不知道信号周期，可以尽量选择信号的观察时间长一些。
对模拟信号进行谱分析时，首先要按照采样定理将其变成时域离散信号。
如果是模拟周期信号，也应该选取整数倍周期的长度，经过采样后形成周期序列，按照周期序列的谱分析进行。
3．实验步骤及内容（1）对以下序列进行谱分析。
⎪⎩⎪⎨⎧≤≤-≤≤-=⎪⎩⎪⎨⎧≤≤-≤≤+==其它nn n n n n x 其它n n n n n n x n R n x ,074,330,4)(,074,830,1)()()(3241 选择FFT 的变换区间N 为8和16 两种情况进行频谱分析。
分别打印其幅频特性曲线。
并进行对比、分析和讨论。
（2）对以下周期序列进行谱分析。
4()cos 4x n n π=5()cos(/4)cos(/8)x n n n ππ=+选择FFT 的变换区间N 为8和16 两种情况分别对以上序列进行频谱分析。
分别打印其幅频特性曲线。
并进行对比、分析和讨论。
（3）对模拟周期信号进行谱分析6()cos8cos16cos20x t t t t πππ=++选择 采样频率Hz F s 64=，变换区间N=16,32,64 三种情况进行谱分析。
数字信号处理实验五用DFT(FFT)对信号进行频谱分析
开课学院及实验室：电子楼3172018年 4月 29 日3()x n ：用14()()x n R n =以8为周期进行周期性延拓形成地周期序列.(1> 分别以变换区间N ＝8,16,32,对14()()x n R n =进行DFT(FFT>,画出相应地幅频特性曲线；(2> 分别以变换区间N ＝4,8,16,对x 2(n >分别进行DFT(FFT>,画出相应地幅频特性曲线； (3> 对x 3(n >进行频谱分析,并选择变换区间,画出幅频特性曲线.<二）连续信号 1. 实验信号：1()()x t R t τ=选择 1.5ms τ=,式中()R t τ地波形以及幅度特性如图7.1所示.2()sin(2/8)x t ft ππ=+式中频率f 自己选择.3()cos8cos16cos 20x t t t t πππ=++2. 分别对三种模拟信号选择采样频率和采样点数.对1()x t ()R t τ=,选择采样频率4s f kHz =,8kHz ,16kHz ,采样点数用τ.s f 计算.对2()sin(2/8)x t ft ππ=+,周期1/T f =,频率f 自己选择,采样频率4s f f =,观测时间0.5p T T =,T ,2T ,采样点数用p s T f 计算.图5.1 R(t>地波形及其幅度特性对3()cos8cos16cos 20x t t t t πππ=++,选择采用频率64s f Hz =,采样点数为16,32,64. 3. 分别对它们转换成序列,按顺序用123(),(),()x n x n x n 表示.4. 分别对它们进行FFT.如果采样点数不满足2地整数幂,可以通过序列尾部加0满足.5. 计算幅度特性并进行打印.五、实验过程原始记录<数据、图表、计算等）(一> 离散信号%14()()x n R n = n=0:1:10。
数字信号处理--实验五-用DFT(FFT)对信号进行频谱分析
学生实验报告开课学院及实验室：电子楼3172013年4月29日、实验目的学习DFT 的基本性质及对时域离散信号进行频谱分析的方法，进一步加深对频域概念和数字频率的理解，掌握 MATLAB 函数中FFT 函数的应用。
二、实验原理离散傅里叶变换(DFT)对有限长时域离散信号的频谱进行等间隔采样，频域函数被离散化了, 便于信号的计算机处理。
设x(n)是一个长度为 M 的有限长序列，x(n)的N 点傅立叶变换:X(k)N 1j 三 knDFT[x(n)]N x(n)e N0 k N 1n 0其中WNe.2 jN，它的反变换定义为:1X(n)NkN 1nkX(k)W N0 令z W N k，X(zz WN k则有:N 1x( n)Wj kn 0可以得到，X(k)X(Z)Z WN kZ W N*是Z 平面单位圆上幅角为2kN 的点，就是将单位圆进行N 等分以后第 K 个点。
所以, X(K)是Z 变换在单位圆上的等距采样，或者说是序列傅立叶变换的等距采样。
时域采样在满足Nyquist 定理时，就不会发生频谱混叠。
DFT 是对序列傅立叶变换的等距采样，因此可以用于序列的频谱分析。
如果用FFT 对模拟信号进行谱分析，首先要把模拟信号转换成数字信号，转换时要求知道模拟 信号的最高截至频率，以便选择满足采样定理的采样频率。
般选择采样频率是模拟信号中最高频率的3~4倍。
另外要选择对模拟信号的观测时间，如果采样频率和观测时间确定，则采样点数也确定 了。
这里观测时间和对模拟信号进行谱分析的分辨率有关,最小的观测时间和分辨率成倒数关系。
最小的采样点数用教材相关公式确定。
要求选择的采样点数和观测时间大于它的最小值。
如果要进行谱分析的模拟信号是周期信号,最好选择观测时间是信号周期的整数倍。
如果不知道■ 厂1*1IE向i1A I1f Ii i 0r 1 疋0Jfb-4W0 70000图5.1 R(t)的波形及其幅度特性xn=[on es(1,4),zeros(1,7)];%输入时域序列向量 xn=R4( n)%计算xn 的8点DFTXk16=fft(x n,16);%计算xn 的16点DFTXk32=fft(x n,32); %计算xn 的32点DFTk=0:7;wk=2*k/8;对 x 3(t) cos8 t cos16 t cos20 t ，选择采用频率 f s 64Hz ，采样点数为 16 , 32 , 64。
