实验三用FFT对信号进行频谱分析和MATLAB程序
实验三用FFT对信号进行频谱分析和MATLAB程序
实验三用FFT对信号进行频谱分析和MATLAB程序实验三中使用FFT对信号进行频谱分析的目的是通过将时域信号转换为频域信号,来获取信号的频谱信息。
MATLAB提供了方便易用的函数来实现FFT。
首先,我们需要了解FFT的原理。
FFT(快速傅里叶变换)是一种快速计算离散傅里叶变换(DFT)的算法,用于将离散的时间域信号转换为连续的频域信号。
FFT算法的主要思想是将问题划分为多个规模较小的子问题,并利用DFT的对称性质进行递归计算。
FFT算法能够帮助我们高效地进行频谱分析。
下面是一个使用MATLAB进行频谱分析的示例程序:```matlab%生成一个10秒钟的正弦波信号,频率为1Hz,采样率为100Hzfs = 100; % 采样率t = 0:1/fs:10-1/fs; % 时间范围f=1;%正弦波频率x = sin(2*pi*f*t);%进行FFT计算N = length(x); % 信号长度X = fft(x); % FFT计算magX = abs(X)/N; % 幅值谱frequencies = (0:N-1)*(fs/N); % 频率范围%绘制频谱图figure;plot(frequencies, magX);xlabel('频率(Hz)');ylabel('振幅');title('信号频谱');```上述代码生成了一个10秒钟的正弦波信号,频率为1 Hz,采样率为100 Hz。
通过调用MATLAB的fft函数计算信号的FFT,然后计算每个频率分量的幅值谱,并绘制出信号频谱图。
在频谱图中,横轴表示频率,纵轴表示振幅。
该实验需要注意以下几点:1.信号的采样率要与信号中最高频率成一定比例,以避免采样率不足导致的伪频谱。
2.FFT计算结果是一个复数数组,我们一般只关注其幅值谱。
3.频率范围是0到采样率之间的频率。
实验三的报告可以包含以下内容:1.实验目的和背景介绍。
MATLAB信号频谱分析FFT详解
MATLAB信号频谱分析FFT详解FFT(快速傅里叶变换)是一种常用的信号频谱分析方法,它可以将信号从时域转换到频域,以便更好地分析信号中不同频率成分的特征。
在MATLAB中,使用fft函数可以方便地进行信号频谱分析。
首先,我们先介绍一下傅里叶变换的基本概念。
傅里叶变换是一种将信号分解成不同频率成分的技术。
对于任意一个周期信号x(t),其傅里叶变换X(f)可以表示为:X(f) = ∫(x(t)e^(-j2πft))dt其中,X(f)表示信号在频率域上的幅度和相位信息,f表示频率。
傅里叶变换可以将信号从时域转换到频域,以便更好地分析信号的频率特征。
而FFT(快速傅里叶变换)是一种计算傅里叶变换的高效算法,它通过分治法将傅里叶变换的计算复杂度从O(N^2)降低到O(NlogN),提高了计算效率。
在MATLAB中,fft函数可以方便地计算信号的傅里叶变换。
使用FFT进行信号频谱分析的步骤如下:1. 构造信号:首先,我们需要构造一个信号用于分析。
可以使用MATLAB中的一些函数生成各种信号,比如sin、cos、square等。
2. 采样信号:信号通常是连续的,为了进行FFT分析,我们需要将信号离散化,即进行采样。
使用MATLAB中的linspace函数可以生成一定长度的离散信号。
3. 计算FFT:使用MATLAB中的fft函数可以方便地计算信号的FFT。
fft函数的输入参数是离散信号的向量,返回结果是信号在频率域上的复数值。
4. 频率换算:信号在频域上的复数值其实是以采样频率为单位的。
为了更好地观察频率成分,我们通常将其转换为以Hz为单位的频率。
可以使用MATLAB中的linspace函数生成一个对应频率的向量。
5. 幅度谱计算:频域上的复数值可以由实部和虚部表示,我们一般更关注其幅度,即信号的相对强度。
可以使用abs函数计算出频域上的幅度谱。
6. 相位谱计算:除了幅度谱,信号在频域上的相位信息也是重要的。
FFT实践及频谱分析实践报告
FFT实验一.内容1. 用Matlab产生正弦波,矩形波,以及白信号,并显示各自时域波形图;2. 进行FFT变换,显示各自频谱图,其中采样率,频率、数据长度自选;3. 做出上述三种信号的均方根图谱,以及对数均方根图谱;4. 用IFFT傅里叶反变换恢复信号,并显示恢复的正弦信号时域波形图;5.滤波器的设计。
(一).编写程序1.正弦波fs=100;%设定采样频率N=128;n=0:N-1;t=n/fs;f0=10;%设定正弦信号频率%生成正弦信号x=sin(2*pi*f0*t);figure(1);subplot(231);plot(t,x);%做正弦信号的时域波形xlabel('t');ylabel('y');title('正弦信号y=2*pi*10t时域波形');grid;%进行FFT变换并做频谱图y=fft(x,N);%进行fft变换mag=abs(y);%求幅值f=(0:length(y)-1)'*fs/length(y);%进行对应的频率转换figure(1);subplot(232);plot(f,mag);%做频谱图axis([0,100,0,80]);xlabel('频率(HZ)’);ylabel('幅值’);title('正弦信号y=2*pi*10t幅频谱图N=128’);grid;%求均方根谱sq=abs(y);figure(1);subplot(233);plot(f,sq);xlabel('频率(HZ)’);ylabel('均方根谱’);title('正弦信号y=2*pi*10t均方根谱’);grid;%求功率谱power=sq.^2;figure(1);subplot(234);plot(f,power);xlabel('频率(HZ)’);ylabel('功率谱’);title('正弦信号y=2*pi*10t功率谱’);grid;%求对数谱ln=log(sq);figure(1);subplot(235);plot(f,sq);xlabel('频率(HZ)’);ylabel('对数谱’);title('正弦信号y=2*pi*10t对数谱’);grid;%用IFFT恢复原始信号xifft=ifft(y);magx=real(xifft);ti=[0:length(xifft)-1]/fs;figure(1);subplot(236);plot(ti,magx);xlabel('t’);ylabel('y’);title('通过IFFT转换的正弦信号波形’);grid;2.矩形波fs=10;%设定采样频率t=-5:0.1:5;x=rectpuls(t,2);x=x(1:99);figure(2);subplot(231);plot(t(1:99),x);%作矩形波的时域波形xlabel('t');ylabel('y');title('矩形波时域波形');grid;%进行FFT变换并做频谱图y=fft(x);%进行fft变换mag=abs(y);%求幅值f=(0:length(y)-1)'*fs/length(y);%进行对应的频率转换figure(2);subplot(232);plot(f,mag);%做频谱图xlabel('频率(HZ)');ylabel('幅值');title('矩形波幅频谱图'); grid;%求均方根谱sq=abs(y);figure(2);subplot(233);plot(f,sq);xlabel('频率(HZ)');ylabel('均方根谱');title('矩形波均方根谱'); grid;%求功率根谱power=sq.