与x(n)不相同,如图图10.3.3(c)和(d)所示。
当N=32时,如图图10.3.3(c)和(d)所示,由于N>M,频域采样定理,所以不存在时域混叠失真,因此。
与x(n)相同。
实验三:
用FFT对信号作频谱分析
1.实验目的
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,以便正确应用FFT。
2.实验原理
用FFT对信号作频谱分析是学习数字信号处理的重要内容。
经常需要进行谱分析的信号是模拟信号和时域离散信号。
对信号进行谱分析的重要问题是频谱分辨率D和分析误差。
频谱分辨率直接和FFT的变换区间N有关,因为FFT能够实现的频率分辨率是,因此要求。
可以根据此式选择FFT的变换区间N。
误差主要来自于用FFT作频谱分析时,得到的是离散谱,而信号(周期信号除外)是连续谱,只有当N较大时离散谱的包络才能逼近于连续谱,因此N要适当选择大一些。
周期信号的频谱是离散谱,只有用整数倍周期的长度作FFT,得到的离散谱才能代表周期信号的频谱。
如果不知道信号周期,可以尽量选择信号的观察时间长一些。
对模拟信号进行谱分析时,首先要按照采样定理将其变成时域离散信号。
如果是模拟周期信号,也应该选取整数倍周期的长度,经过采样后形成周期序列,按照周期序列的谱分析进行。
3.实验步骤及内容
(1)对以下序列进行谱分析。
选择FFT的变换区间N为8和16两种情况进行频谱分析。
分别打印其幅频特性曲线。
并进行对比、分析和讨论。
(2)对以下周期序列进行谱分析。
选择FFT的变换区间N为8和16两种情况分别对以上序列进行频谱分析。
分别打印其幅频特性曲线。
并进行对比、分析和讨论。
(3)对模拟周期信号进行谱分析
选择采样频率,变换区间N=16,32,64三种情况进行谱分析。
分别打印其幅频特性,并进行分析和讨论。
4.简答思考题
(1)对于周期序列,如果周期不知道,如何用FFT进行谱分析?
答:
利用频域抽取法即可。
(3)当N=8时,和的幅频特性会相同吗?
为什么?
N=16呢?
答;图(1a)和(1b)说明的8点DFT和16点DFT分别是的频谱函数的8点和16点采样;
因为,所以,与的8点DFT的模相等,如图(2a)和(3a)。
但是,当N=16时,与不满足循环移位关系,所以图(2b)和(3b)的模不同
10.3.3实验程序运行结果以及实验程序清单
实验3程序exp3.m运行结果如图.3.1所示。
%用FFT对信号作频谱分析
clearall;closeall
%实验内容
(1)
x1n=[ones(1,4)];%产生序列向量x1(n)=R4(n)
M=8;xa=1:
(M/2);xb=(M/2):
-1:
1;x2n=[xa,xb];%产生长度为8的三角波序列x2(n)
x3n=[xb,xa];
X1k8=fft(x1n,8);%计算x1n的8点DFT
X1k16=fft(x1n,16);%计算x1n的16点DFT
X2k8=fft(x2n,8);%计算x2n的8点DFT
X2k16=fft(x2n,16);%计算x2n的16点DFT
X3k8=fft(x3n,8);%计算x3n的8点DFT
X3k16=fft(x3n,16);%计算x3n的16点DFT
%以下绘制幅频特性曲线
subplot(2,2,1);stem(X1k8);%绘制8点DFT的幅频特性图
title('(1a)8点DFT[x_1(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X1k8))])
subplot(2,2,3);stem(X1k16);%绘制16点DFT的幅频特性图
title('(1b)16点DFT[x_1(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X1k16))])
figure
(2)
subplot(2,2,1);stem(X2k8);%绘制8点DFT的幅频特性图
title('(2a)8点DFT[x_2(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X2k8))])
subplot(2,2,2);stem(X2k16);%绘制16点DFT的幅频特性图
title('(2b)16点DFT[x_2(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X2k16))])
subplot(2,2,3);stem(X3k8);%绘制8点DFT的幅频特性图
title('(3a)8点DFT[x_3(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X3k8))])
subplot(2,2,4);stem(X3k16);%绘制16点DFT的幅频特性图
title('(3b)16点DFT[x_3(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X3k16))])
%实验内容
(2)周期序列谱分析
N=8;n=0:
N-1;%FFT的变换区间N=8
x4n=cos(pi*n/4);
x5n=cos(pi*n/4)+cos(pi*n/8);
X4k8=fft(x4n);%计算x4n的8点DFT
X5k8=fft(x5n);%计算x5n的8点DFT
N=16;n=0:
N-1;%FFT的变换区间N=16
x4n=cos(pi*n/4);
x5n=cos(pi*n/4)+cos(pi*n/8);
X4k16=fft(x4n);%计算x4n的16点DFT
X5k16=fft(x5n);%计算x5n的16点DFT
figure(3)
subplot(2,2,1);stem(X4k8);%绘制8点DFT的幅频特性图
title('(4a)8点DFT[x_4(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X4k8))])
subplot(2,2,3);stem(X4k16);%绘制16点DFT的幅频特性图
title('(4b)16点DFT[x_4(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X4k16))])
subplot(2,2,2);stem(X5k8);%绘制8点DFT的幅频特性图