数字信号处理中的频谱分析方法
数字信号处理中的频谱分析方法数字信号处理（Digital Signal Processing，简称DSP）是指通过在计算机或其他数字设备上对采样信号进行数字运算，实现对信号的处理、改变和分析的一种技术。
频谱分析是数字信号处理中一项重要的技术，它可以用来研究信号的频率成分以及频谱特性。
本文将介绍数字信号处理中常用的频谱分析方法。
一、离散傅里叶变换（Discrete Fourier Transform，DFT）离散傅里叶变换是频谱分析中最为基础和常用的方法之一。
它将时域信号变换为频域信号，可以将信号分解成一系列的正弦波分量。
DFT可以通过计算公式进行离散运算，也可以通过基于快速傅里叶变换（Fast Fourier Transform，FFT）的算法实现高效的计算。
二、功率谱密度估计（Power Spectral Density Estimation）功率谱密度估计是一种常用的频谱分析方法，用于研究信号的功率特性。
它可以通过对信号的傅里叶变换以及信号的自相关函数的计算，得到信号的功率谱密度。
功率谱密度估计可以通过多种算法实现，如周期图法、自相关法和Welch法等。
三、窗函数法（Windowing Method）窗函数法是一种常用的频谱分析方法，用于解决信号频谱泄露和分辨率不足的问题。
它通过将信号进行窗函数处理，将信号分成多个窗口，再对每个窗口进行频谱分析，最后将结果进行加权平均得到最终的频谱。
常用的窗函数有矩形窗、汉明窗和高斯窗等。
四、自适应滤波法（Adaptive Filtering）自适应滤波法是一种基于自适应信号处理的频谱分析方法，主要用于信号降噪和信号分析。
它根据信号的自相关特性调整滤波器的参数，以实现对信号的精确分析。
自适应滤波法常用的算法有最小均方误差算法（Least Mean Square，LMS）、最小二乘算法（Least Square，LS）和递归最小二乘算法（Recursive Least Square，RLS）等。
数字信号处理实验报告3 DSP信号与系统实验报告 信号加窗及谱分析 电子科技大学 2018版
电 子 科 技 大 学实 验 报 告学生姓名：Nickel 学号：20XXXXXXXXX 指导教师：杨錬一、实验室名称：数字信号处理实验室 二、实验项目名称：信号加窗及谱分析 三、实验原理：1、信号的时域加窗自然界的信号大多是无限长的（随时间无限延伸），而实际的数字信号处理系统只能处理有限长的信号，所以在对它们进行处理之前，必须对输入信号进行分段，一段段放入系统中进行处理。
具体做法是从信号中截取一个时间片段，然后用截取的信号时间片段进行周期延拓处理，得到虚拟的无限长的信号，然后就可以对信号进行傅里叶变换、相关分析等数学处理。
其中对信号分段的过程称为“时域加窗”。
时域加窗的实质为[][][]^x n x n w n =（3.1）其中，[]^x n 为分段后的有限长信号，[]x n 为原始的无限长或很长的信号，[]w n 为窗函数。
1.1 时域加窗对信号频域的改变时域加窗后，根据DTFT 的时域相乘频域相卷积性质，变换信号的频域上表现为周期卷积，即()()()()^12j j j X e X e W e d πωθωθπθπ--=⎰（3.2）这种卷积在一定程度上，会改变信号原频谱的特性，图3.1给出了理想低通滤波器在时域发生截断，频谱的卷积过程。
图3.1 理想低通滤波的频域卷积过程1.2 窗的类型通常，我们用得最多的是矩形窗（如上面示例中采用的窗），矩形窗就好像我们屋子里的窗口一样，直接对你想观察的数据进行截取。
实际的信号处理过程中，矩形窗会在其边缘处突然将信号截断，窗外时域信息全部消失，导致在频域增加了频率分量，即频谱泄漏（如图3.1所示，理想的低通滤波器频谱中通带内和阻带内由于周期卷积产生了其他频率成分）。
避免泄漏的最佳方法是满足整周期采样条件，但实际中是不可能做到的。
对于非整周期采样的情况，必须考虑如何减少加窗时造成的泄漏误差，主要的措施是使用合理的加窗函数，使信号截断时的锐角钝化，从而使频谱的扩散减到最少。
工程信号处理实验报告
重庆大学学生实验报告实验课程名称工程信号处理实验开课实验室xxxxx学院机械工程学院年级xxxx 专业班xxxx班学生姓名xxxx 学号xxxx开课时间xx 至xx 学年第xx 学期机械工程学院制《工程信号处理》实验报告实验2实验装置连线3.频谱分析启动动态信号分析仪软件，对周期信号幅值谱进行测量，显示并保存结果；对随机信号自功率谱密度进行测量，显示并保存结果；导入信号，对其进行频谱细化分析，显示并保存结果；导入调制信号数据，进行信号解调分析，显示并保存数据结果。
4.传递相干分析连接实验设备（如下图所示），选用SP-TFE-1传递函数分析仪为实验软件。
分别对双通道信号进行传递函数分析与相干函数分析。
实验4实验设备连接5.小波分析实验分别进行小波变换的变焦特性或多分辨特性(“数学显微镜”特性) 观察实验、连续小波变换实验、小波分解实验、小波包分解实验和小波分解和小波包分解识别微弱奇异信号实验。
