数字信号处理上机实验Word文档下载推荐.docx
《数字信号处理上机实验Word文档下载推荐.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Word文档下载推荐.docx（24页珍藏版）》请在冰点文库上搜索。
xb（n）=δ（n）
c.矩形序列：
xc（n）=RN（n）,N=10
②系统单位脉冲响应序列产生子程序。
本实验要用到两种FIR系统。
a.ha（n）=R10（n）;
b.hb（n）=δ（n）+2.5δ（n-1）+2.5δ（n-2）+δ（n-3）
③有限长序列线性卷积子程序
用于完成两个给定长度的序列的卷积。
可以直接调用MATLAB语言中的卷积函数conv。
conv用于两个有限长度序列的卷积，它假定两个序列都从n=0开始。
调用格式如下：
y=conv（x,h）
（3）调通并运行实验程序，完成下述实验内容
①分析采样序列的特性。
采样信号xa（n）的参数为A=444.128,a=50
=50
。
a.取采样频率fs=1kHz,，即T=1ms。
b.改变采样频率，fs=300Hz，观察|X（e^jω）|的变化，并做记录（打印曲线）；
进一步降低采样频率，fs=200Hz，观察频谱混叠是否明显存在，说明原因，并记录（打印）这时的|X（e^jω）|曲线。
程序代码如下：
function[y]=x（t,A,a,omiga0）
y=A*exp（-a*t）.*sin（omiga0*t）.*u（t）;
end
%分析采样序列特性
A=444.128;
a=50*2^0.5*pi;
omiga0=50*2^0.5*pi;
fs1=1000;
fs2=300;
fs3=200;
w=linspace（-2*pi,2*pi,10000）;
n=0:
49;
x1=x（n/fs1,A,a,omiga0）;
x2=x（n/fs2,A,a,omiga0）;
x3=x（n/fs3,A,a,omiga0）;
X1=x1*exp（-j*n'
*w）;
X2=x2*exp（-j*n'
X3=x3*exp（-j*n'
subplot（3,2,1）;
stem（n,x1,'
.'
）;
ylabel（'
y'
xlabel（'
n'
title（'
时间函数'
subplot（3,2,2）;
plot（w/pi,abs（X1）,'
r'
|X（jf）|'
\omega/\pi'
频谱图'
text（1.5,1200,'
f=1000Hz'
subplot（3,2,3）;
stem（n,x2,'
subplot（3,2,4）;
plot（w/pi,abs（X2）,'
text（1.5,500,'
f=300Hz'
subplot（3,2,5）;
stem（n,x3,'
subplot（3,2,6）;
plot（w/pi,abs（X3）,'
text（1.5,250,'
f=200Hz'
图1对xa不同取样频率得到的取样图和频谱图
由图可知，采样频率不同，所得到的采样后信号和其傅里叶变换都不同。
fs=1000Hz时，频谱的混叠效应很小，fs=300Hz时，混叠效应加大，fs=200Hz时，混叠效应进一步加大。
这是因为采样频率越来越接近临界采样频率，所以会造成频谱的混叠。
②时域离散信号、系统和系统响应分析。
a.观察信号xb（n）和系统hb（n）的时域和频域特性；
利用线性卷积求信号xb（n）通过系统hb（n）的响应y（n），比较所求响应y（n）和hb（n）的时域及频域特性，注意它们之间有无差别，绘图说明，并用所学理论解释所得结果。
b.观察系统ha（n）对信号xc（n）的响应特性。
a.
clearall;
xb=double（impact（0,0,1））;
xc=single（R（1,1,10））;
ha=single（R（1,1,10））;
hb=impact（0,0,3）+2.5*impact（1,0,3）+2.5*impact（2,0,3）+impact（3,0,3）;
[Xb,w]=DFT（xb,2）;
[Hb,w]=DFT（hb,4）;
y=conv（xb,hb）;
[Y,w]=DFT（y,5）;
stem（0:
1,xb,'
xb'
plot（w/pi,Xb,'
|Xb（jf）|'
text（1.5,700,'
stem（hb,'
hb'
plot（w/pi,Hb,'
|Hb（jf）|'
stem（y,'
plot（w/pi,Y,'
|Y（jf）|'
图2xb、hb的时域频域特性
δ（n）的傅里叶变换恒为1。
由图可知，xb（n）*hb（n）=hb（n），即y（n）=hb（n），所以y（n）和hb（n）的频谱也是完全一样的。
b.
