数字信号处理上机实验.docx
《数字信号处理上机实验.docx》由会员分享,可在线阅读,更多相关《数字信号处理上机实验.docx(24页珍藏版)》请在冰豆网上搜索。
![数字信号处理上机实验.docx](https://file1.bdocx.com/fileroot1/2022-10/12/29e6e9ce-6be0-4fcf-959f-c2c3e9486d91/29e6e9ce-6be0-4fcf-959f-c2c3e9486d911.gif)
数字信号处理上机实验
实验1抽样定理的实验体会
实验内容:
把下述三个连续时间信号转换成离散时间信号,在计算机上绘出的图形。
为抽样频率。
自行依次选取不同的抽样频率,如等。
(1)工频信号:
,,
Dt=0.00005;t=-0.005:
Dt:
0.05;
A=220;
fo=50;
xa=A*sin(2*pi*fo*t);
Ts=0.04;n=-25:
1:
25;
x=A*sin(2*pi*fo*n*Ts);
stem(n,x,'fill');
gridon;
图1.1fs=25Hz时的图形
图1.2fs=50Hz时的图形
图1.3fs=100Hz时的图形
图1.3fs=250Hz时的图形
(2)衰减正弦信号:
,,,
Dt=0.00005;t=-0.005:
Dt:
0.05;
A=2;a=0.5;fo=2;
xa=A*exp(-a*t).*sin(2*pi*fo*t);
Ts=1;n=-25:
1:
25;
x=A*exp(-a*n*Ts).*sin(2*pi*fo*n*Ts);
stem(n,x,'fill');
gridon;
图2.1fs=1Hz时的图形
图2.2fs=2Hz时的图形
图2.3fs=4Hz时的图形
图2.4fs=10Hz时的图形
(3)谐波信号:
,,,,
Dt=0.00005;t=-0.005:
Dt:
0.05;
A1=1;A2=0.5;A3=0.2;fo=5;
xa=A1*sin(2*pi*fo*t)+A2*sin(2*pi*fo*2*t)+A3*sin(2*pi*pi*3*t);
Ts=0.4;n=-25:
1:
25;
x=A1*sin(2*pi*fo*n*Ts)+A2*sin(2*pi*fo*2*n*Ts)+A3*sin(2*pi*pi*3*n*Ts);
stem(n,x,'fill');
gridon;
图3.1fs=2.5Hz时的图
图3.2fs=5Hz时的图形
图3.3fs=10Hz时的图形
图3.4fs=25Hz时的图形
实验2离散信号的DTFT和DFT
实验内容:
分别计算16点序列的16点和32点DFT,绘出幅度谱图形,并绘出该序列的DTFT图形。
实验要求:
讨论DTFT和DFT之间的互相关系。
说明实验产生的现象的原因。
N1=16;N2=32;
n1=0:
N1-1;
n2=0:
N2-1;
Xn=cos(5*pi*n/16);
x1k=fft(Xn,N1);
x2k=fft(Xn,N2);
subplot(2,1,1);stem(n1,abs(x1k),'.');axis([0,40,0,40]);ylabel('|x1(k)|')
title('16点的DFT[Xn]')
subplot(2,1,2);stem(n2,abs(x2k),'.');axis([0,40,0,40]);ylabel('|x2(k)|')
title('32点的DFT[Xn]')
图1根本序列的离散傅里叶变换
num=[10.556-0.383-0.981-0.7070.1950.9240.8310-0.831-0.924-0.1950.7070.9810.383-0.556];
den=[1];
[h,w]=freqz(num,den,256,'whole',1);
plot(w,abs(h));
图2序列的DTFT图形
DTFT和DFT之间的互相关系:
DFT可以看做DTFT在区间[0,2π]上的N点等间隔采样值,其采样间隔为ωN=2π/N,这就是DFT的物理意义。
显而易见,DFT的变换区间长度N不同,表示对X(ejω)在区间[0,2π]上的采样间隔和采样点数不同,所以DFT的变换结果也不同。
实验3正弦信号抽样的实验
给定信号,现对x(t)抽样,设抽样点数N=16.我们知道正弦信号的频谱是在处的函数,将x(t)抽样变成x(n)后,假设抽样率及数据长度N获得适宜,那么x(n)的DFT也应是在处的函数,由Parseval定理,有
表示x(n)的DFT在50Hz处的谱线,假设上式不等,说明X(k)在频域有泄露。
给定以下抽样频率〔a〕,〔a〕,〔c〕,〔1〕分别得到x(n)及计算其X(k),并用Parseval定理研究其泄露情况;
〔2〕当取,N=16时,在抽样点后面再补N个零,得到,这时是32点序列,求的DFT,观察正弦信号补零的影响。
〔3〕观察抽样得到x(n)及X(k),总结对正弦信号抽样应掌握的原那么;
〔1〕f=1;
fs=2;
n1=[0:
1:
15];
f1=fs/length(n1);
xa1=sin(2*pi*n1/fs);
forn=1:
1:
16
a(n)=xa1(n)*xa1(n);
t=a(n)
end
subplot(2,1,1)
stem(n1,xa1)
xlabel('n');ylabel('x(n)');
xk1=fft(xa1);
xk1=abs(xk1);
subplot(2,1,2)
stem(n1*f1,xk1);
xlabel('f');ylabel('X(k)');
