数字信号处理实验答案完整版
数字信号处理实验答案 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】
实验一熟悉Matlab环境
一、实验目的
1.熟悉MATLAB的主要操作命令。
2.学会简单的矩阵输入和数据读写。
3.掌握简单的绘图命令。
4.用MATLAB编程并学会创建函数。
5.观察离散系统的频率响应。
二、实验内容
认真阅读本章附录,在MATLAB环境下重新做一遍附录中的例子,体会各条命令的含义。在熟悉了MATLAB基本命令的基础上,完成以下实验。
上机实验内容:
(1)数组的加、减、乘、除和乘方运算。输入A=[1 2 3 4],B=[3 4 5 6],求C=A+B,D=A-B,E=A.*B,F=A./B,G=A.^B并用stem语句画出A、B、C、D、E、F、G。
clear all;
a=[1 2 3 4];
b=[3 4 5 6];
c=a+b;
d=a-b;
e=a.*b;
f=a./b;
g=a.^b;
n=1:4;
subplot(4,2,1);stem(n,a);
xlabel('n');xlim([0 5]);ylabel('A');
subplot(4,2,2);stem(n,b);
xlabel('n');xlim([0 5]);ylabel('B');
subplot(4,2,3);stem(n,c);
xlabel('n');xlim([0 5]);ylabel('C');
subplot(4,2,4);stem(n,d);
xlabel('n');xlim([0 5]);ylabel('D');
subplot(4,2,5);stem(n,e);
xlabel('n');xlim([0 5]);ylabel('E');
subplot(4,2,6);stem(n,f);
xlabel('n');xlim([0 5]);ylabel('F');
subplot(4,2,7);stem(n,g);
xlabel('n');xlim([0 5]);ylabel('G');
(2)用MATLAB实现下列序列:
a) x(n)= 0≤n≤15
b) x(n)=e+3j)n 0≤n≤15
c) x(n)=3cosπn+π)+2sinπn+π) 0≤n≤15
d) 将c)中的x(n)扩展为以16为周期的函数x(n)=x(n+16),绘出四个周期。
e) 将c)中的x(n)扩展为以10为周期的函数x 10(n)=x(n+10),绘出四个周期。
clear all;
N=0:15;
% a) x(n)= 0≤n ≤15
xa=.^N;
figure;subplot(2,1,1);stem(N,xa); xlabel('n');xlim([0
16]);ylabel('xa');
% b) x(n)=e+3j)n 0≤n ≤15
xb=exp(+3*j)*N);
subplot(2,1,2);stem(N,xb);
xlabel('n');xlim([0 16]);ylabel('xb');figure;
% c) x(n)=3cos πn+π)+2sin πn+π) 0≤n ≤15
xc=3*cos*pi*N+*pi)+2*sin*pi*N+*pi);
subplot(3,1,1);stem(N,xc);xlabel('n');xlim([0 16]);ylabel('xc');
% d) 将c)中的x(n)扩展为以16为周期的函数x16(n)=x(n+16),绘出四个周
期。
k=0:3;m=0;
for i=1:4
for j=1:16
m=m+1;
n(m)=N(j)+16*k(i);
x16(m)=3*cos*pi*n(m)+*pi)+2*sin*pi*n(m)+*pi);
end
end
subplot(3,1,2);stem(n,x16);xlabel('n');ylabel('x16');
% e) 将c)中的x(n)扩展为以10为周期的函数x10(n)=x(n+10),绘出四个周
期。
for j=1:10
x10(j)=x16(j);
end
for i=1:3
for m=1:10
x10(i*10+m)=x10(m);
end
end
n=1:40;
subplot(3,1,3);stem(n,x10); xlabel('n');ylabel('x10');
(3)x(n)=[1,-1,3,5],产生并绘出下列序列的样本:
a) x 1(n)=2x(n+2)-x(n-1)-2x(n)
b) ∑=-=5
1k 2)k n (nx (n) x
clear all
n=1:4;
T=4;
x=[1 -1 3 5];
x(5:8)=x(1:4);
subplot(2,1,1);stem(1:8,x);grid;
for i=1:4
if i-1<0
x1(i)=2*x(i+2)-x(i-1)-2*x(i);
else
x1(i)=2*x(i+2)-x(i-1+T)-2*x(i);
end
end
x1(5:8)=x1(1:4);
