信号处理实验四离散傅里叶变换.docx
《信号处理实验四离散傅里叶变换.docx》由会员分享,可在线阅读,更多相关《信号处理实验四离散傅里叶变换.docx(9页珍藏版)》请在冰豆网上搜索。
信号处理实验四离散傅里叶变换
信号处理实验四离散傅里叶变换
哈尔滨工程大学
实验报告
实验名称:
实验四:
离散傅里叶变换
班级:
电子信息工程4班
学号:
姓名:
实验时间:
2016年10月19日
成绩:
________________________________
指导教师:
栾晓明
实验室名称:
数字信号处理实验室
哈尔滨工程大学实验室与资产管理处制
实验四离散傅里叶变换
一、实验原理
1.由DFT定义式:
k=0,1,…,N-1,将其写成矩阵方程表示为
利用MATLAB的矩阵运算功能,可编写出计算DFT的函数文件。
function[Xk]=dft(xn,N)
%计算离散傅里叶变换
%Xk=在0<=k<=N-1间的DFT系数数组
%xn=N点有限长序列
%N=DFT的长度
n=[0:
1:
N-1];
%n的行向量
k=[0:
1:
N-1];
%k的行向量
WN=exp(-j*2*pi/N);
%Wn因子
nk=n'*k;
%产生一个含bk值的N乘N维矩阵
WNnk=WN.^nk;
%DFT矩阵
Xk=xn*WNnk;
%DFT系数的行向量
由IDFT定义式:
,n=0,1,2,…,N-1,利用MATLAB的矩阵运算功能,可编写出计算傅里叶反变换的函数文件。
function[xn]=idft(Xk,N)
%计算离散傅里叶反变换
%-----------------
%xn=在0<=n<=N-1
%Xk=N点有限长序列
%N=IDFT的长度
k=[0:
1:
N-1];
%k的行向量
n=[0:
1:
N-1];
%n的行向量
WN=exp(-j*2*pi/N);
%Wn因子
nk=n'*k;
%产生一个含bk值的N乘N维矩阵
WNnk=WN.^nk;
%DFT矩阵
xn=Xk*WNnk;
%傅里叶反变换计算序列值
DFT的快速算法FFT利用了
的三个固有特性:
(1)对称性,
,
(2)周期性,
,(3)可约性,
和
。
FFT算法基本上可以分为两大类,即按时间抽选法(DIT,Decimation-In-Time)和按频率抽选法(DIF,Decimation-In-Frequency)。
MATLAB中提供了进行快速傅里叶变换的fft函数:
X=fft(x),基2时间抽取FFT算法,x是表示离散信号的向量;X是系数向量;
X=fft(x,N),补零或截断的N点DFT,当x的长度小于N时,对x补零使其长度为N,当x的长度大于N时,对x截断使其长度为N。
Ifft函数计算IDFT,其调用格式与fft函数相同,参考help文件。
2.利用DFT做连续信号的频谱分析
DFT(实际中用FFT计算)可用来对连续信号和数字信号进行谱分析。
在实际分析过程中,要对连续信号采样和截断,由此可能引起分析误差。
(1)混叠效应
对连续信号进行频谱分析时,首先要对其采样,变成时域离散信号后才能用DFT(FFT)进行谱分析。
采样速率fs必须满足采样定理,否则会在w=π(对应模拟频率f=fs/2)附近发生频谱混叠现象。
(2)截断效应
处理实际信号序列x(n)时,一般总要将它截断为一有限长序列,长为N点,相当于乘以一个矩形窗形成有限长序列y(n)=x(n)w(n)。
矩形窗函数其频谱有主瓣,也许许多副瓣,窗口越大,主瓣越窄,当窗口趋于无穷大时,就是一个冲击函数。
时域的乘积对应于频域的卷积,所以,加窗后的频域实际是原信号频谱与矩形窗函数频谱的卷积,卷积的结果使频谱延伸到了主瓣以外,且一直延时到无穷。
当窗口无穷大时,与冲击函数的卷积才是其本身,这是无需畸变。
由此可见,阶段后频谱Y(ejw)与原序列频谱X(ejw)必然有差别,这种差别表现在:
a.频谱泄露。
