数字信号处理实验五-用FFT做频谱分析

合集下载

数字信号处理实验报告_完整版

数字信号处理实验报告_完整版

实验1 利用DFT 分析信号频谱一、实验目的1.加深对DFT 原理的理解。

2.应用DFT 分析信号的频谱。

3.深刻理解利用DFT 分析信号频谱的原理,分析实现过程中出现的现象及解决方法。

二、实验设备与环境 计算机、MATLAB 软件环境 三、实验基础理论1.DFT 与DTFT 的关系有限长序列 的离散时间傅里叶变换 在频率区间 的N 个等间隔分布的点 上的N 个取样值可以由下式表示:212/0()|()()01N jkn j Nk N k X e x n eX k k N πωωπ--====≤≤-∑由上式可知,序列 的N 点DFT ,实际上就是 序列的DTFT 在N 个等间隔频率点 上样本 。

2.利用DFT 求DTFT方法1:由恢复出的方法如下:由图2.1所示流程可知:101()()()N j j nkn j nN n n k X e x n eX k W e N ωωω∞∞----=-∞=-∞=⎡⎤==⎢⎥⎣⎦∑∑∑ 由上式可以得到:IDFTDTFT( )12()()()Nj k kX e X k Nωπφω==-∑ 其中为内插函数12sin(/2)()sin(/2)N j N x eN ωωφω--= 方法2:实际在MATLAB 计算中,上述插值运算不见得是最好的办法。

由于DFT 是DTFT 的取样值,其相邻两个频率样本点的间距为2π/N ,所以如果我们增加数据的长度N ,使得到的DFT 谱线就更加精细,其包络就越接近DTFT 的结果,这样就可以利用DFT 计算DTFT 。

如果没有更多的数据,可以通过补零来增加数据长度。

3.利用DFT 分析连续信号的频谱采用计算机分析连续时间信号的频谱,第一步就是把连续信号离散化,这里需要进行两个操作:一是采样,二是截断。

对于连续时间非周期信号,按采样间隔T 进行采样,阶段长度M ,那么:1()()()M j tj nT a a a n X j x t edt T x nT e ∞--Ω-Ω=-∞Ω==∑⎰对进行N 点频域采样,得到2120()|()()M jkn Na a M kn NTX j T x nT eTX k ππ--Ω==Ω==∑因此,可以将利用DFT 分析连续非周期信号频谱的步骤归纳如下: (1)确定时域采样间隔T ,得到离散序列(2)确定截取长度M ,得到M 点离散序列,这里为窗函数。

实验应用FFT对信号进行频谱分析

实验应用FFT对信号进行频谱分析

20090401310074 海南大学实验二 应用FFT 对信号进行频谱分析一、实验目的1、进一步加深DFT 算法原理和基本性质的理解(因为FFT 只是DFT 的一种快速算法, 所以FFT 的运算结果必然满足DFT 的基本性质)。

2、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,以便在实际中正确应用FFT 。

二、实验原理i.模拟信号频率Ω和采样得到的数字信号频率ω的关系:/s T f ω=Ω=Ωii.DTFT 与对应的理想采样信号的频谱之间的对应关系为:|^()()jw a T X j X e ω=ΩΩ=即DTFT 与FT 的关系为:12()[()]j a r X e X j r T T Tωωπ∞=-∞=-∑就是说,只要知道了采样序列的频谱,就可以得到相应的连续信号的频谱。

(满足耐奎斯特采样定理)iii.DFT 是对离散时间序列的频域采样,是对ZT 上单位圆上的均匀采样,或者是DTFT 上[0,2]π的等间距采样。

当满足频域的采样定理时,便可以由频域的采样值恢复ZT 或者是DTFT 。

所以能用DFT 对信号进行频谱分析。

当采样的点数足够时,便能用它的包络作为模拟信号的近似谱。

近似的过程中,可能会有混叠现象,泄露现象和栅栏效应这三种误差。

iv.离散傅立叶变换DFT :10()(),0,1,2...,1N nkN n X k x n W k N -===-∑[]101()()(),0,1,2...,1N nkN n x n IDFT X k X k W n N N --====-∑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,因此借助FFT 来实现IFFT.三、实验内容和结果:1. 高斯序列的时域和频域特性:高斯序列的时域表达式:2(),015()0,n p q a e n x n -⎧⎪≤≤=⎨⎪⎩其它i. 固定参数p=8,改变参数q 的值,记录时域和频域的特性如下图。

实验五 利用DFT分析模拟信号频谱

实验五 利用DFT分析模拟信号频谱
k=0:N-1;
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。

利用FFT对信号进行频谱分析

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。

实验五 用FFT对信号做频谱分析(数字信号实验)