^2;figure(2);subplot(234);plot(f,power);xlabel('频率(HZ)');ylabel('功率谱');title('矩形波功率谱'); grid;%求对数谱ln=log(sq);figure(2);subplot(235);plot(f,ln);xlabel('频率(HZ)');ylabel('对数谱');title('矩形波对数谱'); grid;%用IFFT恢复原始信号xifft=ifft(y);magx=real(xifft);ti=[0:length(xifft)-1]/fs; figure(2);plot(ti,magx);xlabel('t');ylabel('y');title('通过IFFT转换的矩形波波形');grid;3.白噪声fs=10;%设定采样频率t=-5:0.1:5;x=zeros(1,100);x(50)=100000;figure(3);subplot(231);plot(t(1:100),x);%作白噪声的时域波形xlabel('t');ylabel('y');title('白噪声时域波形');grid;%进行FFT变换并做频谱图y=fft(x);%进行fft变换mag=abs(y);%求幅值f=(0:length(y)-1)'*fs/length(y);%进行对象的频率转换figure(3);subplot(232);plot(f,mag);%做频谱图xlabel('频率(HZ)');ylabel('幅值');title('白噪声幅频谱图');grid;%求均方根谱sq=abs(y);figure(3);subplot(233);plot(f,sq);xlabel('频率(HZ)');ylabel('均方根谱');title('白噪声均方根谱');grid;%求功率谱power=sq.^2;figure(3);plot(f,power);xlabel('频率(HZ)');ylabel('功率谱');title('白噪声功率谱');grid;%求对数谱ln=log(sq);figure(3);subplot(235);plot(f,ln);xlabel('频率(HZ)');ylabel('对数谱');title('白噪声对数谱');grid;%用IFFT恢复原始信号xifft=ifft(y);magx=real(xifft);ti=[0:length(xifft)-1]/fs;figure(3);subplot(236);plot(ti,magx);xlabel('t');ylabel('y');title('通过IFFT转换的白噪声波形'); grid;4.巴特沃斯高通数字滤波器Fs=5000;wp=2000*2/Fs;ws=1500*2/Fs;Rp=1;Rs=20;Nn=128;[N,Wn]=buttord(wp,ws,Rp,Rs);[b,a]=butter(N,Wn,'high');freqz(b,a,Nn,Fs)(二).程序执行后得到的图像①正弦波②矩形波③白噪声④巴特沃斯高通滤波器四.结论1. FFT是离散傅立叶变换的快速算法,可以将一个信号变换到频域。
matlab 信号 频谱分析实验报告
matlab 信号频谱分析实验报告《Matlab 信号频谱分析实验报告》实验目的:通过Matlab软件对信号进行频谱分析,了解信号的频谱特性,并掌握频谱分析的基本方法。
实验原理:信号的频谱分析是指将信号在频域上进行分析,得到信号的频谱特性。
频谱分析可以帮助我们了解信号的频率成分,频率分布情况,以及信号的频谱密度等信息。
在Matlab中,可以使用fft函数对信号进行频谱分析,得到信号的频谱图像。
实验步骤:1. 生成信号:首先在Matlab中生成一个信号,可以是正弦信号、方波信号或者任意复杂的信号。
2. 采样信号:对生成的信号进行采样,得到离散的信号序列。
3. 频谱分析:使用fft函数对采样的信号进行频谱分析,得到信号的频谱特性。
4. 绘制频谱图像:将频谱分析得到的结果绘制成频谱图像,观察信号的频谱分布情况。
实验结果分析:通过频谱分析,我们可以得到信号的频谱图像,从图像中可以清晰地看出信号的频率成分,频率分布情况,以及信号的频谱密度等信息。
通过对信号频谱图像的观察和分析,可以更好地了解信号的频谱特性,为后续的信号处理和分析提供参考。
实验结论:通过本次实验,我们成功使用Matlab对信号进行了频谱分析,得到了信号的频谱特性,并且掌握了频谱分析的基本方法。
频谱分析是信号处理和分析的重要工具,对于理解信号的频率特性和频率分布情况具有重要意义。
希望通过本次实验,能够对信号的频谱分析有更深入的了解,并且能够在实际工程中应用到相关领域。
通过本次实验,我们对Matlab信号频谱分析有了更深入的了解,对信号处理和分析有了更深入的认识,也为我们今后的学习和工作提供了更多的帮助。
希望通过不断地实践和学习,能够更加深入地掌握信号频谱分析的相关知识,为实际工程应用提供更多的帮助。
利用FFT对信号进行频谱分析
∑-=--==101,....,0,)(1)(N k nk N N n W k X N n x (3.2) 离散傅立叶反变换与正变换的区别在于N W 变为1-N W ,并多了一个N 1的运算。
因为N W 和1-N W 对于推导按时间抽取的快速傅立叶变换算法并无实质性区别,因此可将FFT 和快速傅立叶反变换(IFFT )算法合并在同一个程序中。
2.利用FFT 进行频谱分析若信号本身是有限长的序列,计算序列的频谱就是直接对序列进行FFT 运算求得)(k X ,)(k X 就代表了序列在[]π2,0之间的频谱值。
幅度谱 )()()(22k X k X k X I R +=相位谱 )()(arctan )(k X k X k R I =ϕ 若信号是模拟信号,用FFT 进行谱分析时,首先必须对信号进行采样,使之变成离散信号,然后就可按照前面的方法用FFT 来对连续信号进行谱分析。
按采样定理,采样频率s f 应大于2倍信号的最高频率,为了满足采样定理,一般在采样之前要设置一个抗混叠低通滤波器。
用FFT 对模拟信号进行谱分析的方框图如下所示。
3.在运用DFT 进行频谱分析的过程中可能产生三种误差:(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,为了保证不出现频谱混叠,在采样前,先进行抗混叠滤波。
(2)泄漏实际中我们往往用截短的序列来近似很长的甚至是无限长的序列,这样可以使用较短的DFT 来对信号进行频谱分析,这种截短等价于给原信号序列乘以一个矩形窗函数,也相当于在频域将信号的频谱和矩形窗函数的频谱卷积,所得的频谱是原序列频谱的扩展。
抗混叠低通滤波器 采样T=1/f s N 点FFT泄漏不能与混叠完全分开,因为泄漏导致频谱的扩展,从而造成混叠。
数字信号处理第三版用MATLAB上机实验
