应用MATLAB对信号进行频谱分析及滤波
实验2利用MATLAB分析信号频谱及系统的频率特性
实验2利用MATLAB分析信号频谱及系统的频率特性引言：在信号处理和通信领域中，频谱分析是一项非常重要的技术。
频谱分析可以帮助我们了解信号的频率特性，包括频率成分和幅度。
MATLAB是一款功能强大的数学软件，提供了多种工具和函数用于信号处理和频谱分析。
本实验旨在通过MATLAB分析信号频谱及系统的频率特性，深入理解信号处理和频域分析的原理和应用。
实验步骤：1.生成一个信号并绘制其时域波形。
首先，我们可以使用MATLAB提供的函数生成一个信号。
例如，我们可以生成一个用正弦函数表示的周期信号。
```matlabt=0:0.001:1;%时间范围为0到1秒，采样率为1000Hzf=10;%信号频率为10Hzx = sin(2*pi*f*t); % 生成正弦信号plot(t,x) % 绘制信号的时域波形图title('Time domain waveform') % 添加标题```2.计算信号的频谱并绘制频谱图。
使用MATLAB中的FFT函数可以计算信号的频谱。
FFT函数将信号从时域转换为频域。
```matlabFs=1000;%采样率为1000HzL = length(x); % 信号长度NFFT = 2^nextpow2(L); % FFT长度X = fft(x,NFFT)/L; % 计算X(k)f = Fs/2*linspace(0,1,NFFT/2+1); % 计算频率轴plot(f,2*abs(X(1:NFFT/2+1))) % 绘制频谱图title('Frequency spectrum') % 添加标题```3.使用MATLAB分析系统的频率特性。
MATLAB提供了Signal Processing Toolbox，其中包含了分析系统频率特性的函数和工具。
```matlabHd = designfilt('lowpassfir', 'FilterOrder', 6,'CutoffFrequency', 0.3, 'SampleRate', Fs); % 设计一个低通滤波器fvtool(Hd) % 显示滤波器的频率响应``````matlab[W,F] = freqz(Hd); % 计算滤波器的频率响应plot(F,abs(W)) % 绘制滤波器的振幅响应title('Frequency response of lowpass filter') % 添加标题```实验结果：运行上述代码后，我们可以得到如下结果：1.时域波形图2.频谱图3.滤波器频率响应讨论与结论：本实验通过MATLAB分析信号频谱及系统的频率特性，深入理解了信号处理和频域分析的原理和应用。
利用Matlab进行频谱分析的方法
利用Matlab进行频谱分析的方法引言频谱分析是信号处理和电子工程领域中一项重要的技术，用于分析信号在频率域上的特征和频率成分。
在实际应用中，频谱分析广泛应用于音频处理、图像处理、通信系统等领域。
Matlab是一种强大的工具，可以提供许多功能用于频谱分析。
本文将介绍利用Matlab进行频谱分析的方法和一些常用的工具。
一、Matlab中的FFT函数Matlab中的FFT（快速傅里叶变换）函数是一种常用的频谱分析工具。
通过使用FFT函数，我们可以将时域信号转换为频域信号，并得到信号的频谱特征。
FFT 函数的使用方法如下：```Y = fft(X);```其中，X是输入信号，Y是输出的频域信号。
通过该函数，我们可以得到输入信号的幅度谱和相位谱。
二、频谱图的绘制在进行频谱分析时，频谱图是一种直观和易于理解的展示形式。
Matlab中可以使用plot函数绘制频谱图。
首先，我们需要获取频域信号的幅度谱。
然后，使用plot函数将频率与幅度谱进行绘制。
下面是一个示例：```X = 1:1000; % 时间序列Y = sin(2*pi*10*X) + sin(2*pi*50*X); % 输入信号Fs = 1000; % 采样率N = length(Y); % 信号长度Y_FFT = abs(fft(Y)); % 计算频域信号的幅度谱f = (0:N-1)*(Fs/N); % 频率坐标plot(f, Y_FFT);```通过上述代码，我们可以得到输入信号在频谱上的特征，并将其可视化为频谱图。
三、频谱分析的应用举例频谱分析可以应用于许多实际问题中。
下面将介绍两个常见的应用举例：语音信号分析和图像处理。
1. 语音信号分析语音信号分析是频谱分析的一个重要应用领域。
通过对语音信号进行频谱分析，我们可以探索声波的频率特性和信号的频率成分。
在Matlab中，可以使用wavread 函数读取音频文件，并进行频谱分析。
下面是一个示例：```[waveform, Fs] = wavread('speech.wav'); % 读取音频文件N = length(waveform); % 信号长度waveform_FFT = abs(fft(waveform)); % 计算频域信号的幅度谱f = (0:N-1)*(Fs/N); % 频率坐标plot(f, waveform_FFT);```通过上述代码，我们可以获取语音信号的频谱特征，并将其可视化为频谱图。
