【学习笔记】 matlab数字信号处理（四）信号的频域分析

第四章、信号的频域分析

4.1 概述

4.1.1 时域分析的局限性

4.1.2 频谱分析的优点

1. 方便对复杂信号进行分析
2. 抗干扰能力强
3. 具有明确的物理意义

4.2 周期信号频谱分析

4.2.1 正交分解与合成

周期信号可以用三角成交函数表示



由于沃尔什正交函数集的频谱物理意义不明确，所以使用的较少。

4.2.2 周期信号的三角分解与合成

方波信号的分解与合成

MATLAB实现

% 方波信号的合成
N = 1024;T=2;
x = linspace(0,T,N);
y1 = sin(2*pi*x);
subplot(4,1,1)
plot(x,y1)
y2 = y1 + 1/3*sin(3*2*pi*x);
subplot(4,1,2)
plot(x,y2)
y3 = y2 + 1/5*sin(5*2*pi*x);
subplot(4,1,3)
plot(x,y3)
y4 = y3 + 1/7*sin(7*2*pi*x);
subplot(4,1,4)
plot(x,y4)

结果：

锯齿波的分解与合成

MATLAB实现

% 锯齿波信号的合成
N = 1024;T=4;
x = linspace(0,T,N);
y = sin(2*pi*x)...
    + 1/2*sin(2*2*pi*x)...
    + 1/3*sin(3*2*pi*x)...
    + 1/4*sin(4*2*pi*x)...
    + 1/5*sin(5*2*pi*x)...
    + 1/6*sin(6*2*pi*x)...
    + 1/7*sin(7*2*pi*x)...
    + 1/8*sin(8*2*pi*x);
figure
plot(x,y)

结果：

4.2.3 频谱图

对数功率谱

对数功率谱可以使小信号的功率被展现出来。

周期信号频谱图特点

1. 离散性； 2. 谐波性； 3. 收敛性

4.3 数字信号频谱计算方法

4.3.1 信号的截断与能量泄露

克服能量泄露的办法

4.3.2 离散傅里叶变换（DFT）

4.3.3 快速傅里叶变换（FFT）

FFT很大程度上减小了DFT的运算复杂度，计算更快。

4.4 栅栏效应

4.4.1 能量泄露与栅栏效应的关系

4.4.2 加窗函数

常用的窗函数

4.4.3 总结

4.4 非周期信号的频谱分析

4.5 其他频谱相关知识

频谱分析主要用于识别信号中的周期分量，是信号分析中最常用的一种手段。

作业：

1. 用11025Hz的采样率分别对幅值为10，频率为200Hz的正弦波，方波，三角波进行采样和1024点的FFT变换，并绘制出它们的信号波形和幅值谱。

Fs = 11025;         % 采用频率
F = 200;            % 信号频率
N = 1024;           % 采样点数
dt = 1/Fs;          % 采样间隔
T = dt*N;           % 采样总时间
t = linspace(0,T,N);% 采样时刻
x1 = sin(2*pi*F*t);
x2 = square(2*pi*F*t);
x3 = sawtooth(2*pi*F*t);
y1 = fft(x1,N);
y2 = fft(x2,N);
y3 = fft(x3,N);
f = linspace(0,Fs/2,N/2);% x坐标转化为频率
figure
subplot(3,2,1)
plot(t,x1)
axis([-inf,inf,-1.25,1.25]);
subplot(3,2,2)
plot(f,abs(y1(1:N/2))/(N/2))
axis([-inf,inf,0,1.25]);
subplot(3,2,3)
plot(t,x2)
axis([-inf,inf,-1.25,1.25]);
subplot(3,2,4)
plot(f,abs(y2(1:N/2))/(N/2))
axis([-inf,inf,0,1.25]);
subplot(3,2,5)
plot(t,x3)
axis([-inf inf -1.25 1.25])
subplot(3,2,6)
plot(f,abs(y3(1:N/2))/(N/2))
axis([-inf,inf,0,1.25]);

结果：

2. 用5120Hz的采样率分别对幅值为1，频率为100.05Hz的正弦波信号进行采样，然后对其进行1024点的FFT变换显示信号波形和频谱；观察信号波形幅值与频谱幅值的区别，分析差异的原因。

Fs = 5120;         % 采用频率
F = 100.05;            % 信号频率
N = 1024;           % 采样点数
dt = 1/Fs;          % 采样间隔
T = dt*N;           % 采样总时间
t = linspace(0,T,N);% 采样时刻
x = 10*sin(2*pi*F*t);
y = fft(x,N);
f = linspace(0,Fs/2,N/2);% x坐标转化为频率
figure
subplot(2,1,1)
plot(t,x)
axis([-inf,inf,-10.25,10.25]);
subplot(2,1,2)
plot(f,abs(y(1:N/2))/(N/2))
axis([-inf,inf,0,10.25]);

结果：

参考：
课程：
数字信号分析理论与实践——华中科技大学何岭松老师