周期信号的合成与分解

本次试验中实现了使用 MATLAB 来进行信号的合成与分解、观察 Gibbs 现象、绘制频谱图，掌握一定的数字信号处理的方法和技巧，加深对信号与 系统的理解。 MATLAB 的应用说明掌握一个好的数学工具能使解决工程技术问 题变得简洁明了。
七、教师评语
三、主要仪器设备
MATLAB（软件）
四、实验内容
1． 周期对称方波信号的合成
图1 奇 对称的周期方波信号
图示方波既是一个奇对称信号，又是一个奇谐信号。根据函数的对称性 与傅里叶系数的关系可知，它可以用无穷个奇次谐波分量的傅里叶级数来表 示: 2E f t = π
∞
sin 2π 2������ + 1 ������0 ������ ∙
T1 1
分量称为基波，频率为 nf1 的分量成为 n 次谐波。周期信号的频谱只会出 现在 0，ω 1，2ω 1，3ω 1，…，nω 1 等离散的频率点上，这种频谱称为离散谱， 是周期信号频谱的主要特点。f ������ 波形变化越剧烈，所包含的高频分量的比 重就越大；变化越平缓，所包含的低频分量的比重就越大。 一般来说，将周期信号分解得到的三角函数形式的傅里叶级数的项数是 无限的。也就是说，通常只有无穷项的傅里叶级数才能与原函数精确相等。
xlabel('w') ylabel('F(w)') 显示结果如图 5 所示
图5
奇对称方波信号频谱
偶对称三角信号频谱 MATLAB 程序如下： %偶对称三角信号频谱 Fs = 1000; T = 1/Fs; L = 1000; t = (0:L-1)*T; y=3; for i=1:100 y=y+shishu*cos((2*i-1)*100*pi*t)/((2*i-1)*(2*i-1)); end % Sampling frequency % Sample time % Length of signal % Time vector
plot(t,y); axis([0,0.04,-4,4]); xlabel('time'); ylabel('前 5 项有限级数'); y=0; for i=1:6 y=y+shishu*(sin((2*i-1)*100*pi*t)/(2*i-1)); end subplot(222); plot(t,y); axis([0,0.04,-4,4]); xlabel('time'); ylabel('前 6 项有限级数'); y=0; for i=1:7 y=y+shishu*(sin((2*i-1)*100*pi*t)/(2*i-1)); end subplot(223) plot(t,y); axis([0,0.04,-4,4]); xlabel('time'); ylabel('前 7 项有限级数');
axis([0,0.1,-4,4]); xlabel('time'); ylabel('前 5 项有限级数'); t=0:0.001:0.1; y=0; for i=1:100 y=y+sh ishu*(sin((2*i-1)*100*pi*t)/(2*i-1)); end subplot(224); plot(t,y); axis([0,0.1,-4,4]); xlabel('time'); ylabel('前 100 项有限级数');
������ =0
1 2������ + 1
选取奇对称周期方波的周期 T= 0 .02 s
，幅度 E =6，采用有限项级数替
代无限项级数来逼近该函数。 分别取前 1、 2、 5 和 100 项有限级数来近似， 编写程序并把结果显示在一幅图中，观察它们逼近方波的过程。 MATLAB 程序如下： %奇对称方波合成 t=0:0.001:0.1; shishu=12/pi; y=shishu*sin(100*pi*t); subplot(221) plot(t,y); axis([0,0.1,-4,4]); xlabel('time'); ylabel('前 1 项有限级数'); y=shishu*(sin(100*pi*t)+sin(3*100*pi*t)/3); subplot(222); plot(t,y); axis([0,0.1,-4,4]); xlabel('time'); ylabel('前 2 项有限级数'); y=shishu*(sin(100*pi*t)+sin(3*100*pi*t)/3+sin(5*100*pi*t)/5+sin(7* 100*pi*t)/7+sin(9*100*pi*t)/9); subplot(223) plot(t,y);