subplot(2,1,2);stem(1:8,x1);grid;
(4)绘出下列时间函数的图形,对x 轴、y 轴以及图形上方均须加上适当的标
注:
a) x(t)=sin(2πt) 0≤t ≤10s
b) x(t)=cos(100πt)sin(πt) 0≤t ≤4s
ta=0::10;
xa=sin(2*pi*ta);
subplot(2,1,1);plot(ta,xa);
xlabel('t');ylabel('幅度');
tb=0::4;
xb=cos(100*pi*tb).*sin(pi*tb);
subplot(2,1,2);plot(tb,xb);
xlabel('t');ylabel('幅度');
(5)编写函数stepshift(n0,n1,n2)实现u(n-n0),n1 形,起点为n1,终点为n2。 n0=5;ns=1;nf=10;%ns 为起点;nf 为终点;在=n=n0处生成单位阶跃序列 n=[ns:nf]; x=[(n-n0)>=0]; stem(n,x); (6)给一定因果系统)0.9z 0.67z -1)/(1z 2(1H(z)-2-1-1+++=求出并绘制H(z)的 幅频响应与相频响应。 clear all; b=[1,sqrt(2),1]; a=[1,,]; [h,w]=freqz(b,a); am=20*log10(abs(h)); subplot(2,1,1);plot(w,am); ph=angle(h); subplot(2,1,2);plot(w,ph); (7)计算序列{8 -2 -1 2 3}和序列{2 3 -1 -3}的离散卷积,并作图表示卷积 结果。 clear all; a=[8 -2 -1 2 3]; b=[2 3 -1 -3]; c=conv(a,b); %计算卷积 M=length(c)-1; n=0:1:M; stem(n,c); xlabel('n');ylabel('幅度'); (8)求以下差分方程所描述系统的单位脉冲响应h(n),0≤n≤50 y(n)+(n-1)(n-2)=x(n)-2x(n-1) clear all; N=50; a=[1 -2]; b=[1 ]; x=[1 zeros(1,N-1)]; k=0:1:N-1; y=filter(a,b,x); stem(k,y); xlabel('n');ylabel('幅度 '); 实验二信号的采样与重建 一,实验目的 (1)通过观察采样信号的混叠现象,进一步理解奈奎斯特采样频率的意义。(2)通过实验,了解数字信号采样转换过程中的频率特征。 (3)对实际的音频文件作内插和抽取操作,体会低通滤波器在内插和抽取中的作用。 二,实验内容 (1)采样混叠,对一个模拟信号Va(t)进行等间采样,采样频率为200HZ,得到离散时间信号V(n).Va(t)由频率为30Hz,150Hz,170Hz,250Hz,330Hz的5个正弦信号的加权和构成。 Va(t)=6cos(60pi*t)+3sin(300pi*t)+2cos(340pi*t)+4cos(500pi*t)+10sin(6 60pi*t)观察采样后信号的混叠效应。 程序:clear, close all, t=0::20; Ts=1/2; n=0:Ts:20; V=8*cos*pi*t)+5*cos*pi*t+-10*sin*pi*t); Vn=8*cos*pi*n)+5*cos*pi*n+-10*sin*pi*n); subplot(221) plot(t,V), grid on, subplot(222) stem(n,Vn,'.'), grid on, -40 -20 0 20 40 (2)输入信号X(n)为归一化频率f1=,f2=的两个正弦信号相加而成, N=100,按因子M=2作抽取:(1)不适用低通滤波器;(2)使用低通滤波器。分别显示输入输出序列在时域和频域中的特性。 程序:clear; N=100; M=2; f1=; f2=; n=0:N-1; x=sin(2*pi*f1*n)+sin(2*pi*f2*n); y1=x(1:2:100); y2=decimate(x,M,'fir'); figure(1); stem(n,x(1:N)); title('input sequence'); xlabel('n');ylabel('fudu'); figure(2); n=0:N/2-1; stem(n,y1); title('output sequence without LP'); xlabel('n');ylabel('fudu'); figure(3); m=0:N/M-1; stem(m,y2(1:N/M)); title('output sequence with LP'); xlabel('n');ylabel('fudu'); figure(4); plot(w(1:512),abs(h(1:512))); title('frequency spectrum of the input