五、实验过程原始记录(数据、图表、计算等)实验1数据采集与波形显示采样率为4k,正弦波频率100Hz 波形图 采样率1k,正弦波频率100Hz 波形图信号发生器信号发生器数据采集器计算机 （动态信号分析仪软件）Ch2系统)(t x 数据采集器 )(t y 计算机 （传递相干分析软件）Ch1 Ch2采样率500Hz,正弦波频率100Hz波形图采样率4k,方波频率100Hz,外部触发波形图实验2时域、幅值域及时差域幅分析图2.1Asin_f50_fs5000正弦波波形图正弦波统计特征值表正弦波的概率密度函数图同频正弦信号的互相关函数图正弦信号与方波信号的互相关函数图实验3. 频谱分析正弦信号时域波形正弦信号幅值谱正弦信号对数幅值谱调制波波形图调制波频谱图调制波解调后波形图，包络波形图调制波解调后波形图，包络幅值谱图白噪声的采集和分析白噪声时域波形白噪声功率谱密度白噪声对数谱密度图白噪声解调后功率谱密度倒谱图实验4传递相干分析双通道信号时域波形双通道信号传涵幅频谱图双通道信号传函相频谱双通道信号传函脉冲响应图双通道信号互谱虚部图双通道信号X-Y图实验5小波分析实验小波基 小波变换信号分析-连续小波变换的三维图离散小波变换 离散小波变换的翻页方波分析 小波包分析六、实验结果及分析 1.数据采集与波形显示实验分析：选择不同采样频率和触发方式，对信号发生器的信号进行采样，可观察到当采样频率没有信号最高频率两倍时,会出现频率混叠现象。
fft谱分析实验报告
FFT谱分析实验报告1. 引言谱分析是一种常见的信号处理技术，用于将一个信号分解为不同频率的成分。
FFT（快速傅里叶变换）是一种高效的算法，用于计算离散傅里叶变换，广泛应用于谱分析中。
本实验旨在探究FFT在信号处理中的应用，并通过实验验证其有效性。
2. 实验目的本实验旨在： - 理解FFT算法的原理和实现方法； - 学习如何使用FFT对信号进行频谱分析； - 验证FFT算法的准确性和有效性。
3. 实验步骤3.1 准备实验材料和工具为了进行谱分析实验，我们需要准备以下材料和工具： - 信号源（例如音频文件、信号发生器等） - 电脑（用于运行信号处理软件） - 信号处理软件（例如MATLAB、Python等）3.2 选择信号源在本实验中，我们选择了一个音频文件作为信号源。
音频文件包含了不同频率的声音信号，适合用于谱分析。
3.3 导入信号源使用信号处理软件，将选择的音频文件导入到程序中。
3.4 实施FFT算法根据FFT算法的原理，我们可以使用信号处理软件实施FFT算法。
以下是实施FFT算法的步骤： 1. 对导入的音频信号进行采样。
2. 将采样后的信号进行傅里叶变换，得到信号的频域表示。
3. 可选地，对频域表示进行滤波或其他信号处理操作。
4. 将处理后的信号进行逆傅里叶变换，得到恢复后的信号。
3.5 分析结果通过实施FFT算法，我们得到了信号的频域表示。
可以通过绘制频谱图来直观地观察信号的频率成分。
频谱图通常以频率为横轴，幅度为纵轴。
通过观察频谱图，我们可以分析信号中存在的频率成分及其强度。
3.6 结果验证为了验证FFT算法的有效性，我们可以选择一些已知频率的信号作为测试样本。
通过对测试样本进行FFT分析，并与已知频率进行比较，可以评估FFT算法的准确性。
4. 结果与讨论通过实验，我们成功使用FFT算法对音频信号进行了谱分析。
通过观察频谱图，我们可以清楚地看到信号中存在的频率成分。
在结果验证部分，我们与已知频率进行了比较，结果表明FFT算法具有较高的准确性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一、实验项目名称谱分析没下载券联系企鹅2417677728给你传原文件二、实验目的研究不同类型的窗函数，研究一些不同的方法来测试窗的性能：专注于有关窄带信号的几个不同的情形三、实验内容与步骤1.实验原理信号是无限长的，而在进行信号处理时只能采用有限长信号，所以需要将信号“截断”。
在信号处理中，“截断”被看成是用一个有限长的“窗口”看无限长的信倍号，或者从分析的角度是无限长的信号()x t 乘以有限长的窗函数()w t ，由傅里叶变换性质可知1()()()*()2x t w t X j W j ωωπ⇔如果()x t 是频宽有限信号，而()w t 是频宽无限函数，截断后的信号也必是频宽无限信号，从而产生所谓的频谱泄漏。
频谱泄漏是不可避免的，但要尽量减小，因此设计了不同的窗函数满足不同用途的要求。
从能量的角度，频谱泄漏也是能量泄漏，因为加窗后，使原来的信号集中在窄频带内的能量分散到无限的频宽范围。
Matlab 信号处理工具箱提供了8种窗函数： (1)函数boxcar()用于产生矩形窗，调用格式：w=boxcar(N)其中，N 为窗长度，w 为返回的窗函数序列。
矩形窗的表达式为101()()0N n N w n R n n≤≤-⎧==⎨⎩其它(2)函数Hanning()用于产生汉宁窗，调用格式：w=hanning(N)Hanning 窗表达式为212()sin ()1cos ()121N N n n w n R n R n N N ππ⎡⎤⎛⎫⎛⎫==- ⎪ ⎪⎢⎥--⎝⎭⎝⎭⎣⎦ (3)函数Hamming()用于产生汉明窗，调用格式为w=hamming(N)汉明窗的表达式为2()0.540.46cos ()1N n w n R n N π⎡⎤⎛⎫=- ⎪⎢⎥-⎝⎭⎣⎦(4)函数bartlett()用于产生巴特利特窗，调用格式为w=bartlett(N)巴特利特窗的表达式为21012()212112n N n N w n n N n N N ⎧-≤≤⎪⎪-=⎨-⎪-≤≤-⎪-⎩(5)函数blackman()用于产生布莱克曼窗，调用格式w=blackman(N)布莱克曼窗表达式为24()0.420.5cos 0.08cos ()11N n n w n R n N N ππ⎡⎤⎛⎫⎛⎫=-+ ⎪ ⎪⎢⎥--⎝⎭⎝⎭⎣⎦(6)函数triang()用来产生triang 窗，调用格式 w=triang(N)triang 窗类似于bartlett 窗，triang 窗两端不为0，而bartlett 窗两端为0。