实验五  用FFT对信号做频谱分析(数字信号实验)

备注:(1)、按照要求独立完成实验内容。

(2)、实验结束后,把电子版实验报告按要求格式改名,由实验教师批阅记录后;实验室统一刻盘留档。

实验五 用FFT 对信号做频谱分析一、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 。

二、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 ,因此要求 。

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。

三、实验内容(包括代码与产生的图形及分析讨论)1. 对以下序列进行谱分析:1423()()1,03()8,470, 4,03()3,470, x n R n n n x n n n n n n x n n n n=+≤≤⎧⎪=-≤≤⎨⎪⎩-≤≤⎧⎪=-≤≤⎨⎪⎩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。

解:(1))(1n x 代码如下:x1n=[ones(1,4)]; X1k8=fft(x1n,8); X1k16=fft(x1n,16); subplot(2,1,1);mstem(X1k8);title('(1a) 8µãDFT[x_1(n)]');xlabel('¦Ø/¦Ð');ylabel('·ù¶È'); axis([0,2,0,1.2*max(abs(X1k8))]) subplot(2,1,2);mstem(X1k16);title('(1b)16µãDFT[x_1(n)]');xlabel('¦Ø/¦Ð');ylabel('·ù¶È'); axis([0,2,0,1.2*max(abs(X1k16))])图形如下:ω/π幅度(1a) 8点DFT[x 1(n)]ω/π幅度(1b)16点DFT[x 1(n)](2))(2n x 代码如下:M=8;xa=1:(M/2); xb=(M/2):-1:1; x2n=[xa,xb];X2k8=fft(x2n,8); X2k16=fft(x2n,16); subplot(2,1,1);mstem(X2k8);title('(2a) 8点DFT[x_2(n)]');xlabel('ω/π');ylabel('幅度'); axis([0,2,0,1.2*max(abs(X2k8))]) subplot(2,1,2);mstem(X2k16);title('(2b)16点DFT[x_2(n)]');xlabel('ω/π');ylabel('幅度'); axis([0,2,0,1.2*max(abs(X2k16))])图形如下:ω/π幅度(2a) 8点DFT[x 2(n)]ω/π幅度(2b)16点DFT[x 2(n)](3))(3n x 代码如下:x3n=[xb,xa];X3k8=fft(x3n,8); X3k16=fft(x3n,16); subplot(2,1,1);mstem(X3k8);title('(3a) 8点DFT[x_3(n)]');xlabel('ω/π');ylabel('幅度'); axis([0,2,0,1.2*max(abs(X3k8))]) subplot(2,1,2);mstem(X3k16);title('(3b)16点DFT[x_3(n)]');xlabel('ω/π');ylabel('幅度'); axis([0,2,0,1.2*max(abs(X3k16))])图形如下:ω/π幅度(3a) 8点DFT[x 3(n)]ω/π幅度(3b)16点DFT[x 3(n)]2.对以下周期序列进行谱分析: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。

数字信号处理实验五 用FFT做 频谱分析

数字信号处理实验五 用FFT做    频谱分析
title('采样周期' end end
波形如下:
波形如下:
(2) 用FFT计算下面连续信号的频谱,并观察选择不 同的采样周期Ts和序列长度N值对频谱特性的影响: 程序如下:
clear;close all fs=4;T=1/fs; Tp=4;N=Tp*fs; N1=[N,4*N,8*N]; T1=[T,2*T,4*T]; for m=1:3
n=1:N1(m); x1=exp(-0.01*T); x2=sin(2*n*T)+sin(2.1*n*T)+sin(2.2*n*T); x=x1*x2; xk=fft(x,51) fk=[0:50]/51/T subplot(3,2,2*m-1); stem(fk,abs(xk)/max(abs(xk)),'k.'); xlabel(T1(m)); ylabel(N1(m)); if m==1
实验内容: (1)已知有限长序列x(n)=[1,0.5,0,0.5,1,1,0.5,0],要求: 用FFT求该序列的DFT、IDFT的图形。 程序如下:
xn=[1,0.5,0,0.5,1,1,0.5,0]; n=length(xn); k=0:n-1; subplot(2,2,1); stem(k,xn,'k.'); title('x(n)'); Xk=fft(xn,n); subplot(2,1,2); stem(k,abs(Xk)); title('Xk=DFT(xn)'); xn1=ifft(Xk,n); subplot(2,2,2);
title('序列长度') end end for m=1:3 n=1:14; x1=exp(-0.01*T1(m)); x2=sin(2*n*T1(m))+sin(2.1*n*T1(m))+sin(2.2*n*T1(m)); x=x1*x2; xk=fft(x,51) fk=[0:50]/51/T subplot(3,2,2*m); stem(fk,abs(xk)/max(abs(xk)),'k.'); xlabel(T1(m)); ylabel(N1(m)); if m==1