实验二:时域采样与频域采样一、时域采样1.用MATLAB编程如下:%1时域采样序列分析fs=1000A=444.128; a=222.144; w=222.144; ts=64*10^(-3); fs=1000;T=1/fs;n=0:ts/T-1; xn=A*exp((-a)*n/fs).*sin(w*n/fs); Xk=fft(xn);subplot(3,2,1);stem(n,xn);xlabel('n,fs=1000Hz');ylabel('xn');title('xn');subplot(3,2,2);plot(n,abs(Xk));xlabel('k,fs=1000Hz'); title('|X(k)|');%1时域采样序列分析fs=200A=444.128; a=222.144; w=222.144; ts=64*10^(-3); fs=200;T=1/fs;n=0:ts/T-1; xn=A*exp((-a)*n/fs).*sin(w*n/fs);Xk=fft(xn);subplot(3,2,3);stem(n,xn);xlabel('n,fs=200Hz'); ylabel('xn');title('xn');subplot(3,2,4);plot(n,abs(Xk));xlabel('k,fs=200Hz'); title('|X(k)|');%1时域采样序列分析fs=500A=444.128; a=222.144; w=222.144; ts=64*10^(-3); fs=500;T=1/fs;n=0:ts/T-1; xn=A*exp((-a)*n/fs).*sin(w*n/fs); Xk=fft(xn);subplot(3,2,5);stem(n,xn);xlabel('n,fs=500Hz');ylabel('xn');title('xn');subplot(3,2,6);plot(n,abs(Xk));xlabel('k,fs=500Hz'); title('|X(k)|');2.经调试结果如下图:20406080-200200n,fs=1000Hzxnxn2040608005001000k,fs=1000Hz|X (k)|51015-2000200n,fs=200Hzx nxn510150100200k,fs=200Hz |X(k)|10203040-2000200n,fs=500Hzx nxn102030400500k,fs=500Hz|X (k)|实验结果说明:对时域信号采样频率必须大于等于模拟信号频率的两倍以上,才 能使采样信号的频谱不产生混叠.fs=200Hz 时,采样信号的频谱产生了混叠,fs=500Hz 和fs=1000Hz 时,大于模拟信号频率的两倍以上,采样信号的频谱不产生混叠。
应用MATLAB对信号进行频谱分析
应用MATLAB对信号进行频谱分析信号的频谱分析是一种重要的信号处理方法,可以帮助我们深入了解信号的频域特性。
MATLAB作为一种强大的科学计算软件,提供了丰富的工具和函数来进行频谱分析。
在MATLAB中,频谱分析可以使用多种方法来实现,包括离散傅立叶变换(DFT)、快速傅立叶变换(FFT)等。
下面将介绍几种常用的频谱分析方法及其在MATLAB中的应用。
1.离散傅立叶变换(DFT)离散傅立叶变换是将信号从时域转换到频域的一种方法。
在MATLAB 中,可以使用fft函数进行离散傅立叶变换。
例如,假设我们有一个长度为N的信号x,可以通过以下代码进行频谱分析:```matlabN = length(x);X = fft(x);fs = 1000; % 采样频率f = fs*(0:(N/2))/N;P = abs(X/N).^2;plot(f,P(1:N/2+1))```以上代码将信号x进行离散傅立叶变换,并计算频谱的幅度谱(P),然后根据采样频率和信号长度计算频率轴。
最后使用plot函数绘制频谱图。
2.快速傅立叶变换(FFT)快速傅立叶变换是一种高效的离散傅立叶变换算法,可以在较短的时间内计算出频谱。
在MATLAB中,fft函数实际上就是使用了快速傅立叶变换算法。
以下是使用FFT进行频谱分析的示例代码:```matlabN = length(x);X = fft(x);fs = 1000; % 采样频率f = fs*(0:(N/2))/N;P = abs(X/N).^2;plot(f,P(1:N/2+1))```3.窗函数窗函数可以改善频谱分析的效果,常见的窗函数有矩形窗、汉宁窗、汉明窗等。
在MATLAB中,可以使用window函数生成窗函数,然后将窗函数和信号进行乘积运算,再进行频谱分析。
以下是使用汉宁窗进行频谱分析的示例代码:```matlabN = length(x);window = hann(N);xw = x.*window';X = fft(xw);fs = 1000; % 采样频率f = fs*(0:(N/2))/N;P = abs(X/N).^2;plot(f,P(1:N/2+1))```以上代码通过生成一个汉宁窗,并将窗函数与信号进行乘积运算得到xw,然后将xw进行频谱分析。
matlab fft谱分析实验报告
matlab fft谱分析实验报告Matlab FFT谱分析实验报告引言谱分析是一种常用的信号处理技术,用于研究信号的频率成分和能量分布。
傅里叶变换是一种常见的谱分析方法,而Matlab中的FFT函数则是实现傅里叶变换的强大工具。
本实验旨在通过使用Matlab中的FFT函数对不同类型的信号进行谱分析,探索其在实际应用中的作用和价值。
实验方法1. 生成信号首先,我们使用Matlab中的函数生成几种不同类型的信号,包括正弦信号、方波信号和噪声信号。
通过调整信号的频率、幅度和噪声水平,我们可以模拟不同的实际场景。
2. 调用FFT函数接下来,我们使用Matlab中的FFT函数对生成的信号进行频谱分析。
FFT函数将信号从时域转换到频域,提供了信号在不同频率上的能量分布情况。
3. 绘制频谱图通过调用Matlab中的绘图函数,我们可以将FFT函数输出的频谱数据可视化为频谱图。
频谱图通常以频率为横轴,能量或幅度为纵轴,展示了信号在不同频率上的能量分布情况。
实验结果1. 正弦信号的频谱分析我们首先对一个频率为50Hz、幅度为1的正弦信号进行频谱分析。
结果显示,该信号在50Hz附近有一个明显的峰值,表示信号主要由50Hz频率成分组成。
2. 方波信号的频谱分析接下来,我们对一个频率为10Hz、幅度为1的方波信号进行频谱分析。
由于方波信号包含丰富的谐波成分,频谱图中出现了多个峰值,每个峰值对应一个谐波成分。
3. 噪声信号的频谱分析最后,我们对一个包含高斯噪声的信号进行频谱分析。
噪声信号的频谱图呈现出平坦的能量分布,没有明显的峰值。
这说明噪声信号在各个频率上都有一定的能量分布,没有明显的频率成分。
讨论与分析通过对不同类型信号的频谱分析,我们可以得出以下结论:1. 正弦信号的频谱图呈现出一个明显的峰值,表示信号主要由该频率成分组成。
这对于识别和分析周期性信号非常有用。
2. 方波信号的频谱图呈现出多个峰值,每个峰值对应一个谐波成分。
MATLAB 频谱分析(FFT FT定义法)
X2=zeros(N/16,1);%只采样64点
for n=1:N/16