sequence'); xlabel('w');ylabel('fudu'); figure(5); [h,w]=freqz(y1); plot(w(1:512),abs(h(1:512))); title('frequency spectrum of the output sequence without LP'); xlabel('w');ylabel('fudu'); figure(6); [h,w]=freqz(y2); plot(w(1:512),abs(h(1:512))); title('frequency spectrum of the output sequence without LP'); xlabel('w');ylabel('fudu'); (3)输入信号X(n)为归一化频率f1=,f2=的两个正弦信号相加而成,长度 N=50,内插因子为2.(1)不适用低通滤波器;(2)使用低通滤波器。分别显示输入输出序列在时域和频域中的特性。 程序:clear, close all, N=50; L=2; f1=; f2=; n=0:N-1; x=sin(2*pi*f1*n)+sin(2*pi*f2*n); figure(1); stem(n,x(1:N)); title('input sequence'); xlabel('n');ylabel('fudu'); y1=zeros(1,N*2); y1(1:2:N*2)=x; figure(2); m=0:N*L-1; stem(m,y1(1:N*L)); title('output sequence '); xlabel('n');ylabel('fudu'); y2=interp(x,L); figure(3); m=0:N*L-1; stem(m,y2(1:N*L)); title('output sequence'); xlabel('n');ylabel('fudu'); [h,w]=freqz(x); plot(w(1:512),abs(h(1:512))); title('frequency spectrum of the input sequence'); xlabel('w');ylabel('fudu'); figure(5); [h,w]=freqz(y1); plot(w(1:512),abs(h(1:512))); title('frequency spectrum of the output sequence'); xlabel('w');ylabel('fudu'); figure(6); [h,w]=freqz(y2); plot(w(1:512),abs(h(1:512))); title('frequency spectrum of the output sequence '); xlabel('w');ylabel('fudu'); 二.(3)令x(n)=cos(2*pi*f*n/fs),其中f/fs=1/16,即每个周期内有16个点。试用MATLAB编程实现: 1).作M=4倍的抽取,使每个周期变成4点。 程序:clear, close all, N=100; M=4; n=0:N-1; x=cos(2*pi*n*(1/16)); stem(n,x(1:N)); title('input sequence'); xlabel('n');ylabel('fudu'); y1=x(1:4:100); y2=decimate(x,M,'fir'); figure(2); m=0:N/4-1; stem(m,y1); title('output sequence '); xlabel('n');ylabel('fudu'); figure(3); m=0:N/M-1; stem(m,y2(1:N/M)); title('output sequence'); xlabel('n');ylabel('fudu'); figure(4); [h,w]=freqz(x); plot(w(1:512),abs(h(1:512))); title('frequency spectrum of the input sequence'); xlabel('w');ylabel('fudu'); figure(5); [h,w]=freqz(y1); plot(w(1:512),abs(h(1:512))); title('frequency spectrum of the output sequence'); xlabel('w');ylabel('fudu'); figure(6); [h,w]=freqz(y2); plot(w(1:512),abs(h(1:512))); title('frequency spectrum of the output sequence '); xlabel('w');ylabel('fudu'); 2).作L=3倍的插值,使每个周期变成48点。 