用FFT对信号作频谱分析

用FFT对信号作频谱分析

实验二用FFT对信号作频谱分析一、实验目的(1)学习使用FFT对模拟信号和时域离散信号进行频谱分析的方法(2)了解可能出现的分析误差及其原因,以便正确应用FFT二、实验内容:(1)根据参考资料使用FFT进行谐波分析;利用函数生成一组数据,用以模拟电力现场的测量数据,使用FFT对其进行频谱分析;程序:clearfs=1000;t=0:1/fs:0.6;f1=100;f2=300;x1=sin(2*pi*f1*t); %正弦信号x1x2=sin(2*pi*f2*t); %正弦信号x2x=x1+x2;l=length(x);xx=x+randn(1,l); %叠加随机噪声信号figure(1)subplot(7,1,1)plot(x1);subplot(7,1,2)plot(x2);subplot(7,1,3)plot(x);subplot(7,1,4)plot(xx);number=512;y=fft(x,number); %对x取512点的快速傅里叶变换n=0:length(y)-1;f=fs*n/length(y);subplot(7,1,5)plot(f,abs(y));yy=fft(xx,number); %对xx取512点的快速傅里叶变换subplot(7,1,6)plot(f,abs(yy));pyy=y.*conj(y)/number; %y的能量subplot(7,1,7)plot(f,abs(pyy));实验结果见附图1(2)使用操作系统自带的录音机,录制各种声音,保存成.wav文件;将该声音文件读入(采样保存到)某矩阵中,对该采样信号使用FFT进行频谱分析,比较各种语音信号所包含的频谱成分及频率范围。

程序:number=512;fs=1000;x=wavread('你自己的音频名,如a.wav');%读取音频文件y=fft(x,number); %对x取512点的傅里叶变换n=0:length(y)-1;f=fs*n/length(y);subplot(2,1,1)plot(f,abs(y));pyy=y.*conj(y)/number; %y的能量subplot(2,1,2)plot(f,abs(pyy));实验结果见附图2三、实验结论由实验结果可以看出,实验得到了FFT对模拟信号和时域离散信号进行频谱分析的结果。

用fft对信号作频谱分析的程序

用fft对信号作频谱分析的程序

用fft对信号作频谱分析的程序实验(1)function shiyan1x1=[1,1,1,1];n1=0:3;n2=4:7;xa=n1+1;xb=8-n2;x2=[xa,xb];xa1=4-n1;xb1=n2-3;x3=[xa1,xb1];X18=fft(x1,8);k1=0:8-1;subplot(3,2,1);stem(k1,abs(X18),'.'); axis([0,8,0,1.2*max(abs(X18))]); title('8点DFT[x1]');ylabel('幅度');X116=fft(x1,16);k2=0:16-1;subplot(3,2,2);stem(k2,abs(X116),'.'); axis([0,16,0,1.2*max(abs(X116))]); title('16点DFT[x1]');ylabel('幅度');X28=fft(x2,8);subplot(3,2,3);stem(k1,abs(X28),'.'); axis([0,8,0,1.2*max(abs(X28))]); title('8点DFT[x2]');ylabel('幅度');X216=fft(x2,16);subplot(3,2,4);stem(k2,abs(X216),'.'); axis([0,16,0,1.2*max(abs(X216))]); title('16点DFT[x2]');ylabel('幅度');X38=fft(x3,8);subplot(3,2,5);stem(k1,abs(X38),'.'); axis([0,8,0,1.2*max(abs(X38))]); title('8点DFT[x3]');ylabel('幅度');X316=fft(x3,16);subplot(3,2,6);stem(k2,abs(X316),'.'); axis([0,16,0,1.2*max(abs(X316))]); title('16点DFT[x3]');ylabel('幅度');实验(2)function shiyan2n1=0:8-1;n2=0:16-1;x48=cos(pi/4*n1);x58=cos(pi/4*n1)+cos(pi/8*n1); x416=cos(pi/4*n2);x516=cos(pi/4*n2)+cos(pi/8*n2);X48=fft(x48,8);X416=fft(x416,16);X58=fft(x58,8);X516=fft(x516,16);k1=0:8-1;k2=0:16-1;subplot(2,2,1);stem(k1,abs(X48),'.'); axis([0,8,0,5]);title('8点DFT[x4]');ylabel('幅度');subplot(2,2,2);stem(k2,abs(X416),'.'); axis([0,16,0,10]); title('16点DFT[x4]');ylabel('幅度');subplot(2,2,3);stem(k1,abs(X58),'.'); axis([0,8,0,10]);title('8点DFT[x5]');ylabel('幅度');subplot(2,2,4);stem(k2,abs(X516),'.'); axis([0,16,0,10]); title('16点DFT[x5]');ylabel('幅度');实验(3)function shiyan3Fs=64;T=1/Fs;N1=16;N2=32;N3=64;n1=0:N1-1;n2=0:N2-1;n3=0:N3-1;x816=cos(8*pi*n1*T)+cos(16*pi*n1*T)+cos(20*pi*n1*T); x832=cos(8*pi*n2*T)+cos(16*pi*n2*T)+cos(20*pi*n2*T); x864=cos(8*pi*n3*T)+cos(16*pi*n3*T)+cos(20*pi*n3*T); X816=fft(x816,16);X816=fftshift(X816);X832=fft(x832,32);X832=fftshift(X832);X864=fft(x864,64);X864=fftshift(X864);Tp=N1*T;F=1/Tp;k=-N1/2:N1/2-1;fk=k*F;subplot(3,1,1);stem(fk,abs(X816),'.'); title('16点DFTx8');xlabel('f(Hz)');ylabel('幅度');Tp=N2*T;F=1/Tp;k=-N2/2:N2/2-1;fk=k*F;subplot(3,1,2);stem(fk,abs(X832),'.'); title('32点DFTX8');xlabel('f(Hz)');ylabel('幅度');Tp=N3*T;F=1/Tp;k=-N3/2:N3/2-1;fk=k*F;subplot(3,1,3);stem(fk,abs(X864),'.'); title('64点DFTX8');xlabel('f(Hz)');ylabel('幅度');。