for m=1:length(X1)/2 %数据量太大显示太慢只取一半作分析
X2(n,1)=X2(n,1)+X1(m,1)*exp(-j*n*m);%将w与n同步以便于计算存储,w,n关系也可以变
subplot(244);
plot(f(1:N/2),ph(1:N/2));
xlabel('频率/Hz'),ylabel('相角'),title('录音信号相位谱');
%%%%%%%%%%%%%%%%%%录音信号FFT后频谱
subplot(245);
plot(y1)%采样后信号的FFT频谱图
title('录音信号FFT频谱图')
%%%%%%%%%%%%%%%%%%录音信号FFT后幅度
subplot(246);
plot(f(1,N/2)abs(y1(N/2)))%采样后信号的FFT幅度谱,不指定横坐标无意义请注意
title('录音信号FFT幅度谱')
%%%%%%%%%%%%%%%%%%%录音信号随频率变化的相位
ph=2*angle(y1(1:N/2));
ph=ph*180/pi;
subplot(247);
plot(f(1:N/2),ph(1:N/2));
xlabel('频率/Hz'),ylabel('相角'),title('录音信号FFT相位谱');
%%%%%%%%%%%%%%%%%%%由定义得出的FT
实验三用FFT对信号作频谱分析_实验报告
实验三用FFT对信号作频谱分析_实验报告一、实验目的1.学习使用FFT(快速傅里叶变换)对信号进行频谱分析;2.掌握频谱分析的基本原理和方法;3.熟悉使用MATLAB进行频谱分析的操作。
二、实验原理FFT是一种基于傅里叶变换的算法,可以将时域信号转换为频域信号,并将信号的频谱特征展示出来。
在频谱分析中,我们通过分析信号的频谱可以获得信号的频率、幅值等信息,从而对信号的性质和特征进行研究。
对于一个连续信号,我们可以通过采样的方式将其转换为离散信号,再利用FFT算法对离散信号进行频谱分析。
FFT算法可以将信号从时域转换到频域,得到离散的频谱,其中包含了信号的频率分量以及对应的幅值。
MATLAB中提供了fft函数,可以方便地对信号进行FFT分析。
通过对信号进行FFT操作,可以得到信号的频谱图,并从中提取出感兴趣的频率信息。
三、实验步骤1.准备工作:(2)建立新的MATLAB脚本文件。
2.生成信号:在脚本中,我们可以通过定义一个信号的频率、幅值和时间长度来生成一个信号的波形。
例如,我们可以生成一个频率为1000Hz,幅值为1的正弦波信号,并设置信号的时间长度为1秒。
3.对信号进行FFT分析:调用MATLAB中的fft函数,对信号进行FFT分析。
通过设置采样频率和FFT长度,可以得到信号的频谱。
其中,采样频率是指在单位时间内连续采样的次数,FFT长度是指离散信号的样本点数。
4.绘制频谱图:调用MATLAB中的plot函数,并设置x轴为频率,y轴为幅值,可以绘制出信号的频谱图。
频谱图上横坐标表示信号的频率,纵坐标表示信号的幅值,通过观察可以得到信号的频率分布情况。
四、实验结果在实验过程中,我们生成了一个频率为1000Hz,幅值为1的正弦波信号,并对其进行FFT分析。
通过绘制频谱图,我们发现信号在1000Hz处有最大幅值,说明信号主要由这一频率成分组成。
五、实验总结本实验通过使用FFT对信号进行频谱分析,我们可以方便地从信号的波形中提取出频率分量的信息,并绘制出频谱图进行观察。
MATLAB关于FFT频谱分析的程序
MATLAB关于FFT频谱分析的程序```Matlab%定义信号参数fs = 1000; % 采样频率t = 0:1/fs:1-1/fs; % 时间向量f1=10;%第一个频率成分f2=100;%第二个频率成分x = sin(2*pi*f1*t) + sin(2*pi*f2*t); % 信号%计算信号的FFTN = length(x); % 信号长度X = fft(x); % FFT变换X_mag = abs(X(1:N/2))/N; % 取FFT结果的一半并除以信号长度得到幅度谱f = (0:N/2-1)*fs/N; % 计算频率向量%绘制频谱figure;plot(f, X_mag);xlabel('Frequency (Hz)');ylabel('Magnitude');title('FFT Spectrum Analysis');grid on;```在上述程序中,我们首先定义了信号的参数,例如采样频率(fs)、时间向量(t)和信号的频率成分(f1和f2)。
然后,我们使用这些参数生成信号(x),该信号是由两个不同频率的正弦波叠加而成。
接下来,我们计算信号的FFT(通过调用fft函数),并使用abs函数取FFT结果的绝对值。
我们还将FFT结果的一半(因为FFT结果是对称的,前一半包含了频谱信息)除以信号长度,得到幅度谱(X_mag)。
频率向量(f)通过简单计算得到。
使用上述程序,我们可以计算并绘制任意信号的频谱。
只需修改信号的参数、生成信号的代码和绘图设置,就可以适应不同的应用需求。
除了上述示例程序,MATLAB还提供了许多其他函数和工具,用于更详细的频谱分析,如频谱图的平滑、窗函数的应用、频谱峰值的查找等。
读者可以根据自己的需求进一步研究和探索MATLAB的频谱分析功能。
用MATLAB进行FFT频谱分析
用MATLAB进行FFT频谱分析假设一信号:()()292.7/2cos1.0996.2/2sin1.06.0+++=ttRππ画出其频谱图。
分析:首先,连续周期信号截断对频谱的影响。
DFT变换频谱泄漏的根本原因是信号的截断。
即时域加窗,对应为频域卷积,因此,窗函数的主瓣宽度等就会影响到频谱。
实验表明,连续周期信号截断时持续时间与信号周期呈整数倍关系时,利用DFT变换可以得到精确的模拟信号频谱。
举一个简单的例子:()ππ2.0100cos+=tY其周期为。
截断时不同的持续时间影响如图一.1:(对应程序)140.0160.0180.02截断时,时间间期为周期整数倍,频谱图0.0250.0320406080100截断时,时间间期不为周期整数倍,频谱图图错误!文档中没有指定样式的文字。
.1其次,采样频率的确定。
根据Shannon 采样定理,采样带限信号采样频率为截止频率的两倍以上,给定信号的采样频率应>1/,取16。
再次,DFT 算法包括时域采样和频域采样两步,频域采样长度M 和时域采样长度N 的关系要符合M ≧N 时,从频谱X(k)才可完全重建原信号。
实验中信号R 经采样后的离散信号不是周期信号,但是它又是一个无限长的信号,因此处理时时域窗函数尽量取得宽一些已接近实际信号。
实验结果如图一.2:其中,0点位置的冲激项为直流分量造成(对应程序为)0204060801001201401601802000.40.50.60.70.800.050.10.150.20.250.30.350.40.450.550100150图 错误!文档中没有指定样式的文字。