原来序列x(n)的频谱是离散谱线,经截断后,原来离散谱线向附近展宽,成为泄露。
显然,泄露使频谱变模糊,使谱分辨率降低。
b.谱间干扰。
主谱线两边又很多旁谱,引起不同频率分量间干扰,这使谱分析产生较大偏差。
程度与窗函数幅度谱主瓣宽度直接相关。
(3)栅栏效应
N点DFT是频率区间[0,2π]上对时域离散信号的频谱进行N点等间隔采样,而采样点之间的频谱函数是看不见的。
这就好像从N个栅栏缝隙中观看信号的频谱情况,仅得到N个缝隙中看到的函数值。
由于栅栏效应,有可能漏掉大的频谱分量。
例3.1对连续的单一频率周期信号按采样频率
采样,截取长度N分别选N=20和N=16,观察其DFT结果的幅度谱。
解:
此时离散序列
,用MATLAB计算并作图,函数fft()用于计算离散傅里叶变换DFT,程序如下:
k=8;
n1=[0:
19];
%序列点数20
xa1=sin(2*pi*n1/k);
subplot(221)
stem(n1,xa1)
xlabel('t/T');ylabel('x(n)');
%图一:
序列图像
xk1=fft(xa1);
%调用fft函数
xk1=abs(xk1);
%取xk1绝对值
subplot(222)
stem(n1,xk1)
xlabel('k');ylabel('X(k)');
图二:
序列DFT图像
n2=[0:
1:
15];
%序列点数16
xa2=sin(2*pi*n2/k);
subplot(223)
stem(n2,xa2)
xlabel('t/T');ylabel('x(n)');
xk2=fft(xa2);
xk2=abs(xk2);
subplot(224)
stem(n2,xk2)
xlabel('k');ylabel('X(k)');
二、实验内容
1.已知连续周期信号
(1)确定信号的基频
和基本周期.
(2)当信号长度取0.5Tp,1.5Tp,2Tp,时,对x(t)采样,利用FFT计算其幅度谱;对所得结果进行比较,总结应如何选取分析长度。
解:
(1)基频
=2
,基本周期T=1s
(2)采样频率
采样,0.5Tp
程序:
f=10;
%设置fs=10fa
n=[0:
4];
%设置分析长度为0.5Tp
xa=cos(10*pi*n/f)+2*sin(18*pi*n/f);
%设置采样函数
subplot(211)
stem(n,xa)
xlabel('t/T');ylabel('x(n)');
%图一:
采样的结果
title('采样结果')
xk=fft(xa);
%进行FFT变换
xk=abs(xk);
%取X(k)的绝对值
subplot(212)
stem(n,xk)
xlabel('k');ylabel('X(k)');
%绘制出DFT结果
title('幅度谱')
采样频率
采样,1.5Tp时
将上述程序中n=[0,4]改为n=[0,14]即可
采样频率
采样,2Tp时
将上述程序中n=[0,4]改为n=[0,19]即可
结果分析:
有三图比较可知,当长度为2Tp时,采样信号频谱不发生泄露,故应取2Tp
2.对模拟信号
以采样间隔T=0.01s采样,分别取N=40,N=50,N=60得到x(n),用N点DFT得到
幅度谱的估计并比较结果
解:
T=0.01s,N=40时
程序:
T=0.01;
%采样间隔
N=40;
%采样点数
n=[0:
N-1];
xa=2*sin(4*pi*n*T)+5*cos(8*pi*n*T);
%对信号进行采样
xk=fft(xa);
%进行FFT变换
xk=abs(xk);
%取X(k)的绝对值
stem(n,xk)
N=50时,将程序中N=40改为N=50即可
N=60时,将程序中N=40改为N=60即可
结果分析:
比较三图可以看出,由于采样点数不同的栅栏效应,采样点越多栅栏效应对频谱分量的影响越小,谱分析误差越小。