当fs=2时,t=01.4998e-325.9990e-321.3498e-312.3996e-313.7494e-315.3991e-317.3488e-319.5985e-311.2148e-301.4998e-302.4008e-292.1597e-303.8442e-302.9395e-302.9049e-29
同理可得fs=3,fs=4时的t值。
经计算知当fs=2或fs=3时,Et不等于Ef,由Parseval定理知X(k)在频域有泄漏;当fs=4时,Et等于Ef,X(k)不存在频域的泄漏。
\
图1fs=2时X〔n〕及X〔k〕的图形
图2fs=3时X〔n〕及X〔k〕的图形
图3fs=4时X〔n〕及X〔k〕的图形
〔2〕M=1;
N1=length(n1);
z=zeros(1,M*N1);
N=(M+1)*N1;
n3=[0:
1:
N-1];
f3=8/N;
x=[xa1,z];
figure
(2);
subplot(2,2,1);
stem(n1,xa1);
xlabel('n');ylabel('x(n)');
subplot(2,2,2);
stem(n1*f1,xk1);
xlabel('f');ylabel('X(k)');
subplot(2,2,3)
stem(n3,x);
xlabel('n');ylabel('x(n)');
subplot(2,2,4);
xk=fft(x,N);
xk=abs(xk);
stem(n3*f3,xk)
xlabel('f');ylabel('X(k)
有图可知,对正弦信号抽样补零后,X(k)发生了频域的泄漏。
〔3〕对正弦信号抽样应掌握的原那么:
抽样频率应该为信号频率的整数倍,至少应取三倍,最好为四倍;抽样点数应包含整周期,一个周期内最好为四个点,以使数据点数为2的整数次幂;否那么,尽管数据长度加大,反而泄漏更大。
实验4快速Fourier变换(FFT)及其应用
实验中用到的信号序列:
a)Gaussian序列
b)衰减正弦序列
c)三角波序列
d)反三角波序列
(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,理解当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。
p=8;
q=2;
N=16;
n=0:
1:
15;
x=exp(-(n-p).*(n-p)/q);
subplot(2,1,1);
stem(n,x,'fill');
x1=fft(x,N);
subplot(2,1,2);
stem(n,abs(x1),'.');
图1.1p=8,q=2时的时域序列和幅频特性
图1.2p=8,q=4时的时域序列和幅频特性
图1.3p=8,q=8时的时域序列和幅频特性
图1.4p=13,q=8时的时域序列和幅频特性
图1.5p=14,q=8时的时域序列和幅频特性
由以上图形可知,1)当固定信号xa(n)中参数p=8,改变q的值使其增大时,信号的时域序列值增大,且均在n=P=8时获得最大值并且对称;幅频序列值也增大。
2〕当固定q=8,改变p使其增大时,信号的时域序列值右移且在n=p时大,幅频序列值减小。
3〕当p=8时会发生明显的泄漏现象,混叠也随之出现。
(2)、观察衰减正弦序列xb(n)的时域和幅频特性,a=0.1,f=0.0625,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0.4375和0.5625,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。
N=16;
n=0:
1:
15;
a=0.1;
f=0.0625;
x=exp(-a*n).*sin(2*pi*f*n);
subplot(3,1,1);
stem(n,x,'fill');
x1=fft(x,N);
subplot(3,1,2);
stem(n,x1,'fill');
subplot(3,1,3);
stem(n,abs(x1),'.');
图2.1a=0.1,f=0.0625的时域序列、DFT频谱、幅频特性
图2.2a=0.1,f=0.4375时的时域序列、DFT频谱、幅频特性
图2.3a=0.1,f=0.5625时的时域序列、DFT频谱、幅频特性
当a=0.1,f=0.0625时,谱峰出现位置正确。
改变f,使f分别等于0.4375和0.5625时,由图可知,观察这两种情况下,频谱的形状和谱峰出现位置,出现了混叠和泄漏现象。
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来对信号进展频谱分析,所得的频谱是原序列频谱的扩展。
这个过程中产生了泄漏。
而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。
防止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。
(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频谱还有一样之处吗?
这些变化说明了什么?
N=8;
n=0:
7;
x=zeros(size(n));
mask=(n>=0)&(n<=3);
x(mask)=n(mask)+1;
mask=(n>=4);
x(mask)=8-n(mask);
subplot(2,2,1)