.2♣ARMA (Auto Recursive Moving Average )模型:将平稳随机信号x(n)看作是零均值,方差为σu 2的白噪声u(n)经过线性非移变系统H(z)后的输出,模型的传递函数为()()()∑∑=-=-+==Pk kk Qr r rza zb z A z B z H 111用差分方程表示为()()()∑∑==-+--=Qr r P k k r n u b k n x a n x 01AR (Auto Recursive )自回归模型,即ARMA 模型中系数b 只有在r=0的情况下为1,其余都是零,获得一个全极点模型:()()()∑=-+==Pk kk za z A z B z H 111差分方程表示为:()()()n u k n x a n x Pk k +--=∑=1AR 模型的功率谱估计为:()()()Ω-ΩΩ=j j uj x e A e A eS 12σ程序:%%------------------------------------------------------------------------%%功能:利用MATLAB 的FFT 函数做双正弦信号频谱分析 %%------------------------------------------------------------------------ fs=16; t=0:1/fs:200;x6=+sin(2*pi*t/*+cos(2*pi*t/+2)*;subplot(2,1,1);plot(t,x6);N=length(t);subplot(212);plot((-N/2:N/2-1)*fs/N,abs(fftshift(fft(x6,N)))) %绘制信号的频谱,横轴对应实际频率axis([0 0 160]);例子:%%------------------------------------------------------------------------%%功能:连续周期信号截断对频谱的影响%%------------------------------------------------------------------------fs=8000;n1=;n=0:1/fs:n1;n=n(1,1:end-1);N=length(n);y=cos(100*pi*n+*pi);subplot(2,2,1);plot(n,y);title('函数y=cos(100{\pi}t+{\pi})');subplot(2,2,2);stem((-N/2:N/2-1)*fs/N,abs(fftshift(fft(y,N))));axis([0 1000 0 100]);grid on;title('截断时,时间间期为周期整数倍,频谱图');n1=;n=0:1/fs:n1;n=n(1,1:end-1);N=length(n);y=cos(100*pi*n+*pi);subplot(2,2,3);plot(n,y);title('函数y=cos(100{\pi}t+{\pi})');subplot(2,2,4);stem((-N/2:N/2-1)*fs/N,abs(fftshift(fft(y,N))));axis([0 1000 0 100]);grid on;title('截断时,时间间期不为周期整数倍,频谱图');。
基于MATLAB的信号的频谱分析
基于MATLAB的信号的频谱分析信号频谱分析是一种将时域信号转换为频域信号的方法。
频谱分析可以帮助我们了解信号的频率成分、频率特性以及频率分布情况。
MATLAB 是一种强大的信号处理工具,提供了丰富的函数和工具用于频谱分析。
在MATLAB中,频谱分析主要通过使用FFT(快速傅里叶变换)来实现。
FFT可以将时域信号转换为频率域信号,它是一种高效的计算算法,可以快速计算信号的频谱。
首先,我们需要先读取信号数据并将其转换为MATLAB中的矩阵数据形式。
可以使用`load`函数读取信号数据,然后将其存储为一个向量或矩阵。
```matlabdata = load('signal_data.txt');```接下来,我们可以使用`fft`函数对信号进行频谱分析。
`fft`函数会返回一个复数向量,表示信号在频率域的频率分量。
```matlabfs = 1000; % 采样频率N = length(data); % 信号长度frequencies = (0:N-1)*(fs/N); % 计算频率坐标轴spectrum = fft(data); % 进行FFT变换```在以上代码中,我们先计算了信号的采样频率`fs`和信号的长度`N`。
然后使用这些参数计算频率坐标轴`frequencies`。
最后使用`fft`函数对信号进行FFT变换,得到信号的频谱`spectrum`。
为了得到信号的幅度谱图,我们可以使用`abs`函数计算复数向量的绝对值。
```matlabamplitude_spectrum = abs(spectrum);```接下来,我们可以绘制信号的幅度谱图。
使用`plot`函数可以绘制信号在频率域的幅度分布图。
```matlabfigure;plot(frequencies, amplitude_spectrum);xlabel('Frequency (Hz)');ylabel('Amplitude');title('Amplitude Spectrum');```此外,我们还可以绘制信号的功率谱图。
数字信号处理上机实验及答案(第三版,第十章)
第十章上机实验数字信号处理是一门理论和实际密切结合的课程,为深入掌握课程内容,最好在学习理论的同时,做习题和上机实验。
上机实验不仅可以帮助读者深入的理解和消化基本理论,而且能锻炼初学者的独立解决问题的能力。
本章在第二版的基础上编写了六个实验,前五个实验属基础理论实验,第六个属应用综合实验。
实验一系统响应及系统稳定性。
实验二时域采样与频域采样。
实验三用FFT对信号作频谱分析。
实验四IIR数字滤波器设计及软件实现。
实验五FIR数字滤波器设计与软件实现实验六应用实验——数字信号处理在双音多频拨号系统中的应用任课教师根据教学进度,安排学生上机进行实验。
建议自学的读者在学习完第一章后作实验一;在学习完第三、四章后作实验二和实验三;实验四IIR数字滤波器设计及软件实现在。
学习完第六章进行;实验五在学习完第七章后进行。
实验六综合实验在学习完第七章或者再后些进行;实验六为综合实验,在学习完本课程后再进行。
10.1 实验一: 系统响应及系统稳定性1.实验目的(1)掌握求系统响应的方法。
(2)掌握时域离散系统的时域特性。
(3)分析、观察及检验系统的稳定性。
2.实验原理与方法在时域中,描写系统特性的方法是差分方程和单位脉冲响应,在频域可以用系统函数描述系统特性。
已知输入信号可以由差分方程、单位脉冲响应或系统函数求出系统对于该输入信号的响应,本实验仅在时域求解。
在计算机上适合用递推法求差分方程的解,最简单的方法是采用MA TLAB语言的工具箱函数filter函数。
也可以用MATLAB语言的工具箱函数conv函数计算输入信号和系统的单位脉冲响应的线性卷积,求出系统的响应。
系统的时域特性指的是系统的线性时不变性质、因果性和稳定性。
重点分析实验系统的稳定性,包括观察系统的暂态响应和稳定响应。
系统的稳定性是指对任意有界的输入信号,系统都能得到有界的系统响应。
或者系统的单位脉冲响应满足绝对可和的条件。
系统的稳定性由其差分方程的系数决定。
MATLAB信号频谱分析FFT详解