利用MATLAB进行信号处理的技巧
利用MATLAB进行信号处理的技巧MATLAB作为一种功能强大的软件工具，被广泛用于信号处理领域。
利用MATLAB进行信号处理的技巧包括数据预处理、滤波和频谱分析、时频分析、信号重构以及信号特征提取等。
这些技巧可以帮助工程师和研究人员在处理和分析信号时更加高效和准确。
数据预处理是信号处理的第一步。
在使用MATLAB处理信号之前，通常需要对原始数据进行清洗和整理。
这包括去除噪声、异常点和干扰等。
MATLAB提供了一系列的函数和工具箱，如滤波器设计工具箱、统计工具箱等，可以帮助用户对数据进行降噪、修复和填补缺失值等操作。
滤波和频谱分析是信号处理的关键技术之一。
在MATLAB中，有多种滤波器可供选择，例如低通滤波器、高通滤波器、带通滤波器和带阻滤波器等。
这些滤波器可以通过设计滤波器系数或直接调用现成的滤波器函数来实现。
频谱分析可以帮助我们了解信号的频率成分以及其在不同频段上的能量分布。
MATLAB提供了FFT（快速傅里叶变换）等函数，可以对信号进行频谱分析并绘制功率谱密度图。
时频分析是一种用于研究信号在时间和频率上的变化的技术。
在MATLAB 中，时频分析常常使用短时傅里叶变换（STFT）、连续小波变换（CWT）和时域相关性分析等方法。
这些方法可以帮助我们观察信号的瞬时频谱特征，如频谱随时间变化的情况，从而揭示信号中的瞬态和周期性信息。
信号重构是指根据已有的数据或部分数据，通过一定的算法或模型来还原或预测信号的缺失或未来的数值。
在MATLAB中，可以利用插值、外推、拟合曲线等方法对信号进行重构。
这些方法基于信号的特征和统计信息进行计算，可以准确地估计未知数据或缺失数据的数值。
除了信号重构，信号特征提取也是信号处理中的重要一步。
通过提取信号的特征，我们可以了解到信号的统计特性、频域特性、时域特性等。
在MATLAB中，提取信号的特征通常使用统计学和谱分析等方法。
这些方法可以帮助我们提取信号的均值、方差、能量、峰值频率等特征，并用于信号分类、模式识别和故障检测等应用领域。
使用MATLAB进行信号处理与滤波
使用MATLAB进行信号处理与滤波信号处理与滤波是数字信号处理领域中的重要技术，而MATLAB是一种广泛应用于信号处理的工具。
本文将介绍如何使用MATLAB进行信号处理与滤波，包括信号采样、信号重构、频谱分析以及常用的滤波器设计和应用。
首先，我们先了解一下信号处理的基本概念。
信号处理是对信号进行采样、重构、滤波、增强、压缩等操作的过程。
信号可以是连续的或离散的，常常通过采样将连续信号转换为离散信号进行处理。
在MATLAB中，可以使用`plot`函数来绘制信号的波形图。
假设有一个正弦信号，我们可以通过以下代码绘制其波形图：```matlabfs = 1000; % 采样率为1000Hzt = 0:1/fs:1; % 时间向量，从0到1sf = 10; % 正弦信号的频率为10Hzx = sin(2*pi*f*t); % 构造正弦信号plot(t, x); % 绘制波形图xlabel('Time (s)'); % x轴标签ylabel('Amplitude'); % y轴标签title('Sinusoidal Signal'); % 图片标题```这段代码中，首先定义了采样率`fs`、时间向量`t`和信号频率`f`，然后使用`sin`函数构造了正弦信号`x`，最后通过`plot`函数绘制出信号的波形图。
在进行信号处理时，经常需要进行频谱分析来研究信号的频率特性。
MATLAB 提供了多种函数来计算信号的频谱，其中最常用的是`fft`函数。
以下代码演示了如何计算信号的频谱，并绘制频谱图：```matlabFs = 1000; % 采样率为1000HzT = 1/Fs; % 采样间隔L = 1000; % 信号长度为1000t = (0:L-1)*T; % 时间向量x = sin(2*pi*50*t) + 0.5*sin(2*pi*120*t); % 构造含有两个频率成分的信号Y = fft(x); % 对信号进行傅里叶变换P2 = abs(Y/L); % 计算双边频谱P1 = P2(1:L/2+1); % 取单边频谱P1(2:end-1) = 2*P1(2:end-1); % 幅度归一化f = Fs*(0:(L/2))/L; % 频率向量plot(f,P1); % 绘制频谱图title('Single-Sided Amplitude Spectrum of x(t)'); % 图片标题xlabel('Frequency (Hz)'); % x轴标签ylabel('Amplitude'); % y轴标签```这段代码中，首先定义了采样率`Fs`、采样间隔`T`、信号长度`L`和时间向量`t`，然后使用两个正弦信号相加的方式构造了含有两个频率成分的信号`x`，接着使用`fft`函数对信号进行傅里叶变换得到频谱`Y`，最后根据频谱进行幅度归一化并绘制频谱图。