(7)函数kaiser()用于产生kaiser 窗，调用格式w=kaiser(N,beta) 其中，beta 是kaiser 窗的参数β，影响窗旁瓣幅值的衰减率。
kaiser 窗表达式0()01w n n N =≤≤-式中，0()I ∙是第一类零阶贝塞尔函数，β是一个可自由选择的参数，它可以同时调整主瓣宽度与旁瓣电平，β越大，则()w n 窗越窄，而频谱的旁瓣越小，但主瓣宽度也相应增加。
因而改变β值就可对主瓣宽度与旁辩衰减进行选择。
(8)函数chebwin()用于产生切比雪夫窗，调用格式w=chebwin(N,r)其中，r 是窗口的旁瓣幅值在主瓣以下的分贝数。
切比雪夫窗的特点是主瓣的宽度最小，而旁瓣都是等高的且高度可调整。
各种窗函数的幅频响应都存在明显的主瓣和旁瓣，主瓣频宽印旁瓣的幅恒定减持性决定f 窗函数的应用。
不同窗函数在这两方面的特点是不相同的。
如blcakman 窗具有最宽的主瓣，而chebyshev 窗具有最窄的主瓣等。
主旁瓣的频宽还与窗长度N 有关。
增加窗长度N 将缩小窗函数主瓣宽度，但不能减小旁瓣幅值衰减相对值(分贝数)，这个值是由窗函数决定的。
2.实验内容1、用MA TLAB 编程绘制各种窗函数的形状。
2、用MA TLAB 编程绘制各种窗函数的幅频响应。
3、绘制矩形窗的幅频响应，窗长度分别为：N=10，N=20，N=50，N=100。
4、已知周期信号()0.75 3.4cos 2 2.7cos 4 1.5sin3.5 2.5sin 7x t ft ft ft ft ππππ=++++，其中25Hz 16f =，若截断时间长度分别为信号周期的0.9和1.1倍，试绘制和比较采用下面窗函数提取的()x t 的频谱。
(1) 矩形窗；(2) 汉宁窗；(3) 汉明窗；(4) 巴特利特窗；(5) 布莱克曼窗；(6) triang 窗；(7)kaiser 窗；(8) 切比雪夫窗。
用于信号分析中的窗函数可根据不同要求选择窗函数。
如主瓣宽度窄的窗函数具有较高的频率分辨率，而分析窄带，且具有较强的干扰噪声的信号，应选用旁瓣幅度小的窗函数、如汉宁窗函数等。
用于滤波器的窗函数，一般要求窗函数主瓣宽度窄，以获得较好过渡带；旁瓣相对值尽可能小以增加通带段的平稳度和增大带阻的衰减。
四、实验环境计算机MA TLAB6.5五、实验过程与分析程序程序文本1.N=30; %窗长度为30w1=boxcar(N);subplot(421),stem(w1);title('boxcar')xlabel('t'),ylabel('w1(t)'); %画出矩形窗图形w2=hanning(N);subplot(422),stem(w2); title('hanning')xlabel('t'),ylabel('w2(t)'); %画出汉宁窗图形 w3=hamming(N);subplot(423),stem(w3);title('hamming') %画出汉明窗图形 xlabel('t'),ylabel('w3(t)') w4=bartlett(N); subplot(424),stem(w4); title('bartlett')xlabel('t'),ylabel('w4(t)') %画出bartlett 窗图形 w5=blackman(N); subplot(425),stem(w5); title('blackman')xlabel('t'),ylabel('w5(t)');%画出blackman 窗图形w6=triang(N);subplot(426),stem(w6);title('triang')xlabel('t'),ylabel('w6(t)'); %画出triang窗图形w7=kaiser(N,80);subplot(427),stem(w7);title('kaiser')xlabel('t'),ylabel('w7(t)') %画出kaiser窗图形w8=chebwin(N,80);subplot(428),stem(w8);title('chebwin')xlabel('t'),ylabel('w8(t)'); %画出chebwin窗图形程序运行结果如图：2.N=20; %窗长度N=20w1=boxcar(N);[X,W]=dtft(w1,800); %各函数幅频响应（后面都是用同样的方法）subplot(421),plot(W/2/pi,abs(X));title('boxcar')xlabel('w'),ylabel('|W(jw)|');w2=hanning(N);[X,W]=dtft(w2,800);subplot(422),plot(W/2/pi,abs(X));title('hanning')xlabel('w'),ylabel('|W(jw)|');w3=hamming(N);[X,W]=dtft(w3,800);subplot(423),plot(W/2/pi,abs(X)); title('