数字信号处理实验五(实验箱)报告.docx
《数字信号处理实验五(实验箱)报告.docx》由会员分享，可在线阅读，更多相关《数字信号处理实验五(实验箱)报告.docx（8页珍藏版）》请在冰点文库上搜索。
数字信号处理实验报告
实验名称：
实验五基于E300TECHV6713的快速傅里叶变换实验
实验时间:
2014 年 11 月 18 日
学号：
201211106134 姓名：
孙舸
成绩：
评语：
一、实验目的：
1、加深对DFT算法原理和基本性质的理解；
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。
二、实验原理与步骤：
（一）实验原理：
1、离散傅立叶变换DFT的定义：
将时域的采样变换成频域的周期性离散函数，频域的采样也可以变换成时域的周期性离散函数，这样的变换称为离散傅立叶变换，简称DFT。
2、FFT是DFT的一种快速算法，将DFT的N2步运算减少为（N/2）log2N步，极大的提高了运算的速度。
3、旋转因子的变化规律。
4、蝶形运算规律。
5、基-2FFT算法。
（二）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运算流程图和程序框图，分析本实验提供的FFT样例子程序；
3、运行CCS软件，对样例程序进行跟踪，分析结果；记录必要的参数。
4、填写实验报告。
5、样例程序实验操作说明
A、实验前准备：
1）正确完成计算机、E300的连接；
2）用音频线连接音源和E300板的MIC_IN，系统上电；
B、实验
启动CCS，Project/Open打开“..\Algorithm\02FFT\example.pjt”工程文件；双击“example.pjt”及“Source”可查看各源程序；加载“example.out”；在主程序中，k++处设置断点；单击“Run”运行程序，程序将运行至断点处停止；
用View/Graph/Time/Frequency打开一个图形观察窗口；设置该观察图形窗口变量及参数；采用双踪观察在启始地址分别为x和mo，长度为1024，数值类型为32位有符号浮点变量，如图所示；数组x和mo分别存放的是经A/D转换后的语音信号和对该信号进行FFT变换的结果；
单击“Animate”或按F10运行程序；调整观察窗口并同步观察输入语音信号波形及其FFT变换结果；
单击“Halt”暂停程序运行，关闭窗口，本实验结束。
三、实验内容及结果：
（一）内容：
启动CCS，Project/Open打开“..\Algorithm\02FFT\example.pjt”工程文件；双击“example.pjt”及“Source”可查看各源程序；加载“example.out”；在主程序中，k++处设置断点；单击“Run”运行程序，程序将运行至断点处停止；
用View/Graph/Time/Frequency打开一个图形观察窗口；设置该观察图形窗口变量及参数；采用双踪观察在启始地址分别为x和mo，长度为1024，数值类型为32位有符号浮点变量，如图所示；数组x和mo分别存放的是经A/D转换后的语音信号和对该信号进行FFT变换的结果；
单击“Animate” 或按F10运行程序；调整观察窗口并同步观察输入语音信号波形及其FFT变换结果。
（二）实验结果：
a.源程序：
#include"Config1cfg.h" //定义包含的库#include
#include#include"c6211dsk.h"#include#include
#include
#include"math.h"
#defineLength1024 //宏定义#defineLen10
//==================================================
intin;
floatx[Length],mo[Length];
floatpr[Length],pi[Length],fr[Length],fi[Length]; //定义数组intxm,i,n,k; //定义变量
//LeftandrightsignalsamplesunsignedintxL,xR;
//==================================================
voidmain（） //主函数
{
unsignedintdat;
init_sys（）;initial_aic23（）;delay_SYS
（1）;
initial_mcbsp1（）; //子函数声明
i=0; //初始化变量
k=0;
n=Length;
for（;;） //死循环
{
for（i=0;i<=n-1;i++）
{
mcbsp1Rx_ready（）;
dat=（*（unsignedint*）0x1900000）;//DRR1;in=（intshort）dat;
//xm=
x[i]=（float）in;//32768.0;pr[i]=x[i];
pi[i]=0;
}
kfft（pr,pi,Length,Len,fr,fi,0,1）;
for（i=0;i<=n-1;i++）
{
mo[i]=sqrt（fr[i]*fr[i]+fi[i]*fi[i]）; //快速傅里叶变换
}
k++;
}
}
b.图：
下图是输入两个不同的音频信号得到的波形：
改变length的值：
当length=512时：
当length=128时：
五、思考题：
1、对于不同的N，幅频特性会相同吗？
为什么？
答：
对于不同的N，幅频特性不相同，因为他们函数表达式不相同，模不相同。
2、FFT进行谱分析，可以应用在什么方面？
答：
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。
可以应用在对周期信号频谱分析和对模拟信号频谱分析。
3、结合实验中所给定典型序列幅频特性曲线，与理论结果比较，并分析说明误差产生的原因以及用FFT作谱分析时有关参数的选择方法。
答：
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。
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2π/N≤D。
可以根据此时选择
FFT的变换区间N。
4、总结实验所得主要结论。
给的输入信号不同，得到的结果也不同。
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。
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。
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与原含有信号数据点数相同，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。
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。
对模拟信号的频谱时，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。
升级会员 