用MATLAB对信号做频谱分析
⽤MATLAB对信号做频谱分析1.⾸先学习下傅⾥叶变换的东西。
学⾼数的时候⽼师只是将傅⾥叶变换简单的说了下，并没有深⼊的讲解。
⽽现在看来，傅⾥叶变换似乎是信号处理的⽅⾯的重点只是呢，现在就先学习学习傅⾥叶变换吧。
上⾯这幅图在知乎⼀个很著名的关于傅⾥叶变换的⽂章中的核⼼插图，我觉得这幅图很直观的就说明了傅⾥叶变换的实质。
时域上的东西直观的反应到了频域上了，很完美的结合到了⼀起，233333. ⽆数正弦波叠加，震荡的叠加的最后结果竟然是⽅波，同理，任何周期性函数竟然都能拆分为傅⾥叶级数的形式，这样的简介与优雅，真令⼈折服。
2.MATLAB对信号做频谱分析代码：(1)对 f1 = Sa(2t)的频谱分析1 clear;clc;2 hold on;3 R=0.05;4 t=-1.2:R:1.2;5 t1 = 2*t;6 f1=sinc(t1); %Sa函数7 subplot(1,2,1),plot(t,f1)8 xlabel('t'),ylabel('f1')9 axis([-2,2,-0.3,1.2]); %写出Sa函数上下限1011 N=1000;12 k=-N:N;13 W1=40;14 W=k*W1/N;15 F=f1*exp(-j*t'*W)*R; %f1的傅⾥叶变换16 F=real(F); %取F的实部17 subplot(1,2,2),plot(W,F)18 xlabel('W'),ylabel('F(jw)')View Code结果如下图：(2)对 f2 = u(t+2) - u(t-2)的频谱分析1 R=0.05;2 t=-3:R:3;3 f2=(t>=-2)-(t>=2);4 subplot(1,2,1),plot(t,f2)5 grid on;6 xlabel('t'),ylabel('f2')7 axis([-3,3,-0.5,1.5]);89 N=1000;k=-N:N;10 W1=40;11 W=k*W1/N;12 F=f2*exp(-j*t'*W)*R;13 F=real(F);14 subplot(1,2,2),plot(W,F)15 grid on;16 xlabel('W'),ylabel('F(jw)')View Code结果如下图：(3)对f3 = t[u(t+1) - u(t-1) ]的频谱分析1 R=0.05;2 h=0.001;3 t=-1.2:R:1.2;4 y=t.*(t>=-1)-t.*(t>=1);5 f4=diff(y)/h;6 subplot(1,2,1),plot(t,y)7 xlabel('t'),ylabel('y')8 axis([-1.2,1.2,-1.2,1.2]);910 N=1000;11 k=-N:N;12 W1=40;13 W=k*W1/N;14 F=y*exp(-j*t'*W)*R;15 F=real(F);16 subplot(1,2,2),plot(W,F)17 xlabel('W'),ylabel('F(jw)')18 axis([-40,40,-0.06,0.06]);View Code结果如下图：(4)对正弦波做FFT频谱分析1 %*************************************************************************%2 % FFT实践及频谱分析 %3 %*************************************************************************%4 %***************正弦波****************%5 fs=100;%设定采样频率6 N=128;7 n=0:N-1;8 t=n/fs;9 f0=10;%设定正弦信号频率10 %⽣成正弦信号11 x=sin(2*pi*f0*t);12 figure(1);13 subplot(231);14 plot(t,x);%作正弦信号的时域波形15 xlabel('t');16 ylabel('y');17 title('正弦信号y=2*pi*10t时域波形');18 grid;1920 %进⾏FFT变换并做频谱图21 y=fft(x,N);%进⾏fft变换22 mag=abs(y);%求幅值23 f=(0:length(y)-1)'*fs/length(y);%进⾏对应的频率转换24 figure(1);25 subplot(232);26 plot(f,mag);%做频谱图27 axis([0,100,0,80]);28 xlabel('频率(Hz)');29 ylabel('幅值');30 title('正弦信号y=2*pi*10t幅频谱图N=128');31 grid;3233 %求均⽅根谱34 sq=abs(y);35 figure(1);36 subplot(233);37 plot(f,sq);38 xlabel('频率(Hz)');39 ylabel('均⽅根谱');40 title('正弦信号y=2*pi*10t均⽅根谱');41 grid;4243 %求功率谱44 power=sq.