hamming')xlabel('w'),ylabel('|W(jw)|');w4=bartlett(N);[X,W]=dtft(w4,800);subplot(424),plot(W/2/pi,abs(X)); title('bartlett')xlabel('w'),ylabel('|W(jw)|');w5=blackman(N);[X,W]=dtft(w5,800);subplot(425),plot(W/2/pi,abs(X)); title('blackman')xlabel('w'),ylabel('|W(jw)|');w6=triang(N);[X,W]=dtft(w6,800);subplot(426),plot(W/2/pi,abs(X)); title('triang')xlabel('w'),ylabel('|W(jw)|');w7=kaiser(N,80);[X,W]=dtft(w7,800);subplot(427),plot(W/2/pi,abs(X)); title('kaiser')xlabel('w'),ylabel('|W(jw)|');w8=chebwin(N,80);[X,W]=dtft(w8,800);subplot(428),plot(W/2/pi,abs(X)); title('chebwin')xlabel('w'),ylabel('|W(jw)|');3.w1=boxcar(10);%窗长度分别取N=10,20,50,100[X,W]=dtft(w1,800); %矩形窗的幅频响应 subplot(221),plot(W/2/pi,abs(X)); title('N=10')xlabel('w'),ylabel('|W(jw)|'); w2=boxcar(20); [X,W]=dtft(w2,800);subplot(222),plot(W/2/pi,abs(X)); title('N=20')xlabel('w'),ylabel('|W(jw)|'); w3=boxcar(50); [X,W]=dtft(w3,800);subplot(223),plot(W/2/pi,abs(X)); title('N=50')xlabel('w'),ylabel('|W(jw)|'); w4=boxcar(100); [X,W]=dtft(w4,800);subplot(224),plot(W/2/pi,abs(X)); title('N=100')xlabel('w'),ylabel('|W(jw)|');boxcar|W (j w )|hanning|W (j w )|hamming |W (j w )|bartlett w |W (j w )|blackman w |W (j w )|-0.5-0.4-0.3-0.2-0.10.10.20.30.40.5triangw |W (j w )|kaiserw|W (j w )|chebwinw|W (j w )|4.fs=20; Tp=2.24;%基本周期Tpf=25/16;N1=0.9*Tp*fs;%截断时间长度为信号周期的0.9倍n1=[0:N1-1]; w1=boxcar(N1);x1=0.75+3.4*cos(2*pi*f*n1/fs)+2.7*cos(4*pi*f*n1/fs)+1.5*sin(3.5*pi*f*n1/fs)+2.5*sin(7*pi*f*n1/fs); y1=w1.*x1';[Y1,W1]=dtft(y1,1000); %提取的矩形窗函数频谱 subplot(221),plot(W1/2/pi,abs(Y1)); grid,title('信号周期0.9的矩形窗（幅频）'); xlabel('f');ylabel('|Y1|');subplot(223),plot(W1/2/pi,angle(Y1));-0.500.50510N=10w |W (j w )|-0.500.505101520N=20w |W (j w )|-0.500.50204060N=50w|W (j w )|-0.500.5050100N=100w|W (j w )|grid,title('信号周期0.9的矩形窗（相频）'); xlabel('f');ylabel('<Y1');N2=1.1*Tp*fs; %截断时间长度为信号周期的1.1倍n2=[0:N2-1]; w2=boxcar(N2);x2=0.75+3.4*cos(2*pi*f*n2/fs)+2.7*cos(4*pi*f*n2/fs)+1.5*sin(3.5*pi*f*n2/fs)+2.5*sin(7*pi*f*n2/fs); y2=w2.*x2';[Y2,W2]=dtft(y2,1000); %提取的矩形窗函数频谱subplot(222),plot(W2/2/pi,abs(Y2)); grid,title('信号周期1.1的矩形窗（幅频）'); xlabel('f');ylabel('|Y2|');subplot(224),plot(W2/2/pi,angle(Y2)); grid,title('信号周期1.1的矩形窗（相频）'); xlabel('f');ylabel('<Y2');fs=20; Tp=2.24; f=25/16; N1=0.9*Tp*fs;%截断时间长度为信号周期的0.9倍n1=[0:N1-1]; w1=hanning(N1);x1=0.75+3.4*cos(2*pi*f*n1/fs)+2.7*cos(4*pi*f*n1/fs)+1.5*sin(3.5*pi*f*n1/fs)+2.5*sin(7*pi*f*n1/fs);-0.500.5050100信号周期0.9的矩形窗（幅频）f|Y 1|-0.500.5-4-2024信号周期0.9的矩形窗（相频）f<Y 1-0.500.5050100信号周期1.1的矩形窗（幅频）f|Y 2|-0.500.5-4-2024信号周期1.1的矩形窗（相频）f<Y 2y1=w1.