title('(5a)8点DFT[x_5(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X5k8))])
subplot(2,2,4);stem(X5k16);%绘制16点DFT的幅频特性图
title('(5b)16点DFT[x_5(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X5k16))])
%实验内容(3)模拟周期信号谱分析===============================
figure(4)
Fs=64;T=1/Fs;
N=16;n=0:
N-1;%FFT的变换区间N=16
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);%对x6(t)16点采样
X6k16=fft(x6nT);%计算x6nT的16点DFT
X6k16=fftshift(X6k16);%将零频率移到频谱中心
Tp=N*T;F=1/Tp;%频率分辨率F
k=-N/2:
N/2-1;fk=k*F;%产生16点DFT对应的采样点频率(以零频率为中心)
subplot(3,1,1);stem(fk,abs(X6k16),'.');boxon%绘制8点DFT的幅频特性图
title('(6a)16点|DFT[x_6(nT)]|');xlabel('f(Hz)');ylabel('幅度');
axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(X6k16))])
N=32;n=0:
N-1;%FFT的变换区间N=16
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);%对x6(t)32点采样
X6k32=fft(x6nT);%计算x6nT的32点DFT
X6k32=fftshift(X6k32);%将零频率移到频谱中心
Tp=N*T;F=1/Tp;%频率分辨率F
k=-N/2:
N/2-1;fk=k*F;%产生16点DFT对应的采样点频率(以零频率为中心)
subplot(3,1,2);stem(fk,abs(X6k32),'.');boxon%绘制8点DFT的幅频特性图
title('(6b)32点|DFT[x_6(nT)]|');xlabel('f(Hz)');ylabel('幅度');
axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(X6k32))])
N=64;n=0:
N-1;%FFT的变换区间N=16
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);%对x6(t)64点采样
X6k64=fft(x6nT);%计算x6nT的64点DFT
X6k64=fftshift(X6k64);%将零频率移到频谱中心
Tp=N*T;F=1/Tp;%频率分辨率F
k=-N/2:
N/2-1;fk=k*F;%产生16点DFT对应的采样点频率(以零频率为中心)
subplot(3,1,3);stem(fk,abs(X6k64),'.');boxon%绘制8点DFT的幅频特性图
title('(6a)64点|DFT[x_6(nT)]|');xlabel('f(Hz)');ylabel('幅度');
axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(X6k64))])
图3.1
程序运行结果分析讨论:
用DFT(或FFT)分析频谱,绘制频谱图时,最好将X(k)的自变量k换算成对应的频率,作为横坐标便于观察频谱。
为了便于读取频率值,最好关于π归一化,即以作为横坐标。
1、实验内容
(1)
图(1a)和(1b)说明的8点DFT和16点DFT分别是的频谱函数的8点和16点采样;
因为,所以,与的8点DFT的模相等,如图(2a)和(3a)。
但是,当N=16时,与不满足循环移位关系,所以图(2b)和(3b)的模不同。
2、实验内容
(2),对周期序列谱分析
的周期为8,所以N=8和N=16均是其周期的整数倍,得到正确的单一频率正弦波的频谱,仅在0.25π处有1根单一谱线。
如图(4b)和(4b)所示。
的周期为16,所以N=8不是其周期的整数倍,得到的频谱不正确,如图(5a)所示。
N=16是其一个周期,得到正确的频谱,仅在0.25π和0.125π处有2根单一谱线,如图(5b)所示。
3、实验内容(3),对模拟周期信号谱分析
有3个频率成分,。
所以的周期为0.5s。
采样频率。
变换区间N=16时,观察时间Tp=16T=0.25s,不是的整数倍周期,所以所得频谱不正确,如图(6a)所示。
变换区间N=32,64时,观察时间Tp=0.5s,1s,是的整数周期,所以所得频谱正确,如图(6b)和(6c)所示。
图中3根谱线正好位于处。
变换区间N=64时频谱幅度是变换区间N=32时2倍,这种结果正好验证了用DFT对中期序列谱分析的理论。
注意:
(1)用DFT(或FFT)对模拟信号分析频谱时,最好将X(k)的自变量k换算成对应的模拟频率fk,作为横坐标绘图,便于观察频谱。
这样,不管变换区间N取信号周期的几倍,画出的频谱图中有效离散谐波谱线所在的频率值不变,如图(6b)和(6c)所示。
(2)本程序直接画出采样序列N点DFT的模值,实际上分析频谱时最好画出归一化幅度谱,这样就避免了幅度值随变换区间N变化的缺点。
本实验程序这样绘图只要是为了验证了用DFT对中期序列谱分析的理论。
实验总结及心得体会
在本次时域采样与频域采样与用FFT对信号作频谱分析实验中,又一次接触到应用matlab编程设计处理问题,在本次试验中熟悉并且掌握软件的应用方法,及其相关子函数的应用范围。
在时域采样与频域采样试验中,通过对比模拟信号采样前后频谱的变化,以及如何选择采样频率才能使采样后的信号不丢失信息,掌握频率域采样会引起时域周期化的概念,以及频率域采样定理及其对频域采样点数选择的指导作用,达到灵活运用理论知识解决实际问题。
以及学习用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,以便正确应用FFT。
用FFT对信号作频谱分析是学习数字信号处理的重要内容。
经常需要进行谱分析的信号是模