既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上C C++开发知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
其中1N/2代表0pi,而N/2N代表-pi0。
从理论上讲s1(t)=cos(2*pi*f1*t)应该在1000Hz和-1000Hz两个频点上有两根线,即应该在x1(其中x1*(3000/2) /(64/2)=1000,解得x1=21.3)上和64-x1上有两根谱线。观察图1可知,两个峰值大约对应横轴坐标为21和43=64-21两个点。
若令s2(t)=sin(w1*t),则傅里叶变换是S1(w)=-j*pi*[δ(w-w1)-δ(w+w1)],在matlab中执行以下命令:
n=0:63;
f1=1000;f=3000;
s2=sin(2*pi*f1/f*n);
plot(abs(fft(s2)));
则可得其频谱,如图2所示:
图2
由图可得两个峰值的位置基本与图1相同,这由其傅里叶表达式也可以得出此结论。
以上分别说明了余弦和正弦的频谱,而且余弦和正弦均是实数序列,实数序列的离散傅里叶变换(DFT)具有共轭对称性质(此性质可百度或查阅数字信号处理相关书籍或自行推导,很简单的),这从图中也可以看出。(画图时取其模值,共轭取模与原先数取模将变成相等)
2)复数的频谱
若令s3(t)=cos(w1*t)+j*sin(w1*t),则计算其傅里叶变换可得S2(w)=pi*[δ(w-w1)+δ(w+w1)]+j*{-j*pi*[δ(w-w1)-δ(w+w1)]}=2*pi*δ(w-w1),因此频谱中将只有一根谱线。
在matlab中输入以下命令:
n=0:63;
f1=1000;f=3000;
s3=cos(2*pi*f1/f*n)+1j*sin(2*pi*f1/f*n);
plot(abs(fft(s3)));
图3
从图3可以看出,对于一个复数序列求频谱,它的幅度谱将不再是对称的两根谱线。其实经过类似于实数序列的推导可以得出,复数序列的频谱将不再具有类似于实数序列的共轭对称性质。
当w1为负值时会如何呢?输入以下命令计算s4(t)=cos(w1*t)+j*sin(w1*t)的频谱:
n=0:63;
f1=-1000;f=3000;
s4=cos(2*pi*f1/f*n)+1j*sin(2*pi*f1/f*n);
plot(abs(fft(s4)));
图4
对比图3和图4可知,当频率为正值时,峰值将在132范围内;而当频率为负值时,峰值将在3364之间。此性质可通俗的描述如下:
对于信号s(t)=cos(2*pi*f*t)+j*sin(2*pi*f*t),对其进行符合奈奎斯特采样定理的采样,设采样率为fs,采样点数为N,得到数字信号s(n),n=[0,…,N-1],则对s(n)做DFT变换进行谱分析后得到S(k),k=[0,…,N-1]。观察S(k)的幅度谱,若k=0N/2-1之间有峰值,则s(t)的频率f在0fs/2之间;若k=N/2N-1之间有峰值,则s(t)的频率f在-fs/20之间;并且有且只有一个峰值。
计算公式如下:设幅度谱峰值当k=k1时出现,则s(t)的频率为:
同理,可推出如下性质:
对于信号s(t)=cos(2*pi*f*t)-j*sin(2*pi*f*t),对其进行符合奈奎斯特采样定理的采样,设采样率为fs,采样点数为N,得到数字信号s(n),n=[0,…,N-1],则对s(n)做DFT变换进行谱分析后得到S(k),k=[0,…,N-1]。观察S(k)的幅度谱,若k=0N/2-1之间有峰值,则s(t)的频率f在-fs/20之间;若k=N/2N-1之间有峰值,则s(t)的频率f在0fs/2之间;并且有且只有一个峰值。
计算公式如下:设幅度谱峰值当k=k1时出现,则s(t)的频率为:
3)下面引入一个新的概念:频率分辨率
频率分辩率是指频域取样中两相邻点间的频率间隔。更确切的说是如果某一信号含有两个频率成分f1和f2,Of=|f2-f1|,频率分辨率的概念是如果频率分辨率大于Of,对信号进行谱分析后将不能视别出其含有两个频率成分,这两个频率将混叠在一起。
以下是摘自华科姚天任《数字信号处理(第二版)》第92页的一段:
现在我们设定信号s5(t)=cos(w1*t)+sin(w2*t),其中w1=2*pi*1000,w2=2*pi*1100
在matlab中输入以下命令计算其频谱:
n=0:63;
f1=1000;f2=1100;f=3000;
s5=cos(2*pi*f1/f*n)+sin(2*pi*f2/f*n);
plot(abs(fft(s5)));
图5
从图5中可以看出能够分辨出f1=1000Hz和f2=1100Hz两个频率分量。
我们利用上面的理论来计算一下此时的频率分辨率:
采样频率fs=3000Hz
采样点个数N=64
最长记录长度tp=N*(1/fs)
频率分辨率F=1/tp=fs/N=3000/64=46.875Hz
因为F<f2-f1=100Hz,因此能够分辨出两个频率分量。
下面我们作如下尝试:
第一种尝试:fs不变仍为3000Hz,即奈奎斯特定理仍然满足,大于信号s5(t)的最高频率分量1100Hz的两倍,但将采样点个数N减小为24个,在matlab中输入以下命令:
n=0:23;
f1=1000;f2=1100;f=3000;
s5=cos(2*pi*f1/f*n)+sin(2*pi*f2/f*n);
plot(abs(fft(s5)));
图6
第二种尝试:采样率fs升为8000Hz,即满足奈奎斯特采样定理,大于信号s5(t)的最高频率分量1100Hz的两倍,采样点个数N不变,仍为64个,在matlab中输入以下命令:
n=0:63;
f1=1000;f2=1100;f=8000;
s5=cos(2*pi*f1/f*n)+sin(2*pi*f2/f*n);
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
)]
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!