*x1';[Y1,W1]=dtft(y1,1000); %提取的窗函数频谱subplot(221),plot(W1/2/pi,abs(Y1)); grid,title('信号周期0.9的汉宁窗（幅频）'); xlabel('f');ylabel('|Y1|');subplot(223),plot(W1/2/pi,angle(Y1)); grid,title('信号周期0.9的汉宁窗（相频）'); xlabel('f');ylabel('<Y1'); N2=1.1*Tp*fs; %截断时间长度为信号周期的1.1倍n2=[0:N2-1]; w2=hanning(N2);x2=0.75+3.4*cos(2*pi*f*n2/fs)+2.7*cos(4*pi*f*n2/fs)+1.5*sin(3.5*pi*f*n2/fs)+2.5*sin(7*pi*f*n2/fs); y2=w2.*x2';[Y2,W2]=dtft(y2,1000); %提取的窗函数频谱subplot(222),plot(W2/2/pi,abs(Y2)); grid,title('信号周期1.1的汉宁窗（幅频）'); xlabel('f');ylabel('|Y2|');subplot(224),plot(W2/2/pi,angle(Y2)); grid,title('信号周期1.1的汉宁窗（相频）'); xlabel('f');ylabel('<Y2');fs=20; Tp=2.24; f=25/16;-0.500.5010203040信号周期0.9的汉宁窗（幅频）f|Y 1|-0.500.5-4-2024信号周期0.9的汉宁窗（相频）f<Y 1-0.500.501020304050信号周期1.1的汉宁窗（幅频）f|Y 2|-0.500.5-4-2024信号周期1.1的汉宁窗（相频）f<Y 2N1=0.9*Tp*fs; %截断时间长度为信号周期的0.9倍n1=[0:N1-1];w1=hamming(N1);x1=0.75+3.4*cos(2*pi*f*n1/fs)+2.7*cos(4*pi*f*n1/fs)+1.5*sin(3.5*pi*f* n1/fs)+2.5*sin(7*pi*f*n1/fs);y1=w1.*x1';[Y1,W1]=dtft(y1,1000); %提取的窗函数频谱subplot(221),plot(W1/2/pi,abs(Y1));grid,title('信号周期0.9的汉明窗（幅频）');xlabel('f');ylabel('|Y1|');subplot(223),plot(W1/2/pi,angle(Y1));grid,title('信号周期0.9的汉明窗（相频）');xlabel('f');ylabel('<Y1');N2=1.1*Tp*fs; %截断时间长度为信号周期的1.1倍n2=[0:N2-1];w2=hamming(N2);x2=0.75+3.4*cos(2*pi*f*n2/fs)+2.7*cos(4*pi*f*n2/fs)+1.5*sin(3.5*pi*f* n2/fs)+2.5*sin(7*pi*f*n2/fs);y2=w2.*x2';[Y2,W2]=dtft(y2,1000); %提取的窗函数频谱subplot(222),plot(W2/2/pi,abs(Y2));grid,title('信号周期1.1的汉明窗（幅频）');xlabel('f');ylabel('|Y2|');subplot(224),plot(W2/2/pi,angle(Y2));grid,title('信号周期1.1的汉明窗（相频）');xlabel('f');ylabel('<Y2');fs=20; Tp=2.24; f=25/16; N1=0.9*Tp*fs;%截断时间长度为信号周期的0.9倍n1=[0:N1-1]; w1=bartlett(N1);x1=0.75+3.4*cos(2*pi*f*n1/fs)+2.7*cos(4*pi*f*n1/fs)+1.5*sin(3.5*pi*f*n1/fs)+2.5*sin(7*pi*f*n1/fs); y1=w1.*x1';[Y1,W1]=dtft(y1,1000); %提取的窗函数频谱subplot(221),plot(W1/2/pi,abs(Y1));grid,title('信号周期0.9的巴特雷特窗（幅频）'); xlabel('f');ylabel('|Y1|');subplot(223),plot(W1/2/pi,angle(Y1)); grid,title('信号周期0.9的巴特雷特窗（相频）'); xlabel('f');ylabel('<Y1'); N2=1.1*Tp*fs;%截断时间长度为信号周期的1.1倍n2=[0:N2-1]; w2=bartlett(N2);x2=0.75+3.4*cos(2*pi*f*n2/fs)+2.7*cos(4*pi*f*n2/fs)+1.5*sin(3.5*pi*f*n2/fs)+2.5*sin(7*pi*f*n2/fs); y2=w2.