xlabel('time'); ylabel('前5项有限级数'); t=0:0.001:0.1; y=0; for i=1:100 y=y+shishu*cos((2*i-1)*100*pi*t)/((2*i-1)*(2*i-1)); end subplot(224); plot(t,y+3); axis([0,0.1,0,6]); xlabel('time'); ylabel('前100项有限级数'); 显示结果如图4所示
显示结果如图 2 所示。
图2
奇对称方波信号的合成
2．观察 Gibbs 现象 分别取前 10、 20、 30 和 40 项有限级数来逼近奇对称方波， 观察 Gibbs 现象。 MATLAB 程序如下： %观察 Gibbs 现象 t=0:0.001:0.04; shishu=12/pi; y=0; for i=1:5 y=y+shishu*(sin((2*i-1)*100*pi*t)/(2*i-1)); end subplot(221)
y=0; for i=1:8 y=y+shishu*(sin((2*i-1)*100*pi*t)/(2*i-1)); end subplot(224); plot(t,y); axis([0,0.04,-4,4]); xlabel('time'); ylabel('前 8 项有限级数');
显示结果如图 3 所示。
图6 偶对称三角信号频谱
五、 实验结论 1、 从奇对称方波信号的频谱图可看出，奇对称方波信号只含奇次谐波
分量，不含偶次谐波分量。
2、 拟合项数越多，图像越接近原始图像。 3、 Gibbs 现象的上冲值在级数达到 3 时基本稳定在 9%。时域图像的转
折点在频域图像上表现为频谱尖峰。
六、 实验效果分析
图 3 Gibbs 现象
3．周期对称三角信号的合成 设计采用有限项级数逼近偶对称周期三角信号的实验，编制程序并显示
结果。 MATLAB 程序如下： %周期对称三角波合成 t=0:0.001:0.1; shishu=24/(pi*pi); y=3+shishu*cos(100*pi*t); subplot(221) plot(t,y); axis([0,0.1,0,6]); xlabel('time'); ylabel('前1项有限级数'); y=3+shishu*(cos(100*pi*t)+cos(3*100*pi*t)/9)+cos(5*100*pi*t)/25; subplot(222); plot(t,y); axis([0,0.1,0,6]); xlabel('time'); ylabel('前3项有限级数'); y=3+shishu*(cos(100*pi*t)+cos(3*100*pi*t)/9+cos(5*100*pi*t)/25+cos (7*100*pi*t)/49+cos(9*100*pi*t)/81); subplot(223) plot(t,y); axis([0,0.1,0,6]);
plot(Fs*t(1:50),y(1:50)) title('偶对称三角信号频谱') xlabel('w') NFFT = 2^nextpow2(L); % Next power of 2 from length of y Y = fft(y,NFFT)/L; f = Fs/2*linspace(0,1,NFFT/2+1); % Plot single-sided amplitude spectrum. stem(f,2*abs(Y(1:NFFT/2+1))) title('偶对称三角信号频谱') xlabel('w') ylabel('F(w)') 显示结果如图6
图4 偶对称周期三角信号
4．周期信号的频谱 分析奇对称方波信号与偶对称三角信号的频谱，编制程序并显示结果， 深入讨论周期信号的频谱特点和两信号频谱的差异。 奇对称方波信号频谱 MATLAB 程序如下： %奇对称方波信号 Fs = 1000; T = 1/Fs; L = 1000; t = (0:L-1)*T; y=0; for i=1:100 y=y+shishu*(sin((2*i-1)*100*pi*t)/(2*i-1)); end plot(Fs*t(1:50),y(1:50)) title('奇对称方波信号频谱') xlabel('w') NFFT = 2^nextpow2(L); % Next power of 2 from length of y Y = fft(y,NFFT)/L; f = Fs/2*linspace(0,1,NFFT/2+1); stem(f,2*abs(Y(1:NFFT/2+1))) title('奇对称方波信号频谱') % Sampling frequency % Sample time % Length of signal % Time vector