【MATLAB数字信号处理】离散时间信号的频域分析（一）

最新推荐文章于 2022-12-04 22:07:22 发布

LiuXiaoli0720

最新推荐文章于 2022-12-04 22:07:22 发布

阅读量2.1k

点赞数 1

分类专栏： MATLAB数字信号处理文章标签： matlab 算法

本文链接：https://blog.csdn.net/Planck_meteora/article/details/124503747

版权

MATLAB数字信号处理专栏收录该内容

8 篇文章 8 订阅

订阅专栏

本文回顾了离散时间傅里叶变换（DTFT）的基本概念，包括幅度函数和相位函数，并介绍了如何通过快速傅里叶变换（FFT）和逆快速傅里叶变换（IFFT）实现简单的频域滤波。通过示例展示了在MATLAB中对含有噪声的正弦信号进行滤波的过程。

摘要由CSDN通过智能技术生成

3.1 基础知识回顾

序列 $x [n]$ 的离散时间傅里叶变换（DTFT） $X(e^{jw})$ 定义为：

$X(e^{jw})=\sum_{n=-∞}^{∞}x[n]e^{-jwn}$

通常 $X(e^{jw})$ 是实变量 $w$ 的一个复函数并可写为：

$X(e^{jw})=X_{re}(e^{jw})+jX_{im}(e^{jw})$

其中 $X_{re}(e^{jw})$ 和 $X_{im}(e^{jw})$ 分别是 $X(e^{jw})$ 的实部和虚部，它们都是 $w$ 的实函数。 $X(e^{jw})$ 也可表示为：

$X(e^{jw})=|X(e^{jw})|e^{jθ(w)}$

其中， $θ(w)=arg{X(e^{jw})}$

$X(e^{jw})|$ 称为幅度函数， $θ (w)$ 称为相位函数，这两个函数都是 $w$ 的实函数。在很多应用中，傅里叶变换称为傅里叶谱，而 $X(e^{jw})|$ 和 $θ (w)$ 分别称为幅度谱和相位谱。

$X(e^{jw})$ 的离散时间傅里叶逆变换 $x [n]$ 为： $x[n]=\frac{1}{2\pi}\int_{-\pi}^{\pi}X(e^{jw})e^{jwn}dw$ 。

若 $x [n]$ 绝对可和，即 $\sum_{n=-∞}^{∞}|x[n]|<∞$ ，则序列 $x [n]$ 的傅里叶变换 $X(e^{jw})$ 存在。

3.2 利用FFT/IFFT实现简单的频域滤波

nx = 100;
x1 = [1:nx];
y1 = sin(x1*0.3); 
figure(1);plot(y1);title('时域原始信号');
noise = rand(1,nx) - 0.5;
y2 = y1 + noise;
figure(2);plot(y2);title('合成信号');
XXX = fft(y2);
figure(3);plot(abs(XXX)); title('信号的幅度谱'); 
figure(4);plot(angle(XXX));title('信号的相位谱');
ir = 10; 
for i = ir:1:nx - ir
    XXX(i) = 0;
end
f1 = ifft(XXX);
figure(6);plot(x1,f1,'r')
hold on
plot(y1,'b')
legend('傅立叶反变换后的时域信号','时域原始信号')

在这里插入图片描述