*x2';[Y2,W2]=dtft(y2,1000); %提取的窗函数频谱subplot(222),plot(W2/2/pi,abs(Y2));-0.500.5010203040信号周期0.9的汉明窗（幅频）f|Y 1|-0.500.5-4-2024信号周期0.9的汉明窗（相频）f<Y 1-0.500.50204060信号周期1.1的汉明窗（幅频）f|Y 2|-0.500.5-4-2024信号周期1.1的汉明窗（相频）f<Y 2grid,title('信号周期1.1的巴特雷特窗（幅频）'); xlabel('f');ylabel('|Y2|');subplot(224),plot(W2/2/pi,angle(Y2)); grid,title('信号周期1.1的巴特雷特窗（相频）'); xlabel('f');ylabel('<Y2');fs=20; Tp=2.24; f=25/16; N1=0.9*Tp*fs;%截断时间长度为信号周期的0.9倍n1=[0:N1-1]; w1=blackman(N1);x1=0.75+3.4*cos(2*pi*f*n1/fs)+2.7*cos(4*pi*f*n1/fs)+1.5*sin(3.5*pi*f*n1/fs)+2.5*sin(7*pi*f*n1/fs); y1=w1.*x1';[Y1,W1]=dtft(y1,1000); %提取的窗函数频谱subplot(221),plot(W1/2/pi,abs(Y1));grid,title('信号周期0.9的布莱克曼窗（幅频）'); xlabel('f');ylabel('|Y1|');subplot(223),plot(W1/2/pi,angle(Y1)); grid,title('信号周期0.9的布莱克曼窗（相频）'); xlabel('f');ylabel('<Y1'); N2=1.1*Tp*fs;%截断时间长度为信号周期的1.1倍n2=[0:N2-1]; w2=blackman(N2);x2=0.75+3.4*cos(2*pi*f*n2/fs)+2.7*cos(4*pi*f*n2/fs)+1.5*sin(3.5*pi*f*-0.500.5010203040信号周期0.9的巴特雷特窗（幅频）f |Y 1|-0.500.5-4-2024信号周期0.9的巴特雷特窗（相频）f<Y 1-0.500.50204060信号周期1.1的巴特雷特窗（幅频）f|Y 2|-0.500.5-4-2024信号周期1.1的巴特雷特窗（相频）f<Y 2n2/fs)+2.5*sin(7*pi*f*n2/fs); y2=w2.*x2';[Y2,W2]=dtft(y2,1000); %提取的窗函数频谱subplot(222),plot(W2/2/pi,abs(Y2));grid,title('信号周期1.1的布莱克曼窗（幅频）'); xlabel('f');ylabel('|Y2|');subplot(224),plot(W2/2/pi,angle(Y2)); grid,title('信号周期1.1的布莱克曼窗（相频）'); xlabel('f');ylabel('<Y2');fs=20; Tp=2.24; f=25/16; N1=0.9*Tp*fs;%截断时间长度为信号周期的0.9倍n1=[0:N1-1]; w1=triang(N1);x1=0.75+3.4*cos(2*pi*f*n1/fs)+2.7*cos(4*pi*f*n1/fs)+1.5*sin(3.5*pi*f*n1/fs)+2.5*sin(7*pi*f*n1/fs); y1=w1.*x1';[Y1,W1]=dtft(y1,1000); %提取的窗函数频谱subplot(221),plot(W1/2/pi,abs(Y1));grid,title('信号周期0.9的triang 窗（幅频）'); xlabel('f');ylabel('|Y1|');subplot(223),plot(W1/2/pi,angle(Y1)); grid,title('信号周期0.9的triang 窗（相频）'); xlabel('f');ylabel('<Y1');-0.500.50102030信号周期0.9的布莱克曼窗（幅频）f |Y 1|-0.500.5-4-2024信号周期0.9的布莱克曼窗（相频）f<Y 1-0.500.5010203040信号周期1.1的布莱克曼窗（幅频）f|Y 2|-0.500.5-4-2024信号周期1.1的布莱克曼窗（相频）f<Y 2N2=1.1*Tp*fs; %截断时间长度为信号周期的1.1倍n2=[0:N2-1]; w2=triang(N2);x2=0.75+3.4*cos(2*pi*f*n2/fs)+2.7*cos(4*pi*f*n2/fs)+1.5*sin(3.5*pi*f*n2/fs)+2.5*sin(7*pi*f*n2/fs); y2=w2.