%xc=R10（n）
yn=conv（ha,xc）;
[Y,w]=DFT（yn,19）;
subplot（2,2,1）;
stem（yn,'
yn'
subplot（2,2,2）;
plot（w/pi,abs（Y）,'
xc=single（R（1,1,5））;
%xc=R5（n）
[Y,w]=DFT（yn,14）;
subplot（2,2,3）;
subplot（2,2,4）;
图3xc长度为10和5时与ha的卷积时序图和频域图
y（n）的长度与理论计算的相同。
两序列卷积后的长度为n1+n2-1，用此方法可以快速验证两个序列的卷积结果是否正确。
两次卷积的长度分别为10+10-1=19和10+5-1=14由图可以判断，卷积的结果正确。
③卷积定理的验证。
A=1,a=0.4,
=2.0734，T=1。
xa=x（n,1,0.4,2.0374）;
[Xa,w]=DFT（xa,50）;
yn=conv（xa,hb）;
Y=DFT（yn,53）;
figure
（1）;
plot（w/pi,angle（Y）,'
相位'
Y（jf）的相位'
Hb=DFT（hb,4）;
Yn=Hb.*Xa;
figure
（2）;
subplot（1,2,1）;
plot（w/pi,abs（Yn）,'
|Yn（jf）|'
subplot（1,2,2）;
plot（w/pi,angle（Yn）,'
Yn（jf）的相位'
先对xa,hb求卷积再转换为频谱图如下：
图4xa时域图、xa与hb卷积频域图和对应相位图
Hb.*Xa的频谱图如下
图5Hb.*Xa的频谱图
对比图4图5即可验证卷积定理的正确性。
4、思考题
（1）在分析理想采样序列特性的实验中，采样频率不同时，相应理想采样序列的傅里叶变换频谱的数字频率度量是否都相同？
它们所对应的模拟频率是否相同？
为什么？
答：
数字频率度量不相同，但他们所对应的模拟频率相同。
由公式w=Ω*Ts可知，采样间隔Ts的变化会引起数字频率w的变化，但是不会引起模拟频率Ω的变化。
（2）在卷积定理验证的实验中，如果选用不同的频域采样点数M值，例如，选M=10和M=20，分别做序列的傅里叶变换，求得的结果有无差异？
有差异，采样点数不一样，得到的傅里叶变换的点数也会不一样。
用FFT作谱分析
1、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）熟悉FFT算法原理和FFT子程序的应用。
（3）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。
2、实验步骤
（1）复习DFT的定义、性质和用DFT作谱分析的有关内容。
（2）复习FFT算法原理与编程思想，并对照DIT-FFT运算流图和程序框图，读懂本实验提供的FFT子程序。
（3）编制信号产生子程序，产生以下典型信号供谱分析用：
（4）编写主程序。
（5）按实验内容要求，上机实验，并写出实验报告。
3、实验内容
（1）对2中所给出的信号逐个进行谱分析。
x1=[11110000];
x2=[12344321];
x3=[43211234];
fs=64;
N1=8;
N2=16;
N3=32;
N4=64;
%x4=cos（0.25*pi*n）;
%x5=sin（（pi/8）*n）;
%x7=cos（0.25*pi*n）+sin（（pi/8）*n）;
%x8=cos（0.25*pi*n）+j*sin（（pi/8）*n）;
%x1作图
i=1;
f1=fft（x1,N1）;
figure（i）;
i=i+1;
subplot（1,3,1）;
N1-1,x1,'
x1n的波形'
x1n'
subplot（1,3,2）;
N1-1,abs（f1）,'
x1n的8点FFT'
|X（k）|'
k'
f1=fft（x1,N2）;
subplot（1,3,3）;
N2-1,abs（f1）,'
x1n的16点FFT'
%x2作图