  1. 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. 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. 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)。

数字信号处理实验五
用FFT做频谱分析
实验目的:
(1)通过本实验,加深对DTFT和IDFT以及DFT和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实现两个序列线性卷积的方法
(5)初步了解用周期图法做随机信号频谱分析的方法
实验内容:
(1)已知有限长序列x(n)=[1,0.5,0,0.5,1,1,0.5,0],要求:用FFT求该序列的DFT、IDFT的图形。

程序如下:
xn=[1,0.5,0,0.5,1,1,0.5,0];
n=length(xn);
k=0:n-1;
subplot(2,2,1);
stem(k,xn,'k.');
title('x(n)');
Xk=fft(xn,n);
subplot(2,1,2);
stem(k,abs(Xk));
title('Xk=DFT(xn)');
xn1=ifft(Xk,n);
subplot(2,2,2);
stem(k,xn1);
title('x(n)=IDFT(Xk)');
波形如下:
假设采样频率Fs=20Hz,序列长度N分别取8、32和64,用FFT计算幅度谱和相位谱。

程序如下:
clear;close all
fs=20;
T=1/fs;
N=[8,32,64];
for m=1:3
x=[1,0.5,0,0.5,1,1,0.5,0];
x1=fft(x,N(m));
x2=ifft(x,N(m));
subplot(3,2,2*m-1);
stem([0:N(m)-1],abs(x1),'o');
title('幅度谱');
subplot(3,2,2*m);
stem([0:N(m)-1],abs(x2),'o');
title('相位谱');
end
波形如下:
(2)用FFT计算下面连续信号的频谱,并观察选择不同的采样周期Ts和序列长度N值对频谱特性的影响:
=-t
+
t
+
t
x e t
t
t
(sin
2.2
),
sin
1.2
2
sin
)(01.0≥
a
程序如下:
clear;close all
fs=4;T=1/fs;
Tp=4;N=Tp*fs;
N1=[N,4*N,8*N];
T1=[T,2*T,4*T];
for m=1:3
n=1:N1(m);
x1=exp(-0.01*T);
x2=sin(2*n*T)+sin(2.1*n*T)+sin(2.2*n*T);
x=x1*x2;
xk=fft(x,51)
fk=[0:50]/51/T
subplot(3,2,2*m-1);
stem(fk,abs(xk)/max(abs(xk)),'k.');
xlabel(T1(m));
ylabel(N1(m));
if m==1
title('序列长度')
end
end
for m=1:3
n=1:14;
x1=exp(-0.01*T1(m));
x2=sin(2*n*T1(m))+sin(2.1*n*T1(m))+sin(2.2*n*T1(m)); x=x1*x2;
xk=fft(x,51)
fk=[0:50]/51/T
subplot(3,2,2*m);
stem(fk,abs(xk)/max(abs(xk)),'k.');
xlabel(T1(m));
ylabel(N1(m));
if m==1
title('采样周期')
end
end
波形如下:
(注:可编辑下载,若有不当之处,请指正,谢谢!)。

相关文档
最新文档