matlab应用基础——工程应用

1. fft（）函数

快速傅里叶变换

官方参考文档：快速傅里叶变换 - MATLAB fft - MathWorks 中国 

语法：

1.1 实例：使用傅里叶变换求噪声中隐藏的信号的频率分量。 

（1）导入信号，添加白噪声，并且绘制时域图像： 

% % 含噪信号
% 使用傅里叶变换求噪声中隐藏的信号的频率分量。

% 指定信号的参数，采样频率为 1 kHz，信号持续时间为 1.5 秒。
Fs = 1000;            % 采样频率 (Sampling frequency)                   
T = 1/Fs;             % 采样周期 (Sampling period)       
L = 1500;             % 信号长度 (Length of signal)
t = (0:L-1)*T;        % 时间向量 (Time vector)

% 构造一个信号，其中包含幅值为 0.7 的 50 Hz 正弦量和幅值为 1 的 120 Hz 正弦量。
S = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t);

% 用均值为零、方差为 4 的白噪声扰乱该信号。
X = S + 2*randn(size(t));

% 在时域中绘制含噪信号。通过查看信号 X(t) 很难确定频率分量。
plot(1000*t(1:50),X(1:50))
title('Signal Corrupted with Zero-Mean Random Noise')
xlabel('t (milliseconds)')
ylabel('X(t)')

 （2）对如上得处理过的信号X进行傅里叶变换，

%以下通过傅里叶变换进行频域分析
% % 计算信号的傅里叶变换。
Y = fft(X);

% 计算双侧频谱 P2。然后基于 P2 和偶数信号长度 L 计算单侧频谱 P1。
P2 = abs(Y/L);
P1 = P2(1:L/2+1);
P1(2:end-1) = 2*P1(2:end-1);

% 定义频域 f 并绘制单侧幅值频谱 P1。与预期相符，由于增加了噪声，
% 幅值并不精确等于 0.7 和 1。一般情况下，较长的信号会产生更好的频率近似值。
f = Fs*(0:(L/2))/L;
plot(f,P1) 
title('X（t）的单边振幅谱')
xlabel('f (Hz)')
ylabel('|P1(f)|')

（3）对原信号进行傅里叶处理：

% 采用原始的、未破坏信号的傅里叶变换并检索精确幅值 0.7 和 1.0。
Y = fft(S);
P2 = abs(Y/L);
P1 = P2(1:L/2+1);
P1(2:end-1) = 2*P1(2:end-1);

plot(f,P1) 
title('S（t）的单边振幅谱')
xlabel('f (Hz)')
ylabel('|P1(f)|')

（4） 完整程序代码：

% % 含噪信号
% 使用傅里叶变换求噪声中隐藏的信号的频率分量。

% 指定信号的参数，采样频率为 1 kHz，信号持续时间为 1.5 秒。
Fs = 1000;            % 采样频率 (Sampling frequency)                   
T = 1/Fs;             % 采样周期 (Sampling period)       
L = 1500;             % 信号长度 (Length of signal)
t = (0:L-1)*T;        % 时间向量 (Time vector)

% 构造一个信号，其中包含幅值为 0.7 的 50 Hz 正弦量和幅值为 1 的 120 Hz 正弦量。
S = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t);

% 用均值为零、方差为 4 的白噪声扰乱该信号。
X = S + 2*randn(size(t));

% 在时域中绘制含噪信号。通过查看信号 X(t) 很难确定频率分量。
plot(1000*t(1:50),X(1:50))
title('零均值随机噪声污染的信号')
xlabel('t (毫秒)')
ylabel('X(t)')



%以下通过傅里叶变换进行频域分析
% % 计算信号的傅里叶变换。
Y = fft(X);

% 计算双侧频谱 P2。然后基于 P2 和偶数信号长度 L 计算单侧频谱 P1。
P2 = abs(Y/L);
P1 = P2(1:L/2+1);
P1(2:end-1) = 2*P1(2:end-1);

% 定义频域 f 并绘制单侧幅值频谱 P1。与预期相符，由于增加了噪声，
% 幅值并不精确等于 0.7 和 1。一般情况下，较长的信号会产生更好的频率近似值。
f = Fs*(0:(L/2))/L;
plot(f,P1) 
title('X（t）的单边振幅谱')
xlabel('f (Hz)')
ylabel('|P1(f)|')

% 采用原始的、未破坏信号的傅里叶变换并检索精确幅值 0.7 和 1.0。
Y = fft(S);
P2 = abs(Y/L);
P1 = P2(1:L/2+1);
P1(2:end-1) = 2*P1(2:end-1);

plot(f,P1) 
title('S（t）的单边振幅谱')
xlabel('f (Hz)')
ylabel('|P1(f)|')

1.2 更多傅里叶变换应用实例

见官方文档：快速傅里叶变换 - MATLAB fft - MathWorks 中国

2. MATLAB中产生高斯白噪声

MATLAB中产生高斯白噪声非常方便，可以直接应用两个函数，一个是WGN，另一个是AWGN。WGN用于产生高斯白噪声，AWGN则用于在某一信号中加入高斯白噪声。

 

2.1 wgn()函数，产生高斯白噪声

y = wgn(m,n,p) 产生一个m行n列的高斯白噪声的矩阵，p以dBW为单位指定输出噪声的强度。
y = wgn(m,n,p,imp) 以欧姆(Ohm)为单位指定负载阻抗。
y = wgn(m,n,p,imp,state) 重置RANDN的状态。
在数值变量后还可附加一些标志性参数：
y = wgn(…,POWERTYPE) 指定p的单位。POWERTYPE可以是'dBW', 'dBm'或'linear'。线性强度(linear power)以瓦特(Watt)为单位。
y = wgn(…,OUTPUTTYPE) 指定输出类型。OUTPUTTYPE可以是'real'或'complex'。

2.2 awgn（）函数，在某一信号中加入高斯白噪声

语法：

（1）y = awgn(x,snr)

将白高斯噪声添加到向量信号x中。信噪比snr指定了每一个采样点信号与噪声的比率，单位为dB。如果x是复数的，awgn将会添加复数噪声。这个语法假设x的能量是0dBW。

（2）y = awgn(x,snr,sigpower)

和上面的语法相同，除了sigpower是x的能量，单位为dBW。

（3）y = awgn(x,snr,'measured')和y = awgn(x,snr)是相同的，除了agwn在添加噪声之前测量了x的能量。

（4）y = awgn(x,snr,sigpower,state)和y = awgn(x,snr,sigpower)是相同的，除了awgn首先重置了正态随机数产生器randn的状态为整数状态。

（5）y = awgn(x,snr,'measured',state)和y = awgn(x,snr,'measured')是相同的，除了awgn首先重置了正态随机数产生器randn的状态为整数状态。

（6）y = awgn(...,powertype)和前面的语法相同，除了字符串powertype指定了snr和sigpower的单位。powertype的选择有'db' and 'linear'，如果powertype是'db'，那么snr是按照dB为单位测量的，sigpower是按照dBW为单位测量的。如果powertype是线性的，snr是按照一个比率测量的，sigpower是以瓦特为单位测量的。Relationship Among SNR, Es/N0, and Eb/N0

对于SNR和其他的噪声相对能量测量的关系，查看Describing the Noise Level of an AWGN Channel。

3.audiowrite（）写音频文件

官方参考文档：写音频文件 - MATLAB audiowrite - MathWorks 中国 

eg:

audiowrite('D:\try_for_paper\bote.wav',wave_noise_recover,Fs);

 

 

 

（持续更新。。。）