MATLAB信号频谱分析FFT详解做OFDM通信少不了频谱分析,基带信号DA后的频谱,以及基带数字上变频后的DA信号都要频谱分析。
我觉得其实做任何工程都是这样,先规定实施方案,然后仿真成功,再实际开发,不过也可以一边开发,一边仿真,开发结果要与仿真预期结果一致。
所以分析与仿真工具MATLAB就很重要了,既可以仿真,又可以通过示波器或其他方法把实际信号采下来分析。
matlab使用FFT函数分析信号频谱一般我使用的FFT分析频谱流程如下:其中有3个注意的点:1.FFT的结果看的是频谱,所以怎么把横坐标的值从原来的FFT点数0:N-1转换为频率值呢?首先要引出频谱分辨率的概念,即分辨两个不同频率信号的最小间隔,FFT结果相邻点间的间隔。
因为N点FFT对应采样率为fs的序列,其频率分辨率为,其中Ts为采样周期,T为整个序列的时间长度。
有关频率分辨率的就不多说了。
所以我们横坐标转换为:f = (0:length(y)-1)*Fs/length(y);2.直接FFT的结果里怎么又多余的信号频率(镜像频率)图2?DFT具有对称性,因为其是周期序列DFS在一个周期内的点,时域序列是有限长实序列,DFT的结果的实部周期偶对称,虚部周期奇对称,也就是模值周期偶对称,相位周期奇对称。
其实从奈奎斯特定律也可以看出,fs>=2f,fs的采样率最多也就显示fs/2的真实频率(感性理解哈哈)。
所以程序处理方式就是周期延拓后取-N/2:N/2-1.用到函数fftshift(),结果如图3.如注释所述:%该变换还会生成尖峰的镜像副本,该副本对应于信号的负频率。
%为了更好地以可视化方式呈现周期性,可以使用 fftshift 函数对变换执行以零为中心的循环平移。
其实这和设计数字滤波器IIR与FIR也一样,采样率为fs的信号,设计的滤波器的通带阻代也限制在0-fs/2内。
3.程序中的信号幅度值都是1,500点的FFT画出来的幅度值怎么变成了250,应该是1吧?是的,应该是1。
matlab 信号频谱分析实验报告
matlab 信号频谱分析实验报告《Matlab 信号频谱分析实验报告》摘要:本实验利用Matlab软件对信号进行频谱分析,通过对信号的频谱特性进行研究,探讨了信号频谱分析的基本原理和方法。
实验结果表明,Matlab软件可以有效地对信号进行频谱分析,并能够准确地显示信号的频谱特性,为信号处理和分析提供了有力的工具。
1. 引言信号频谱分析是信号处理领域中的重要内容之一,它可以帮助人们了解信号的频率成分和频谱特性,对信号的特征进行深入分析。
Matlab作为一种强大的科学计算软件,能够提供丰富的信号处理工具和函数,可以方便地进行信号频谱分析。
本实验旨在利用Matlab软件对信号进行频谱分析,探讨信号频谱分析的基本原理和方法,并通过实验验证Matlab软件在信号频谱分析中的有效性和可靠性。
2. 实验原理信号的频谱分析是指将信号在频域上进行分析,得到信号的频率成分和频谱特性。
信号的频谱分析可以通过傅里叶变换来实现,傅里叶变换能够将信号从时域转换到频域,得到信号的频谱信息。
在Matlab中,可以利用fft函数来进行信号的傅里叶变换,得到信号的频谱信息,并通过plot函数将频谱信息可视化显示出来。
3. 实验过程(1)生成信号:首先在Matlab中生成一个测试信号,可以是正弦信号、方波信号或其他类型的信号。
(2)进行频谱分析:利用fft函数对生成的信号进行傅里叶变换,得到信号的频谱信息。
(3)频谱可视化:利用plot函数将信号的频谱信息可视化显示出来,观察信号的频谱特性。
4. 实验结果通过对不同类型的信号进行频谱分析实验,得到了它们在频域上的频谱特性。
通过对频谱的观察和分析,可以清晰地看到信号的频率成分和频谱分布情况,从而了解信号的频谱特性。
5. 结论本实验利用Matlab软件对信号进行频谱分析,通过对信号的频谱特性进行研究,探讨了信号频谱分析的基本原理和方法。
实验结果表明,Matlab软件可以有效地对信号进行频谱分析,并能够准确地显示信号的频谱特性,为信号处理和分析提供了有力的工具。
matlab fft谱分析实验报告
Matlab FFT 谱分析实验报告介绍本实验报告旨在通过使用Matlab进行FFT(快速傅里叶变换)谱分析,详细介绍该方法的步骤和应用。
FFT是一种常用的信号处理技术,可将时域信号转换为频域信号,并提供了对信号频谱特征进行分析的能力。
实验步骤以下是进行FFT谱分析的步骤:1. 导入信号数据首先,我们需要将待分析的信号数据导入Matlab中。
可以使用load函数加载存储信号数据的文件,或者直接在脚本中定义信号数据。
2. 对信号数据进行预处理在进行FFT谱分析之前,通常需要对信号数据进行预处理。
这可能包括去除噪声、滤波等操作。
在本实验中,我们将假设信号数据已经经过了必要的预处理步骤。
3. 执行FFT变换使用fft函数对信号数据执行FFT变换。
该函数将信号从时域转换为频域,并返回频谱数据。
4. 计算频谱幅度通过对FFT变换结果应用幅度函数,可以计算出信号在不同频率下的幅度。
这将揭示信号中包含的主要频率分量。
5. 绘制频谱图通过使用Matlab的绘图功能,可以将频谱数据可视化为频谱图。
频谱图可以帮助我们更好地理解信号的频谱分布情况。
6. 分析结果根据频谱图,我们可以观察信号的主要频率成分以及它们的幅度。
这有助于我们了解信号的频域特征,并可以用于识别信号中的噪声或其他异常。
实验应用FFT谱分析在许多领域中都有广泛的应用。
以下是一些常见的应用领域:1. 信号处理FFT谱分析可用于处理和分析各种类型的信号,例如音频信号、生物医学信号和电力信号等。
通过分析信号的频谱特征,我们可以提取出信号中的重要信息。
2. 通信系统在通信系统中,FFT谱分析可以用于频谱分配、频谱监测和信号调制等方面。
通过分析信号的频谱特征,我们可以更好地设计和优化通信系统。
3. 振动分析FFT谱分析可用于振动分析领域,用于分析和诊断机械系统的振动特征。
通过分析振动信号的频谱,可以检测到机械系统中的故障和异常。
4. 音频处理在音频处理中,FFT谱分析可用于音频信号的频谱分析、音频合成和音频特征提取等方面。
matlab 离散信号频谱分析实验报告
matlab 离散信号频谱分析实验报告实验目的:本实验旨在通过使用MATLAB软件对离散信号进行频谱分析,探究信号的频谱特性,并通过实验结果验证频谱分析的有效性和准确性。
实验原理:频谱分析是一种将信号从时域转换到频域的方法,通过分析信号的频谱特性可以了解信号的频率分布情况。
离散信号频谱分析主要基于离散傅里叶变换(DFT)和快速傅里叶变换(FFT)算法。
实验步骤:1. 生成离散信号:使用MATLAB中的函数生成一个离散信号,可以选择正弦信号、方波信号或其他类型的信号。
2. 绘制时域波形:将生成的离散信号在时域上进行绘制,观察信号的波形特征。
3. 进行频谱分析:使用MATLAB中的DFT或FFT函数对离散信号进行频谱分析,得到信号的频谱图像。
4. 绘制频谱图像:将频谱分析得到的结果进行绘制,观察信号在频域上的频率分布情况。
5. 分析频谱特性:根据频谱图像,分析信号的主要频率成分、频谱密度等特性。
实验结果与分析:通过实验我们选择了一个正弦信号作为实验对象,其频率为100Hz,幅值为1。