^2;45 figure(1);46 subplot(234);47 plot(f,power);48 xlabel('频率(Hz)');49 ylabel('功率谱');50 title('正弦信号y=2*pi*10t功率谱');51 grid;5253 %求对数谱54 ln=log(sq);55 figure(1);56 subplot(235);57 plot(f,ln);58 xlabel('频率(Hz)');59 ylabel('对数谱');60 title('正弦信号y=2*pi*10t对数谱');61 grid;6263 %⽤IFFT恢复原始信号64 xifft=ifft(y);65 magx=real(xifft);66 ti=[0:length(xifft)-1]/fs;67 figure(1);68 subplot(236);69 plot(ti,magx);70 xlabel('t');71 ylabel('y');72 title('通过IFFT转换的正弦信号波形');73 grid;View Code执⾏结果如下图：(5)对矩形波做FFT频谱分析1 %****************2.矩形波****************%2 fs=10;%设定采样频率3 t=-5:0.1:5;4 x=rectpuls(t,2);5 x=x(1:99);6 figure(1);7 subplot(231); plot(t(1:99),x);%作矩形波的时域波形8 xlabel('t');9 ylabel('y');10 title('矩形波时域波形');11 grid;1213 %进⾏FFT变换并做频谱图14 y=fft(x);%进⾏fft变换15 mag=abs(y);%求幅值16 f=(0:length(y)-1)'*fs/length(y);%进⾏对应的频率转换17 figure(1);18 subplot(232);19 plot(f,mag);%做频谱图20 xlabel('频率(Hz)');21 ylabel('幅值');22 title('矩形波幅频谱图');23 grid;2425 %求均⽅根谱26 sq=abs(y);27 figure(1);28 subplot(233);29 plot(f,sq);30 xlabel('频率(Hz)');31 ylabel('均⽅根谱');32 title('矩形波均⽅根谱');33 grid;3435 %求功率谱36 power=sq.^2;37 figure(1);38 subplot(234);39 plot(f,power);40 xlabel('频率(Hz)');41 ylabel('功率谱');42 title('矩形波功率谱');43 grid;4445 %求对数谱46 ln=log(sq);47 figure(1);48 subplot(235);49 plot(f,ln);50 xlabel('频率(Hz)');51 ylabel('对数谱');52 title('矩形波对数谱');53 grid;5455 %⽤IFFT恢复原始信号56 xifft=ifft(y);57 magx=real(xifft);58 ti=[0:length(xifft)-1]/fs;59 figure(1);60 subplot(236);61 plot(ti,magx);62 xlabel('t');63 ylabel('y');64 title('通过IFFT转换的矩形波波形');65 grid;View Code执⾏结果如下图：(6)对⽩噪声做频谱分析1 %****************3.⽩噪声****************%2 fs=10;%设定采样频率3 t=-5:0.1:5;4 x=zeros(1,100);5 x(50)=100000;6 figure(1);7 subplot(231);8 plot(t(1:100),x);%作⽩噪声的时域波形9 xlabel('t');10 ylabel('y');11 title('⽩噪声时域波形');12 grid;1314 %进⾏FFT变换并做频谱图15 y=fft(x); %进⾏fft变换16 mag=abs(y);%求幅值17 f=(0:length(y)-1)'*fs/length(y);%进⾏对应的频率转换18 figure(1);19 subplot(232);20 plot(f,mag);%做频谱图21 xlabel('频率(Hz)');22 ylabel('幅值');23 title('⽩噪声幅频谱图');24 grid;2526 %求均⽅根谱27 sq=abs(y);28 figure(1);29 subplot(233);30 plot(f,sq);31 xlabel('频率(Hz)');32 ylabel('均⽅根谱');33 title('⽩噪声均⽅根谱');34 grid;3536 %求功率谱37 power=sq.