*x2';[Y2,W2]=dtft(y2,1000); %提取的窗函数频谱subplot(222),plot(W2/2/pi,abs(Y2));grid,title('信号周期1.1的triang 窗（幅频）'); xlabel('f');ylabel('|Y2|');subplot(224),plot(W2/2/pi,angle(Y2)); grid,title('信号周期1.1的triang 窗（相频）'); xlabel('f');ylabel('<Y2');fs=20; Tp=2.24; f=25/16; N1=0.9*Tp*fs;%截断时间长度为信号周期的0.9倍n1=[0:N1-1]; w1=kaiser(N1,2);x1=0.75+3.4*cos(2*pi*f*n1/fs)+2.7*cos(4*pi*f*n1/fs)+1.5*sin(3.5*pi*f*n1/fs)+2.5*sin(7*pi*f*n1/fs); y1=w1.*x1';[Y1,W1]=dtft(y1,1000); %提取的窗函数频谱subplot(221),plot(W1/2/pi,abs(Y1));grid,title('信号周期0.9的kaiser 窗（幅频）');-0.500.5010203040信号周期0.9的triang 窗（幅频）f|Y 1|-0.500.5-4-2024信号周期0.9的triang 窗（相频）f<Y 1-0.500.50204060信号周期1.1的triang 窗（幅频）f|Y 2|-0.500.5-4-2024信号周期1.1的triang 窗（相频）f<Y 2xlabel('f');ylabel('|Y1|');subplot(223),plot(W1/2/pi,angle(Y1)); grid,title('信号周期0.9的kaiser 窗（相频）'); xlabel('f');ylabel('<Y1'); N2=1.1*Tp*fs;%截断时间长度为信号周期的1.1倍n2=[0:N2-1]; w2=kaiser(N2,2);x2=0.75+3.4*cos(2*pi*f*n2/fs)+2.7*cos(4*pi*f*n2/fs)+1.5*sin(3.5*pi*f*n2/fs)+2.5*sin(7*pi*f*n2/fs); y2=w2.*x2';[Y2,W2]=dtft(y2,1000); %提取的窗函数频谱subplot(222),plot(W2/2/pi,abs(Y2));grid,title('信号周期1.1的kaiser 窗（幅频）'); xlabel('f');ylabel('|Y2|');subplot(224),plot(W2/2/pi,angle(Y2)); grid,title('信号周期1.1的kaiser 窗（相频）'); xlabel('f');ylabel('<Y2');fs=20; Tp=2.24; f=25/16; N1=0.9*Tp*fs;%截断时间长度为信号周期的0.9倍n1=[0:N1-1]; w1=chebwin(N1);x1=0.75+3.4*cos(2*pi*f*n1/fs)+2.7*cos(4*pi*f*n1/fs)+1.5*sin(3.5*pi*f*-0.500.50204060信号周期0.9的kaiser 窗（幅频）f|Y 1|-0.500.5-4-2024信号周期0.9的kaiser 窗（相频）f<Y 1-0.500.5020406080信号周期1.1的kaiser 窗（幅频）f|Y 2|-0.500.5-4-2024信号周期1.1的kaiser 窗（相频）f<Y 2n1/fs)+2.5*sin(7*pi*f*n1/fs); y1=w1.*x1';[Y1,W1]=dtft(y1,1000); %提取的窗函数频谱subplot(221),plot(W1/2/pi,abs(Y1));grid,title('信号周期0.9的切比雪夫窗（幅频）'); xlabel('f');ylabel('|Y1|');subplot(223),plot(W1/2/pi,angle(Y1)); grid,title('信号周期0.9的切比雪夫窗（相频）'); xlabel('f');ylabel('<Y1'); N2=1.1*Tp*fs;%截断时间长度为信号周期的1.1倍n2=[0:N2-1]; w2=chebwin(N2);x2=0.75+3.4*cos(2*pi*f*n2/fs)+2.7*cos(4*pi*f*n2/fs)+1.5*sin(3.5*pi*f*n2/fs)+2.5*sin(7*pi*f*n2/fs); y2=w2.*x2';[Y2,W2]=dtft(y2,1000); %提取的窗函数频谱subplot(222),plot(W2/2/pi,abs(Y2));grid,title('信号周期1.1的切比雪夫窗（幅频）'); xlabel('f');ylabel('|Y2|');subplot(224),plot(W2/2/pi,angle(Y2)); grid,title('信号周期1.1的切比雪夫窗（相频）'); xlabel('f');ylabel('<Y2');-0.500.50102030信号周期0.9的切比雪夫窗（幅频）f |Y 1|-0.500.5-4-2024信号周期0.9的切比雪夫窗（相频）f<Y 1-0.500.5010203040信号周期1.1的切比雪夫窗（幅频）f|Y 2|-0.500.5-4-2024信号周期1.1的切比雪夫窗（相频）f<Y 2六、实验心得与体会通过本次实验，了解了信号分析中窗函数的应用，不同类型的窗函数以及不同方法测试他们的性能，在分析不同的信号时根据要求选择不同的窗函数，如主瓣宽度窄的窗函数具有较高的频率分辨率，而分析窄带，且具有较强的干扰噪声的信号，应选用旁瓣幅度小的窗函数、如汉宁窗函数等。