首先,我们绘制了该正弦信号的时域波形,观察到信号呈现出周期性的振荡特征。
接下来,我们使用MATLAB中的FFT函数对该离散信号进行频谱分析。
得到的频谱图像显示,信号的主要频率成分为100Hz,且幅值为1。
此外,频谱图像还显示了信号在其他频率上的幅值衰减情况,表明信号在频域上存在多个频率成分。
根据频谱图像,我们可以进一步分析信号的频谱特性。
首先,信号的主要频率成分为100Hz,这意味着信号的主要周期为0.01秒。
其次,频谱图像显示了信号在其他频率上的幅值衰减情况,说明信号在频域上存在多个频率成分,这可能与信号的采样率和信号源本身的特性有关。
实验结论:通过本次实验,我们成功地使用MATLAB对离散信号进行了频谱分析,并得到了信号的频谱图像。
实验结果表明,频谱分析是一种有效的信号分析方法,可以揭示信号的频率分布情况和频谱特性。
Matlab使用fft画出信号频谱图的方法
Matlab使⽤fft画出信号频谱图的⽅法做雷原作业,需要对信号进⾏频谱分析,⽹上⼀搜太乱了,很多不是我想要的,特此整理。
DSP还没学到fft,就不对fft原理进⾏详细解释了,直接上代码。
fs=500;%采样率f1=5;%信号频率f2=10;%信号频率T=1;%时宽1sn=round(T*fs);%采样点个数t=linspace(0,T,n);%时域横坐标x = 3+cos(2*pi*f1*t) + 2.*cos(2*pi*f2*t);%形成三频信号,注意第⼆个频率信号幅度为2,直流幅度为3figure(1);plot(t,x);%画时域图xlabel("t/s")grid onX = fftshift(fft(x./(n))); %⽤fft得出离散傅⾥叶变换f=linspace(-fs/2,fs/2-1,n);%频域横坐标,注意奈奎斯特采样定理,最⼤原信号最⼤频率不超过采样频率的⼀半figure(2)plot(f,abs(X));%画双侧频谱幅度图xlabel("f/Hz")ylabel("幅度")grid on显然,该信号有三个频率分量,直流(0频),5Hz和10Hz,对应的幅度分别为3、1、2,其时域波形图如下:转换为频域的关键函数是X = fftshift(fft(x./(n)));⼀定注意需要除以总样本数n,然后⽤fftshift将曲线挪⼀下位置。
做完这步操作后,得出的是双边频谱,频率范围从-fs/2到fs/2,这是因为奈奎斯特采样定理,给定采样频率为fs,那么原信号的最⼤频率不超过fs/2。
横坐标的点数和时域信号的采样点数相同,这由离散傅⾥叶变换的性质给出。
绘制频谱幅度图如下:可以看到,直流分量的幅度是3,这与时域的幅度相同,5Hz和10Hz的幅度分别为0.5和1,这⽐时域的幅度减⼩了⼀半,这是由于这个频谱图是双边频谱。
沿着x=0线“对折”过去加起来,就变成单边频谱,频域幅度就和时域幅度对应上了。
- 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)。
实验三 用FFT 对信号进行频谱分析一 实验目的1 能够熟练掌握快速离散傅立叶变换的原理及应用FFT 进行频谱分析的基本方法; 2了解用FFT 进行频谱分析可能出现的分析误差及其原因;二 实验原理1.用DFT 对非周期序列进行谱分析单位圆上的Z 变换就是序列的傅里叶变换,即()()j j z e X e X z ωω== (3-1)()j X e ω是ω的连续周期函数。
对序列()x n 进行N 点DFT 得到()X k ,则()X k 是在区间[]0,2π上对()j X e ω的N 点等间隔采样,频谱分辨率就是采样间隔2Nπ。
因此序列的傅里叶变换可利用DFT (即FFT )来计算。
用FFT 对序列进行谱分析的误差主要来自于用FFT 作频谱分析时,得到的是离散谱,而非周期序列的频谱是连续谱,只有当N 较大时,离散谱的包络才能逼近连续谱,因此N 要适当选择大一些。
2.用DFT 对周期序列进行谱分析已知周期为N 的离散序列)(n x ,它的离散傅里叶级数DFS 分别由式(3-2)和(3-3) 给出:DFS : ∑-=-=12)(1N n kn N j k e n x N a π , n =0,1,2,…,N -1 (3-2) IDFS : ∑-==102)(N k kn N j ke a n x π , n =0,1,2,…,N -1 (3-3) 对于长度为N 的有限长序列x (n )的DFT 对表达式分别由式(3-4)和(3-5)给出: DFT : ∑-=-=102)()(N n kn N j e n x k X π , n =0,1,2,…,N -1 (3-4)IDFT : ∑-==102)(1)(N k kn N j e k X N n x π, n =0,1,2,…,N -1 (3-5) FFT 为离散傅里叶变换DFT 的快速算法,对于周期为N 的离散序列x (n )的频谱分析便可由式(3-6)和(3-7)给出:DTFS : 1*(())k a fft x n N= (3-6) IDTFS : ()*()k x n N ifft a = (3-7) 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。
3. 用DFT 对模拟周期信号进行谱分析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。
对于模拟周期信号,也应该选取整数倍周期的长度,经采样后形成周期序列,按照周期序列的谱分析进行。
如果不知道信号的周期,可以尽量选择信号的观察时间长一些。
三 实验内容1. 对以下序列进行谱分析:14()()x n R n =2103()84700n n x n nn thers +≤≤⎧⎪=-≤≤⎨⎪⎩3403()34700n n x n n n thers-≤≤⎧⎪=-≤≤⎨⎪⎩ 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()cos()48x n n n ππ=+ 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。
3. 对模拟周期信号进行谱分析: 6()cos(8)cos(16)cos(20)x t t t t πππ=++选择采样频率64s F Hz ,对变换区间N 分别取16、32、64三种情况进行谱分析。
分别打印其幅频特性曲线,并进行对比、分析和讨论。
四 思考题1. 对于周期序列,如果周期不知道,如何用FFT 进行谱分析?2. 如何选择FFT 的变换区间?(包括非周期信号和周期信号)3. 当N=8时,2()x n 和3()x n 的幅频特性会相同吗?为什么?N=16呢?五 实验报告及要求1. 完成各个实验任务和要求,附上程序清单和有关曲线。
2. 简要回答思考题。