^2;38 figure(1);39 subplot(234);40 plot(f,power);41 xlabel('频率(Hz)');42 ylabel('功率谱');43 title('⽩噪声功率谱');44 grid;4546 %求对数谱47 ln=log(sq);48 figure(1);49 subplot(235);50 plot(f,ln);51 xlabel('频率(Hz)');52 ylabel('对数谱');53 title('⽩噪声对数谱');54 grid;5556 %⽤IFFT恢复原始信号57 xifft=ifft(y);58 magx=real(xifft);59 ti=[0:length(xifft)-1]/fs;60 figure(1);61 subplot(236);62 plot(ti,magx);63 xlabel('t');64 ylabel('y');65 title('通过IFFT转换的⽩噪声波形');66 grid;View Code执⾏结果如下：。
如何使用Matlab技术进行频谱分析
如何使用Matlab技术进行频谱分析一、引言频谱分析是一种广泛应用于信号处理领域的重要技术，可以帮助我们了解信号的频率成分和能量分布情况。
Matlab作为一种强大的科学计算软件，提供了丰富的函数和工具包，能够方便快捷地进行频谱分析。
本文将介绍如何使用Matlab技术进行频谱分析，从数据处理到结果展示，将为读者提供全面的指导。
二、数据准备与导入首先，我们需要准备一组待分析的信号数据。
这可以是一个来自传感器的实时采集数据，也可以是从文件中读取的离线数据。
Matlab提供了多种数据导入函数，例如`csvread`函数可以导入CSV格式的数据文件，`load`函数可以导入Matlab的二进制数据文件。
三、时域分析在进行频谱分析之前，我们通常需要先对信号进行必要的时域分析。
这包括对信号进行采样、滤波、降噪等处理，以便获得更准确的频谱分析结果。
1. 采样：如果信号是以连续时间形式存在，我们需要首先对其进行采样。
Matlab提供了`resample`函数可以进行信号的采样，可以根据需要进行上采样或下采样操作。
2. 滤波：滤波是常用的信号处理方法之一，可以去除信号中的噪声以及不感兴趣的频率成分。
Matlab提供了多种滤波函数，例如`lowpass`函数可以进行低通滤波，`bandpass`函数可以进行带通滤波。
3. 降噪：在一些实际应用场景中，信号可能受到各种干扰和噪声的影响。
在进行频谱分析之前，我们需要对信号进行降噪处理，以获得准确的频谱结果。
Matlab提供了`denoise`函数可以进行信号的降噪处理，例如小波降噪、基于稀疏表示的降噪等。
四、频谱分析方法频谱分析是指对信号的频率成分进行分析和研究的过程。
常见的频谱分析方法有傅里叶变换、功率谱估计、自相关函数等。
1. 傅里叶变换：傅里叶变换是频谱分析的基础方法之一，可以将信号从时间域转换到频域。
Matlab提供了`fft`函数用于计算离散傅里叶变换（DFT），可以得到信号的频谱图。
利用MATLAB软件对音频信号进行频谱分析与处理
利用MATLAB软件对音频信号进行频谱分析与处理一、简介频谱分析是通过对信号的频率成分进行分析，它允许我们了解信号的特性，计算信号的能量分布，同时还可以用来定位造成干扰的频率组件，以及检测和分析信号的变化。
MATLAB是一种编程语言和科学计算软件，它可以非常便捷地实现对音频信号的频谱分析和处理。
二、实现方法1.导入音频信号在使用MATLAB进行频谱分析时，首先需要先将音频信号导入MATLAB环境中。
可以使用audioplayer和audioread函数来完成这一步骤，示例代码如下：[audioData, fs] = audioread(‘AudioFile.wav’);player = audioplayer(audioData, fs);play(player);其中audioData表示从wav文件中读取的音频数据，fs表示采样率，player表示存储audioData和fs的audioplayer实例，play函数可以播放音频文件。
2.信号预处理针对所记录的音频信号，需要进行一些基本的信号处理操作，包括去噪、均衡、时域平均等。
去噪可以用MATLAB内置的函数完成，例如：audioData_NoiseRemoved = denoise(audioData,‘meanspectrum’);均衡是指将频谱的一些区域调整到更好的水平，可以用equalizer函数实现：audioData_Equalized = equalizer(audioData, ‘bandwidth’, 0.2);时域平均则可以使用conv函数实现：audioData_Meaned = conv(audioData, [1/N 1/N ... 1/N]);3.频谱分析频谱分析的主要工作是计算信号的谱密度，也就是每一个频率分量的能量。
