信号与系统实验报告 实验4非周期信号的傅里叶变换实验.docx
《信号与系统实验报告 实验4非周期信号的傅里叶变换实验.docx》由会员分享,可在线阅读,更多相关《信号与系统实验报告 实验4非周期信号的傅里叶变换实验.docx(11页珍藏版)》请在冰点文库上搜索。
信号与系统实验报告实验4非周期信号的傅里叶变换实验
信号与系统
实验报告
实验四非周期信号的傅里叶变换
实验四 非周期信号的傅里叶变换
一、实验目的
傅里叶变换是通信系统、图像处理、数字信号处理以及物理学等领域内的一种重要的数学分析工具。
通过傅里叶变换技术可以将时域上的波形分布变换为频域上的分布,从而获得信号的频谱特性。
MATLAB提供了专门的函数fft、ifft、fft2(即2维快速傅里叶变换)、ifft2以及fftshift用于实现对信号的傅里叶变换。
本次实验的目的就是练习使用fft、ifft以及fftshift函数,对一些简单的信号处理问题能够获取其频谱特性(包括幅频和相频特性)。
二、实验预备知识
1.离散傅里叶变换(DFT)以及快速傅里叶变换(FFT)简介
设x(t)是给定的时域上的一个波形,则其傅里叶变换为
显然X(f)代表频域上的一种分布(波形),一般来说X(f)是复数。
而傅里叶逆变换定义为:
因此傅里叶变换将时域上的波形变换为频域上的波形,反之,傅里叶逆变换则将频域上的波形变换为时域上的波形。
由于傅里叶变换的广泛应用,人们自然希望能够使用计算机实现傅里叶变换,这就需要对傅里叶变换(即
(1)式)做离散化处理,使之符合电脑计算的特征。
另外,当把傅里叶变换应用于实验数据的分析和处理时,由于处理的对象具有离散性,因此也需要对傅里叶变换进行离散化处理。
而要想将傅里叶变换离散化,首先要对时域上的波形x(t)进行离散化处理。
采用一个时域上的采样脉冲序列:
(t-nT),n=0,1,2,…,N-1;
可以实现上述目的,如图所示。
其中N为采样点数,T为采样周期;fs=1/T是采样频率。
注意采样时,采样频率fs必须大于两倍的信号频率(实际是截止频率),才能避免混迭效应。
接下来对离散后的时域波形
的傅里叶变换
进行离散处理。
与上述做法类似,采用频域上的脉冲序列:
(f-n/T0),n=0,1,2,…,N-1;T0=NT为总采样时间
可以实现傅里叶变换
的离散化,如下图示。
不难看出,离散后的傅里叶变换其频率间隔(频率轴上离散点的间隔,即频域分辨率)
因此要增加分辨率须增加采样点数目N。
频域上每个离散点对应的频率为:
显然n=0的点对应于直流成分。
经过以上离散化处理之后,连续积分的傅里叶变换
(1)式转变为如下离散形式:
其中tk=kT(k=0,1,2,…,N-1)代表采样点时刻。
X(fn)一般是复数,因此离散傅里叶变换(DFT)后变成一个N点(采样点数)的复数序列。
X(fn)绝对值代表振幅,其幅角代表相位,因此由(5)式可以给出DFT的振幅频谱和相位频谱。
(5)式通常又简写成如下形式:
其中
,x是采样点数据,它是一个N个点的向量,DFT的结果X是N个点的复数向量。
(5)式或(6)式就是对傅里叶变换进行数值计算的基础。
一般采样点数N越大,DFT的结果越接近真实的情况,但是当N较大时,(6)式的计算量很大,因为使用计算机求解(6)式时,总共要执行N2次复数乘法和N×(N-1)次复数加法。
所以直接用DFT算法(即(5)式)进行谱分析和信号的实时处理是不切实际的。
为了减轻计算的压力,人们提出了一种所谓快速傅里叶变换(FFT)的思想:
取N=2m,首先将N个点的采样数据
分成两个N/2点的序列:
(偶数序列)
(奇数序列)
这样处理的好处是可以把(6)式分解为两个N/2点的DFT,使计算量降下来。
接下来再将N/2点的序列x1仿照上述做法进一步分裂成2个N/4点的序列x3和x4,另一序列x2亦做如此处理,分裂成2个N/4点的序列x5和x6。
这样两个N/2点的序列分成了更短的4个N/4点的序列,依次类推,最后的结果是将一个N点的序列x裂成了N个点的单点序列:
x0,x1,x2,…,xN-1。
这样做可以将DFT的运算效率提高1-2个数量级,为数字信号处理技术应用于各种信号的实时处理创造了条件,从而推动数字处理技术的发展。
由此可见FFT的思想实质是不断地把长序列的DFT计算分解成若干短序列的DFT,并利用旋转因子(即WN)的周期性和对称性来减少DFT的运算次数。
所以FFT就是DFT的快速算法。
有关FFT算法的详细介绍和理论推导参见有关的书籍,这里不做进一步介绍。
2.FFT的MATLAB实现
为了实现快速傅里叶变换,MATLAB提供了fft、ifft、fft2、ifft2以及fftshift函数,分别用于一维和二维离散傅里叶变换(DFT)及其逆变换。
借助这些函数可以完成很多信号处理任务。
考虑到信号处理包含的领域很广泛,这里只介绍一维傅里叶变换及其逆变换函数。
(1)fft函数
该函数使用了快速算法来实现时域信号的离散傅里叶变换。
常用的格式:
Y=fft(x)
Y=fft(x,m)
Y 返回值(复数),返回m点的DFT序列,即(6)式左边的X;
m 计算时使用的数据点数(样本数);
x 时域信号x(t)在采样点tk处的值,即(6)式右边的x;若实际采样点数目为N(m和N都须是2的幂次),则x为N个元素(即长度N)的向量;若向量x的长度小于m,那么计算时将自动在x序列的后面补0;若x的长度大于m,则x自动截断,使之长度为m。
对信号进行频谱分析时,数据样本应有足够的长度,一般FFT程序中所用数据点数(m)最好与原信号含有的数据点数(即输入的样本数N)相同,这样的频谱图具有较高的质量,可减小因补零或截断而产生的影响。
两点说明:
①关于FFT振幅频谱和相位频谱的计算
由于傅里叶变换的结果一般是复数,所以
●对fft的结果取绝对值abs()可以得到振幅,即
Amplitude=abs(Y)
需要注意的是这样得到的幅值实际并非真正的信号振幅,因其值与FFT使用的数据点数N有关,但不影响分析结果,在IFFT(逆变换)时已经做了处理。
要得到真实的振幅值的大小,只要将上述结果除以N/2即可。
●对fft的结果使用函数angle()可以得到相位的结果。
但是使用angle函数计算复数
的相角时,系统规定一、二象限的角为0;三、四象限的角为-0。
因此若一个角度本来应该从0变到2,但计算得到的结果却是0~,再由-~0,在处发生跳变,跳变幅度为2,这就叫相位的卷绕。
这种相位的卷绕会使得相频图不连续,呈现锯齿状,为了平滑相频图,通常要再使用unwrap()函数进行相位的解卷绕。
因此FFT的相位频谱图应该如下实现
Phase=unwrap(angle(Y))
② FFT的振幅频谱具有对称性
如下图所示。
因此用FFT对信号做谱分析,只需考察0~Nyquist频率范围内(共N/2+1个频率点)的幅频特性。
(2)fftshift函数
其作用是将零频点移到频谱的中间(即Nyquist频率处),使用格式:
Y=fftshift(X)
X是向量,该命令将零频点移动到频谱X的中间,并交换频谱X的左右两半。
将零频点放到频谱的中间对于观察傅立叶变换是有用的。
例1:
对时域信号
进行频谱分析。
fs=100;%采样频率>2倍的信号频率
N=256;%采样点数目(=2的幂次)
n=0:
N-1;%构造采样点序列
t=n/fs;%得到采样时间序列,t=nT=n/fs
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);%产生时域信号的样本值,向量
Y=fft(x,N);%N点的DFT计算
mag=abs(Y);%FFT的振幅
phase=unwrap(angle(Y));%FFT的相位
%1.以下绘制物理频谱图(即正频部分)
fn=(0:
N/2)*fs/N;%频率轴上的离散频率点,起始于0频(对应直流成分),终
%于Nyquist频率fs/2,共N/2+1个频率点
subplot(2,2,1)%将图形窗口分割为2×2的子窗口,并指定第1个子窗口为绘图区
plot(fn,mag(1:
N/2+1))%取出前N/2+1个振幅作图,即正频率分量
xlabel('频率/Hz');ylabel('振幅');
title('图1:
物理(正频)幅频图');gridon%加网格线
%2.以下绘制全频率的幅频图
fn1=(0:
N-1)*fs/N;
subplot(2,2,2)%指定第2个子窗口为绘图区
plot(fn1,mag);
xlabel('频率/Hz');ylabel('振幅');
title('图2:
全频率的幅频图');gridon
%3.以下绘制正频部分的相频图
subplot(2,2,3)%指定第3个子窗口为绘图区
plot(fn,phase(1:
N/2+1));
xlabel('频率/Hz');ylabel('相位');title('图3:
相频图');grid
%4.以下移动零频点
Y1=fftshift(Y);%fftshift移动频率零点,并将Y的左右两部分交换
mag1=abs(Y1);%重新计算振幅
fn2=fn1-fs/2;%零点移动到fs/2处,故需重新标记频率轴
subplot(2,2,4);%指定第4个子窗口为绘图区,最终4幅图绘制在一张图上了
plot(fn2,mag1);
xlabel('频率/Hz');ylabel('振幅');
title('图4:
fftshift后的幅频图');grid
运行结果如下:
图说明:
1是物理谱图(正频部分),从中看到,该信号包含两个频率15Hz和40Hz。
由于使用的采样频率fs=100Hz,所以Nyquist频率为50Hz,在图2中明显能看到整个频谱图关于Nyquist频率对称,不过Nyquist频率右边的谱图实际上是负频部分,没有意义。
图4是fftshift之后的幅频图,由于它是图2结果的左右交换,因此图2右边变成了负频。
另外,图中的振幅不是真实的信号振幅,从信号x(t)的表达式我们知道15Hz和40Hz这两种频率成分的振幅分别是0.5和2。
要得到真实的振幅,只需要将程序中的mag除以N/2即可。
(3)ifft函数
执行离散傅里叶变换的逆变换,格式
x=ifft(Y)或者x=ifft(Y,m)
Y是FFT的输出结果,返回值x是时域上的结果,m仍然是计算使用的数据点数。
在上例中若程序末尾使用:
xx=ifft(Y,N),则得到采样时刻点上,信号x(t)的样本值。
三、实验内容及要求
实验项目:
给定采样频率51.2Hz及采样点数N=512,计算矩形函数
的振幅频谱,并与理论计算结果对比。
A.显然该信号x(t)是无限长的非周期信号,因此做FFT计算时必须先将信号x(t)截断为有限长度。
令采样频率为fs,采样点数目N,则截断长度是:
T0=N/fs(即总的采样时间)
因此截断长度和采样点数目N成正比。
对于无限长的非周期信号,截断长度应尽可能的大,以接近实际信号,避免结果失真;如果是周期信号,则要求截断长度为信号周期的整数倍,以免出现频谱的“泄漏”。
若给定采样点数N=512,则时间采样序列可用向量t表示:
t=(0:
N-1)/fs,矩形函数x(t)的样本值可以使用MATLAB提供的符号函数sign(请使用helpsign命令查询sign函数的定义)来表示:
x=0.5-0.5*sign(t-1),然后使用fft命令即可获得DFT计算结果。
B.根据
(1)式不难算出上述信号x(t)的傅里叶变换的理论结果(精确值):
其振幅为:
然后再根据(8)式即可绘出x(t)的振幅频谱,将其与fft计算结果比较:
改变N以改变截断长度观察FFT结果与(8)式结果的差异。
要求:
⑴认真阅读例1提供的程序;
⑵参考例1中的程序,编写出本实验项目的fft计算程序,绘制出零点移动到Nyquist频率处的振幅频谱1;对图形进行标注(如参考图所示)2;使用(8)式绘制矩形函数x(t)精确的振幅频谱图3;使用subplot命令将2幅图在一张图上显示4;频率区间[-5,5]观察比较得到的两个振幅频谱5;改变采样数N,再比较两幅图的差异,分析采样点数对fft计算结果精确度的影响6。
附实验结果参考图:
边瓣
主瓣