程序代码:%用FFT对信号作频谱分析clear all;close all;%实验(1)x1n=[ones(1,4)]; %产生序列向量R4(n)M=8;xa=1:(M/2);xb=(M/2):-1:1;x2n=[xa,xb]; %产生长度为8的三角波序列x2(n)、x3(n)x3n=[xb,xa];X1k8=fft(x1n,8); %计算x1n的8点DFTX1k16=fft(x1n,16); %计算x1n的16点DFTX2k8=fft(x2n,8); %计算x2n的8点DFTX2k16=fft(x2n,16); %计算x2n的16点DFTX3k8=fft(x3n,8); %计算x3n的8点DFTX3k16=fft(x3n,16); %计算x3n的16点DFT%幅频特性曲线N=8;wk=2/N*(0:N-1);subplot(3,2,1);stem(wk,abs(X1k8),'.'); %绘制8点DFT的幅频特性图title('(1a) 8点DFT[x_1(n)]');xlabel('ω/π');ylabel('幅度'); subplot(3,2,3);stem(wk,abs(X2k8),'.');title('(2a) 8点DFT[x_1(n)]');xlabel('ω/π');ylabel('幅度'); subplot(3,2,5);stem(wk,abs(X3k8),'.');title('(3a) 8点DFT[x_1(n)]');xlabel('ω/π');ylabel('幅度');N=16;wk=2/N*(0:N-1);subplot(3,2,2);stem(wk,abs(X1k16),'.'); %绘制16点DFT的幅频特性图title('(1b) 16点DFT[x_1(n)]');xlabel('ω/π');ylabel('幅度'); subplot(3,2,4);stem(wk,abs(X2k16),'.');title('(2b) 16点DFT[x_1(n)]');xlabel('ω/π');ylabel('幅度'); subplot(3,2,6);stem(wk,abs(X3k16),'.');title('(3b) 16点DFT[x_1(n)]');xlabel('ω/π');ylabel('幅度');%实验2对周期序列作频谱分析clear all;close all;N=8;n=0:N-1; %FFT的变换区间N=8x4n=cos(pi*n/4);x5n=cos(pi*n/4)+cos(pi*n/8);X4k8=fft(x4n); %计算x4n的8点DFTX5k8=fft(x5n); %计算x5n的8点DFTN=16;n=0:N-1; %FFT的变换区间N=16x4n=cos(pi*n/4);x5n=cos(pi*n/4)+cos(pi*n/8);X4k16=fft(x4n); %计算x4n的16点DFTX5k16=fft(x5n); %计算x5n的16点DFTN=8;w1k=2/N*(0:N-1);subplot(2,2,1);stem(w1k,abs(X4k8),'.'); %绘制8点DFT的幅频特性图title('(4a) 8点DFT[x_4(n)]');xlabel('ω/π');ylabel('幅度');axis([0,2,0,1.2*max(abs(X4k8))]);subplot(2,2,3);stem(w1k,abs(X5k8),'.'); %绘制8点DFT的幅频特性图title('(5a)8点DFT[x_4(n)]');xlabel('ω/π');ylabel('幅度');axis([0,2,0,1.2*max(abs(X5k8))]);N=16;w2k=2/N*(0:N-1);subplot(2,2,2);stem(w2k,abs(X4k16),'.'); %绘制16点DFT的幅频特性图title('(4b) 16点DFT[x_5(n)]');xlabel('ω/π');ylabel('幅度');axis([0,2,0,1.2*max(abs(X4k16))]);subplot(2,2,4);stem(w2k,abs(X5k16),'.'); %绘制16点DFT的幅频特性图title('(5b)16点DFT[x_5(n)]');xlabel('ω/π');ylabel('幅度');axis([0,2,0,1.2*max(abs(X5k16))]);%实验3对模拟周期信号作谱分析(归一化)Fs=64;T=1/Fs;N=16;n=0:N-1; %FFT的变换区间N=16x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T); %对x6(t)16点采样X6k16=fft(x6nT); %计算x6nT的16点DFTTp=N*T;F=1/Tp; %频率分辨率Fk=0:N-1;fk=2*k/N; %产生16点DFT对应的采样点频率(以零频率为中心)subplot(3,1,1);stem(fk,abs(X6k16),'.'); %绘制16点DFT的幅频特性图title('(6a) 16点DFT[x_6(nT)]|');xlabel('\omega/\pi');ylabel('幅度');N=32;n=0:N-1; %FFT的变换区间N=32x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T); %对x6(t)32点采样X6k32=fft(x6nT); %计算x6nT的32点DFTTp=N*T;F=1/Tp; %频率分辨率Fk=0:N-1;fk=2*k/N; %产生32点DFT对应的采样点频率(以零频率为中心)subplot(3,1,2);stem(fk,abs(X6k32),'.');%绘制32点DFT的幅频特性图title('(6b) 32点DFT[x_6(nT)]|');xlabel('\omega/\pi');ylabel('幅度');N=64;n=0:N-1; %FFT的变换区间N=64x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T); %对x6(t)64点采样X6k64=fft(x6nT); %计算x6nT的64点DFTTp=N*T;F=1/Tp; %频率分辨率Fk=0:N-1;fk=2*k/N; %产生64点DFT对应的采样点频率(以零频率为中心)subplot(3,1,3);stem(fk,abs(X6k64),'.'); %绘制64点DFT的幅频特性图title('(6c) 64点DFT[x_6(nT)]|');xlabel('\omega/\pi');ylabel('幅度');五、思考题及实验体会4.思考题(1)对于周期序列,如果周期不知道,如何用FFT 进行谱分析?(2)如何选择FFT 的变换区间?(包括非周期信号和周期信号)(3)当N=8时,)(2n x 和)(3n x 的幅频特性会相同吗?为什么?N=16 呢?答:(1)、如果)(n x 的周期预先不知道,可截取M 点进行DFT ,即)]([)()()()(n x DFT n X n R n x n x M M M M == 0≤k ≤M-1再将截取长度扩大1倍,截取)]([)()()(2222n x DFT n X n R n x M M M M == 0≤k ≤2M-1比较)(k x M 和 )(2k X M ,如果两者的主谱差别满足分析误差要求,则以)(k x M 或 )(2k X M 近似表示)(n x 的频谱,否则,继续将截取长度加倍,直至前后两次分析所得主谱频率差别满足误差要求。