程序:clear, close all, N=50; L=3; n=0:N-1; x=cos(2*pi*n*(1/16)); figure(1); stem(n,x(1:N)); title('input sequence'); xlabel('n');ylabel('fudu'); y1=zeros(1,N*3); y1(1:3:N*3)=x; figure(2); m=0:N*3-1; stem(m,y1(1:N*3)); title('output sequence '); xlabel('n');ylabel('fudu'); y2=interp(x,L); figure(3); m=0:5:N*L-1; stem(m,y2(1:5:N*L)); title('output sequence'); xlabel('n');ylabel('fudu'); figure(4); [h,w]=freqz(x); plot(w(1:512),abs(h(1:512))); title('frequency spectrum of the input sequence'); xlabel('w');ylabel('fudu'); figure(5); [h,w]=freqz(y1); plot(w(1:512),abs(h(1:512))); title('frequency spectrum of the output sequence'); xlabel('w');ylabel('fudu'); figure(6); [h,w]=freqz(y2); plot(w(1:64),abs(h(1:64))); title('frequency spectrum of the output sequence '); xlabel('w');ylabel('fudu'); (4).输入信号x(n)为归一化频率分别是f1=,f2=的正弦信号相加而成,N=50,内插因子为5,抽取因子为3,给出按有理因子5/3做采样率转换的输入输出波形。 程序:clear, close all, N=50; M=3; f2=; n=0:N-1; x=sin(2*pi*f1*n)+sin(2*pi*f2*n); y=resample(x,L,M); figure(1); stem(n,x(1:N)); title('input sequence'); xlabel('n');ylabel('fudu'); figure(2); m=0:N-1; stem(m,y(1:N)); title('output sequence '); xlabel('n');ylabel('fudu'); figure(3); [h,w]=freqz(x); plot(w(1:512),abs(h(1:512))); title('frequency spectrum of the input sequence'); xlabel('w');ylabel('fudu'); figure(4); [h,w]=freqz(y); plot(w(1:512),abs(h(1:512))); title('frequency spectrum of the output sequence '); xlabel('w');ylabel('fudu'); 实验三快速Fourier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FFT子程序。 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的方法。 5.初步了解用周期图法作随机信号谱分析的方法。 二、实验原理与方法 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: 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。 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。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产生三种误差: 序列的频谱时被采样信号的周期延拓,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。 (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。 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。为了减少泄漏的影响,可以选择适当的窗函数使频谱的扩散减至最小。 (3) 栅栏效应 DFT是对单位圆上Z变换的均匀采样,所以它不可能将频谱视为一个连续函数,就一定意义上看,用DFT来观察频谱就好像通过一个栅栏来观看一个图景一样,只能在离散点上看到真实的频谱,这样就有可能发生一些频谱的峰点或谷点被“尖桩的栅栏”所拦住,不能别我们观察到。 减小栅栏效应的一个方法就是借助于在原序列的末端填补一些零值,从而变动DFT的点数,这一方法实际上是人为地改变了对真实频谱采样的点数和位置,相当于搬动了每一根“尖桩栅栏”的位置,从而使得频谱的峰点或谷点暴露出来。 (二)、用FFT计算线性卷积 用FFT可以实现两个序列的圆周卷积。在一定的条件下,可以使圆周卷积等于线性卷积。一般情况,设两个序列的长度分别为N1和N2,要使圆周卷积等于线性卷积的充要条件是FFT的长度 N≥N1+N2 对于长度不足N的两个序列,分别将他们补零延长到N。 当两个序列中有一个序列比较长的时候,我们可以采用分段卷积的方法。有两种方法: 重叠相加法。将长序列分成与短序列相仿的片段,分别用FFT对它们作线性卷积,再将分段卷积各段重叠的部分相加构成总的卷积输出。 重叠保留法。这种方法在长序列分段时,段与段之间保留有互相重叠的部分,在构成总的卷积输出时只需将各段线性卷积部分直接连接起来,省掉了输出段的直接相加。 (三)、用周期图法(平滑周期图的平均法)对随机信号作谱分析 实际中许多信号往往既不具有有限能量,由非周期性的。无限能量信号的基本概念是随机过程,也就是说无限能量信号是一随机信号。周期图法是随机信号作谱分析的一种方法,它特别适用于用FFT直接计算功率谱的估值。 将长度为N的实平稳随机序列的样本x(n)再次分割成K段,每段长度为L,即L=N/K。每段序列仍可表示为: xi(n)=x(n+(i-1)L),0≤n≤L-1,1≤i≤K 但是这里在计算周期图之前,先用窗函数w(n)给每段序列xi(n)加权,K个修正的周期图定义为 其中U表示窗口序列的能量,它等于 在此情况下,功率谱估计量可表示为 三、实验内容及步骤 a) Gaussian序列 b) 衰减正弦序列 c) 三角波序列 d) 反三角波序列 上机实验内容: (1)、观察高斯序列的时域和幅频特性,固定信号xa(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。 % %定义高斯序列 % function [Xa,Fa] =gauss(p,q) % n=[0:15]; % Xa(n+1)=exp(-(n+1-p).^2./q); % F=fft(Xa); % Fa=abs(F); clear all; %%%%%%% p=8,q=2 %%%%%%%%%%%% [Xa1,Fa1]= gauss(8,2); k=0:15; subplot(5,2,1);plot(k,Xa1); xlabel('n');ylabel('时域特性');text(10,,'p=8,q=2'); subplot(5,2,2);plot(k,Fa1); xlabel('n');ylabel('幅频特性');text(8,3,'p=8,q=2'); %%%%%%% p=8,q=4 %%%%%%%%%%%% [Xa2,Fa2]= gauss(8,4); subplot(5,2,3);plot(k,Xa2); xlabel('n');ylabel('时域特性');text(10,,'p=8,q=4'); subplot(5,2,4);plot(k,Fa2); xlabel('n');ylabel('幅频特性');text(8,3,'p=8,q=4'); %%%%%%% p=8,q=8 %%%%%%%%%%%% [Xa3,Fa3]= gauss(8,8); subplot(5,2,5);plot(k,Xa3); xlabel('n');ylabel('时域特性');text(10,,'p=8,q=8'); subplot(5,2,6);plot(k,Fa3); xlabel('n');ylabel('幅频特性');text(8,3,'p=8,q=8'); %%%%%%% p=13,q=8 %%%%%%%%%% [Xa4,Fa4]= gauss(13,8); subplot(5,2,7);plot(k,Xa4); xlabel('n');ylabel('时域特性');text(10,,'p=13,q=8'); subplot(5,2,8);plot(k,Fa4); xlabel('n');ylabel('幅频特性');text(8,3,'p=13,q=8'); %%%%%%% p=14,q=8 %%%%%%%%%% [Xa5,Fa5]= gauss(14,8); xlabel('n');ylabel('时域特性');text(10,,'p=14,q=8'); subplot(5,2,10);plot(k,Fa5); xlabel('n');ylabel('幅频特性');text(8,3,'p=14,q=8'); (2)、观察衰减正弦序列xb(n)的时域和幅频特性,a=,f=,检查谱峰出现位置是否正确,注意频谱的形状,绘出幅频特性曲线,改变f,使f分别等于和,观察这两种情况下,频谱的形状和谱峰出现位置,有无混叠和泄漏现象?说明产生现象的原因。 % 定义衰减正弦序列 % function [Xb,Fb] = downsin(a,f) % n=[0:15]; % Xb(n+1)=exp(-a.*n).*sin(2*pi*f.