控制系统设计实验结果.docx

上传人:b****2 文档编号:11750240 上传时间:2023-06-02 格式:DOCX 页数:13 大小:89.52KB
下载 相关 举报
控制系统设计实验结果.docx_第1页
第1页 / 共13页
控制系统设计实验结果.docx_第2页
第2页 / 共13页
控制系统设计实验结果.docx_第3页
第3页 / 共13页
控制系统设计实验结果.docx_第4页
第4页 / 共13页
控制系统设计实验结果.docx_第5页
第5页 / 共13页
控制系统设计实验结果.docx_第6页
第6页 / 共13页
控制系统设计实验结果.docx_第7页
第7页 / 共13页
控制系统设计实验结果.docx_第8页
第8页 / 共13页
控制系统设计实验结果.docx_第9页
第9页 / 共13页
控制系统设计实验结果.docx_第10页
第10页 / 共13页
控制系统设计实验结果.docx_第11页
第11页 / 共13页
控制系统设计实验结果.docx_第12页
第12页 / 共13页
控制系统设计实验结果.docx_第13页
第13页 / 共13页
亲,该文档总共13页,全部预览完了,如果喜欢就下载吧!
下载资源
资源描述

控制系统设计实验结果.docx

《控制系统设计实验结果.docx》由会员分享,可在线阅读,更多相关《控制系统设计实验结果.docx(13页珍藏版)》请在冰点文库上搜索。

控制系统设计实验结果.docx

控制系统设计实验结果

1.生成一个正弦波

正弦波的周期是2*pi,幅值是1

2.设定一个合适的采样频率和数据长度,绘制出正弦波的频谱图

修改一下程序:

时间取值范围语句改成:

n=0:

N-1;t=n/fs;

再加一些网格线的语句

参数:

fs=100;N=128%N的取值为2的7次方,fft算法可以加快;f=10

幅值谱如下图:

改变参数:

Fs=100;N=128;f=20

得频谱图如下图:

由频谱图可以明显的看出此正弦函数含有的频率成分分别为10HZ和20HZ,与我们设定的参数一致

3.绘制出

时域波形、频谱特性及功率谱密度,其中采样频率分别取200Hz、500Hz和1000Hz,观察曲线的不同

设置参数:

A=10,a=1,w0=130

得出各曲线如下图:

由图中可以看出,采样频率虽然不同,但信号的组成并不变,即由两种频率的信号组成

4.根据DFT的公式和已有程序,自己编写一个DFT的函数

functionXk=dft(xn,N)

xn=input('pleaseinputthexn:

');

N=input('pleaseinputtheN:

');

iflength(xn)

xn=[xn,zeros(1,N-length(xn))];

end

n=0:

N-1;

t1=cputime;

fork=0:

N-1

Xk(1,k+1)=sum(xn.*exp((-1)*j*n*k*(2*pi/N)));

end

plot([1:

N],abs(Xk));

t=cputime-t1

运行:

输入xn=[1234],N=5

运行时间:

t=0.0780s

曲线:

5.将编写的DFT程序与matlab的FFT函数比较,对比两者的效率。

Time_fft=

0

Time_dft=

0.4836

由频谱图和程序运行时间可以明显的看出,在相同的计算精度下,fft函数的效率要明显比dft函数高

 

6.运行以下程序,对其反应的现象进行分析。

实际观测到的信号往往会含有噪声信号,这就需要我们从实际信号中提取出真实信号来,如果实际信号的信噪比比较小,直接从时域信号中提取真实信号会比较困难,而且提取出的真实信号肯定会有很大程度的失真。

快速傅里叶变换是处理数字信号的常用数学工具,实际运算表明FFT有极强的信号识别能力,快速傅里叶变换后频域信噪比相对于信号的时域信噪比要大很多,故而我们相对更容易提取出失真很小的真实信号。

以此为基础,我们还能将FFT变换应用于信号的解密与加密当中。

此处正是体现的这个原理,即使有噪声fft傅里叶分析,可以将信号的主要频率计算出来,给我们还原信号提供了有力的支持

7.在上面程序的基础上求加噪信号的自相关函数和功率谱密度

8.生成一个方波信号,在一幅图中绘制其时域波形、幅值谱特性、相关函数以及功率谱密度。

clc

clearall

closeall

%产生方波

t=0:

pi/500:

4*pi;

fs=500/pi;%采样频率

N=1000;%设置的采样点的个数

x=square(t);

subplot(4,1,1);

plot(t,x);

gridon;

axis([-1,(4*pi+1),-1.1,1.1]);

title('方波时域波形图');

xlabel('t');

ylabel('y');

y=fft(x,N);%进行fft变换

mag=abs(y);%求幅值

mag=fftshift(mag);%把负频率的部分移动到负频率

f1=((-1)*(N-1)/2:

(N-1)/2)*fs/N;%横坐标频率的表达式;

subplot(4,1,2);

plot(f1,mag);%做频谱图

title('·方波信号幅频谱图');

xlabel('n');

ylabel('fft');

gridon

[a,b]=xcorr(x,'unbiased');计算序列的自相关函数

subplot(4,1,3);

plot(b/fs,a);

title('自相关函数');

nfft=N;

CXk=fft(a,nfft);%谱密度是自相关函数的傅里叶变换

Pxx=abs(CXk);%求幅值

Pxx=fftshift(Pxx);%移动到负频率

f=((-nfft+1)/2:

(nfft-1)/2)*fs/nfft;%横坐标

subplot(4,1,4);

plot(f,Pxx);

title('功率谱密度');

如下图:

展开阅读全文
相关资源
猜你喜欢
相关搜索
资源标签

当前位置:首页 > 经管营销 > 经济市场

copyright@ 2008-2023 冰点文库 网站版权所有

经营许可证编号:鄂ICP备19020893号-2