如何使用Matlab进行信号处理和滤波
如何使用Matlab进行信号处理和滤波信号处理和滤波在工程领域中扮演着重要的角色，它们可以帮助我们从一系列的数据中提取有用的信息，并消除噪声。
Matlab作为一种强大的工具，提供了丰富的函数和工具箱，可以方便地进行信号处理和滤波。
本文将介绍如何使用Matlab进行信号处理和滤波的基本方法，并使用实例进行演示。
一、Matlab的信号处理工具箱Matlab的信号处理工具箱是一个强大的工具集，它包含了许多用于处理各种类型信号的函数和算法。
通过引入信号处理工具箱，我们可以方便地处理音频、图像和视频信号，并进行频域分析、滤波和解调等操作。
在Matlab中，可以使用命令"toolbox"来查看已安装的工具箱，对于信号处理，我们需要确保已经安装了"Signal Processing Toolbox"。
如果没有安装，可以通过访问Matlab官方网站下载并安装。
二、信号处理的基本操作1. 读取和显示信号在进行信号处理之前，首先需要将信号加载进Matlab中。
可以使用函数"audioread"来读取音频信号，例如读取一个.wav格式的音频文件：```[x,Fs] = audioread('audio.wav');```其中，x是音频信号的数据，Fs是信号的采样率。
读取完成后，可以使用函数"soundsc"来播放信号，并使用函数"plot"来绘制信号的波形图：```soundsc(x,Fs);plot(x);```2. 频谱分析频谱分析可以帮助我们了解信号的频率特性。
在Matlab中，可以使用函数"fft"进行快速傅里叶变换（FFT），将信号从时域转换到频域。
例如，对于上文中读取的音频信号x，可以使用以下代码计算其频谱：```X = fft(x);```频谱的结果是一个复数向量，表示信号在不同频率上的幅值和相位。
- 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)。
应用MATLAB对信号进行频谱分析及滤波fs=input('please input the fs:');%设定采样频率
N=input('please input the N:');%设定数据长度
t=0:0.001:1;
f=100;%设定正弦信号频率
%生成正弦信号
x=sin(2*pi*f*t);
figure(1);
subplot(211);
plot(t,x);%作正弦信号的时域波形
axis([0,0.1,-1,1]);
title('正弦信号时域波形');
z=square(50*t);
subplot(212)
plot(t,z)
axis([0,1,-2,2]);
title('方波信号时域波形');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:N-1)*fs/N;%横坐标频率的表达式为f=(0:M-1)*Fs/M; figure(2);
subplot(211);
plot(f,mag);%做频谱图
axis([0,1000,0,200]);
title('正弦信号幅频谱图');
y1=fft(z,N);%进行fft变换
mag=abs(y1);%求幅值
f=(0:N-1)*fs/N;%横坐标频率的表达式为f=(0:M-1)*Fs/M; subplot(212);
plot(f,mag);%做频谱图
axis([0,1000,0,200]);
title('方波信号幅频谱图');grid;
%求功率谱
sq=abs(y);
power=sq.^2;
figure(3)
subplot(211);
plot(f,power);
title('正弦信号功率谱');grid;
sq1=abs(y1);
power1=sq1.^2;
subplot(212);
plot(f,power1);
title('方波信号功率谱');grid;
%用IFFT恢复原始信号
xifft=ifft(y);
magx=real(xifft);
ti=[0:length(xifft)-1]/fs;
figure(4);
subplot(211);
plot(ti,magx);
axis([0,0.1,-1,1]);
title('通过IFFT转换的正弦信号波形');
zifft=ifft(y1);
magz=real(zifft);
ti1=[0:length(zifft)-1]/fs;
subplot(212);
plot(ti1,magz);
title('通过IFFT转换的方波信号波形');grid; please input the fs:1000
please input the N:1024。