*n); %自然对数的底:e=: 18284 59045 23536 % F = fft(Xb); % Fb=abs(F); clear all; k=0:15; [Xb,Fb]=downsin,; subplot(3,2,1); plot(k,Xb); xlabel('n');ylabel('时域特性');text(8,,'a=,f='); subplot(3,2,2); plot(k,Fb); xlabel('n');ylabel('幅值特性');text(10,3,'a=,f='); %%%%%%%%% a=,f= %%%%%%%%%%% [Xb1,Fb1]=downsin,; subplot(3,2,3); plot(k,Xb1); xlabel('n');ylabel('时域特性');text(8,,'a=,f='); subplot(3,2,4); plot(k,Fb1); xlabel('n');ylabel('幅值特性');text(10,3,'a=,f='); %%%%%%%%% a=,f= %%%%%%%%%% [Xb2,Fb2]=downsin,; subplot(3,2,5); plot(k,Xb2); xlabel('n');ylabel('时域特性');text(8,,'a=,f='); subplot(3,2,6); plot(k,Fb2); xlabel('n');ylabel('幅值特性');text(10,3,'a=,f='); (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xc(n)和xd(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曲线。在xc(n)和xd(n)末尾补零,用N=16点FFT分析这两个信号的幅频特性,观察幅频特性发生了什么变化?两情况的FFT频谱还有相同之处吗这些变化说明了什么clear all; n=[0:3];k=[1:8]; %定义三角波序列 Xc(n+1) = n;Xc(n+5) =4-n; %定义反三角波序列 Xd(n+1) = 4-n;Xd(n+5) =n; %%%%%%%%%%% 三角波特性 %%%%%%%%%%%%% subplot(2,2,1);plot(k-1,Xc); xlabel('n');ylabel('时域特性');text(1,3,'三角波'); xlabel('k');ylabel('幅频特性');text(4,10,'三角波'); %%%%%%%%%%% 反三角波特性 %%%%%%%%%% subplot(2,2,3);plot(k-1,Xd); xlabel('n');ylabel('时域特性');text(3,3,'反三角波'); subplot(2,2,4);plot(k-1,abs(fft(Xd))); xlabel('k');ylabel('幅频特性');text(4,10,'反三角波'); %末尾补0,计算32点FFT Xc(9:32)=0;Xd(9:32)=0;k=1:32;figure; %%%%%%%%%%% 三角波特性 %%%%%%%%%%%%% subplot(2,2,1);plot(k-1,Xc); xlabel('n');ylabel('时域特性');text(1,3,'三角波'); subplot(2,2,2);plot(k-1,abs(fft(Xc))); xlabel('k');ylabel('幅频特性');text(4,10,'三角波'); %%%%%%%%%%% fan三角波特性 %%%%%%%%%% subplot(2,2,3);plot(k-1,Xd); xlabel('n');ylabel('时域特性');text(3,3,'反三角波'); subplot(2,2,4);plot(k-1,abs(fft(Xd))); xlabel('k');ylabel('幅频特性');text(4,10,'反三角波'); (4)、一个连续信号含两个频率分量,经采样得 x(n)=sin2π*+cos2π*+Δf)n n=0,1……,N-1 已知N=16,Δf分别为1/16和1/64,观察其频谱;当N=128时,Δf不变,其结果有何不同,为什么? clear all; %%%%%%% N = 16 %%%%%%%%%%%% N=16;detf=1/16;n=[0:N-1]; x1(n+1)=sin(2*pi*.*n)+cos(2*pi*+detf).*n); detf = 1/64;x2(n+1)=sin(2*pi*.*n)+cos(2*pi*+detf).