f2=fft（x2,N1）;
N1-1,x2,'
x2n的波形'
x2n'
N1-1,abs（f2）,'
x2n的8点FFT'
f2=fft（x2,N2）;
N2-1,abs（f2）,'
x2n的16点FFT'
%x3作图
f3=fft（x3,N1）;
N1-1,x3,'
x3n的波形'
x3n'
N1-1,abs（f3）,'
x3n的8点FFT'
f3=fft（x3,N2）;
N2-1,abs（f3）,'
x3n的16点FFT'
%x4作图
N1-1;
x4=sin（（pi/8）*n）;
f4=fft（x4,N1）;
N1-1,x4,'
x4n的8点波形'
x4n'
N1-1,abs（f4）,'
x4n的8点FFT'
N2-1;
x4=cos（0.25*pi*n）;
f4=fft（x4,N2）;
N2-1,x4,'
x4n的16点波形'
N2-1,abs（f4）,'
x4n的16点FFT'
%x5作图
x5=cos（0.25*pi*n）;
f5=fft（x5,N1）;
N1-1,x5,'
x5n的8点波形'
x5n'
N1-1,abs（f5）,'
x5n的8点FFT'
f5=fft（x5,N2）;
N2-1,x5,'
x5n的16点波形'
N2-1,abs（f5）,'
x5n的16点FFT'
%x6作图
x=cos（8*pi*n/fs）+cos（16*pi*n/fs）+cos（20*pi*n/fs）;
f6=fft（x,N2）;
N2-1,x,'
x6n的16点波形'
x6n'
N2-1,abs（f6）,'
x6n的16点FFT'
N3-1;
f6=fft（x,N3）;
N3-1,x,'
x6n的32点波形'
N3-1,abs（f6）,'
x6n的32点FFT'
N4-1;
f6=fft（x,N4）;
N4-1,x,'
x6n的64点波形'
N4-1,abs（f6）,'
x6n的64点FFT'
运行结果如下:
图6x1的8、16点谱分析
图7x2的8、16点谱分析
图8x3的8、16点谱分析
图9x4的8、16点谱分析
图10x5的8、16点谱分析
图11x6的16、32、64点谱分析
（2）令x7（n）=x4（n）+x5（n），用FFT计算8点和16点离散傅里叶变换。
%x7作图
x7=sin（（pi/8）*n）+cos（0.25*pi*n）;
f7=fft（x7,N1）;
t1=max（x7）;
t2=max（f7）;
N1-1,x7,'
x7n的8点波形'
x7n'
N1-1,abs（f7）,'
x7n的8点FFT'
f7=fft（x7,N2）;
N2-1,x7,'
x7n的16点波形'
N2-1,abs（f7）,'
x7n的16点FFT'
k=conj（f7）;
x4=（k+f7）/2;
N2-1,abs（x4）,'
恢复的X4（K）'
|Re（X7（k））|'
x5=（k-f7）/2;
N2-1,abs（x5）,'
恢复的X5（K）'
|jIm（X7（k））|'
运行结果
图12左1：
x7的8点时域图右1：
x7的8点频谱图
左2：
x7的16点时域图右2：
x7的16点频谱图
左3：
对ifft（Re（X7））的到的X4（k）频谱
右3：
对ifft（Im（X7））的到的X5（k）频谱
将上图左3和右3与图4图5中的16点频谱图对比可知两者对应完全相等，验证了DFT的如下性质：
xnepRe（Xn）xnopjIm（Xn）。
（3）令x8（n）=x4（n）+j*x5（n），重复
（2）。
%x8作图
x8=cos（0.25*pi*n）+j*sin（（pi/8）*n）;
f8=fft（x8,N1）;
N1-1,x8,'
x8n的8点波形'
x8n'
N1-1,abs（f8）,'
x8n的8点FFT'
f8=fft（x8,N2）;
N2-1,x8,'
x8n的16点波形'
N2-1,abs（f8）,'
x8n的16点FFT'
k
（1）=conj（f8
（1））;
form=2:
N2
k（
升级会员 