*n); %%%%%%% N = 16,detf = 1/16 %%%%%%%%%%%% subplot(2,2,1);stem(n,x1);hold;plot(n,x1); xlabel('n');ylabel('时域特性');text(6,1,'N=16,detf=1/16'); subplot(2,2,2);stem(n,abs(fft(x1))); xlabel('n');ylabel('幅值特性');text(6,4,'N=16,detf=1/16'); %%%%%%% N = 16,detf = 1/64 %%%%%%%%%%%% subplot(2,2,3);stem(n,x2); xlabel('n');ylabel('时域特性');text(6,1,'N=16,detf=1/64'); subplot(2,2,4);stem(n,abs(fft(x2))); xlabel('n');ylabel('幅值特性');text(6,4,'N=16,detf=1/64'); %%%%%%% N = 128 %%%%%%%%%%%% N=128;detf=1/16;n=[0:N-1]; x3(n+1)=sin(2*pi*.*n)+cos(2*pi*+detf).*n); detf = 1/64; x4(n+1)=sin(2*pi*.*n)+cos(2*pi*+detf).*n); %%%%%%% N = 128,detf = 1/16 %%%%%%%%%%%% figure;subplot(2,2,1);stem(n,x3); subplot(2,2,2);stem(n,abs(fft(x3))); xlabel('n');ylabel('幅值特性');axis([0 128 -10 70]);text(40,60,'N=128,detf=1/16'); %%%%%%% N = 128,detf = 1/64 %%%%%%%%%%%% subplot(2,2,3);stem(n,x3); xlabel('n');ylabel('时域特性');axis([0 128 -2 2]);text(6,,'N=128,detf=1/16'); subplot(2,2,4);stem(n,abs(fft(x4))); xlabel('n');ylabel('幅值特性');axis([0 128 -10 70]);text(40,60,'N=128,detf=1/16'); (5)、用FFT分别实现xa(n)(p=8,q=2)和 xb(n)(a=,f=)的16点圆周卷积和线性卷积。 clear all; N=16; n=0:N-1; p=8;q=2; Xa(n+1)=exp(-(n-p).^2./q); a=;f=; Xb(n+1)=exp(-a.*n).*sin(2*pi*f.*n); %16点循环卷积 Fa=fft(Xa); Fb=fft(Xb); Fx=Fa.*Fb; X51=ifft(Fx); stem(n,X51); %16点线性卷积 Xa(N+1:2*N-1)=0; Xb(N+1:2*N-1)=0; Fa=fft(Xa); Fb=fft(Xb); Fc=Fa.*Fb; X52=ifft(Fc); figure;stem(1:2*N-1,X52); (7)用FFT分别计算x a (n)(p=8,q=2)和x b (n)(a=,f=的16点循环相关和线性相关,问一 共有多少种结果,他们之间有何异同点。 clear all; N=16; n=0:N-1; p=8;q=2; Xa(n+1)=exp(-(n-p).^2./q); a=;f=; Xb(n+1)=exp(-a.*n).*sin(2*pi*f.*n); N=length(Xa); %16点循环相关 Fa=fft(Xa,2*N); Fb=fft(Xb,2*N); Fx=conj(Fa).*Fb; X71=real(ifft(Fx)); X71=[X71(N+2:2*N) X71(1:N)]; %16点线性相关 Xa(N+1:2*N-1)=0; Xb(N+1:2*N-1)=0; Fa=fft(Xa); Fb=fft(Xb); Fc=conj(Fa).*Fb; X72=real(ifft(Fc)); figure;stem(1:2*N-1,X72); (8)用FFT分别计算x a (n)(p=8,q=2)和x b (n)(a=,f=的自相关函数。 clear all; N=16; n=0:N-1; p=8;q=2; Xa(n+1)=exp(-(n-p).^2./q); a=;f=; Xb(n+1)=exp(-a.*n).*sin(2*pi*f.*n); %自然对数的底:e=: 18284 59045 23536 N=length(Xa); % Xa(n) 16点自相关 Fa=fft(Xa,2*N); Fb=fft(Xb,2*N); F1=conj(Fa).*Fa; X81=real(ifft(F1)); X81=[X81(N+2:2*N) X81(1:N)]; n=(-N+1):(N-1); subplot(2,1,1);stem(n,X81); xlabel('n'); ylabel('幅度'); % Xb(n) 16点自相关 Fb=fft(Xb,2*N); F2=conj(Fb).*Fb; X82=real(ifft(F2)); X82=[X82(N+2:2*N) X82(1:N)]; % n=(-N+1):(N-1); subplot(2,1,2);stem(n,X82); xlabel('n'); ylabel('幅度');