华南理工大学数字信号处理实验二代码

实验报告
实验二
课程名称：《数字信号处理实验》

验证性实验

实验目的

• 研究和验证不同频率成分的信号叠加及其频谱特性

• 验证指数序列的离散傅里叶变换（DFT）和其逆变换（IDFT）的效果

• 验证离散傅里叶变换（DFT）的对称性和共轭对称性 [@ning2012]

实验原理

信号的频率分解

信号 $x[n]$ 可以表示为不同频率正弦波的叠加：
$$x[n]=\sum _{k=0}^{N-1}{A}_k\cos (2\pi f_{k}nT+{\varphi }_k)$$

其中，$A_k$，$f_k$，和 ${\varphi }_k$ 分别是第 $k$
个正弦波的幅度、频率和相位，$T$ 是采样周期，$n$ 是时域的采样点索引。

离散傅里叶变换（DFT）

离散傅里叶变换提供了一种方法，可以将时域的离散信号转换为频域的表示。DFT定义为：
$$X[k]=\sum _{n=0}^{N-1}x[n]\cdot e^{-j\frac{2\pi }{N}kn}$$

其中，$X[k]$ 是在频率索引 $k$ 处的复数形式的频域表示，展示了频率
$\frac{k}{NT}$ 处的幅度和相位信息。

对于基本的指数序列，其DFT可以直接计算为：
$$X[k]=\sum _{n=0}^{N-1}x[n]\cdot e^{-j\frac{2\pi }{N}kn}$$

这一公式揭示了序列在离散频率点 $k$
的复振幅，其中包含了幅度和相位信息。对于纯指数信号，DFT结果在特定 $k$
值处会显示为尖峰，此 $k$ 值对应于指数序列的频率 ${\omega }_0$。

频谱分析和频率成分的可视化

通过计算 $X[k]$ 的幅度和相位，我们可以获得信号的频谱图。幅度谱 $|X[k]|$
和相位谱 $\angle X[k]$ 分别提供了不同频率成分的强度和相位偏移信息：
$$|X[k]|=\sqrt{\text{Re}(X[k]{)}^2+\text{Im}(X[k]{)}^2}$$

$$\angle X[k]=\arctan \left(\frac{\text{Im}(X[k])}{\text{Re}(X[k])}\right)$$

信号重构

利用逆离散傅里叶变换（IDFT），可以从频域数据 $X[k]$ 重构原始时域信号
$x[n]$：
$$x[n]=\frac{1}{N}\sum _{k=0}^{N-1}X[k]\cdot e^{j\frac{2\pi }{N}kn}$$

这一过程表明，通过适当处理其频域表示，原始信号可以完整地恢复，证明了频率成分分析的准确性和有效性。

IDFT的应用

逆离散傅里叶变换（IDFT）是DFT的逆过程，用于从频域信号恢复时域信号：
$$x[n]=\frac{1}{N}\sum _{k=0}^{N-1}X[k]\cdot e^{j\frac{2\pi }{N}kn}$$
通过IDFT，可以验证DFT的准确性。如果从DFT到IDFT的转换能完美地重构原始信号
$x[n]$，则证明了变换过程的正确性和信号处理方法的有效性。

指数序列和其变换

指数序列一般形式为 $x[n]=A{e}^{j({\omega }_{0}n+\varphi )}$，其中
$A$、${\omega }_0$ 和 $\varphi$
分别代表幅度、基本角频率和相位。此类序列在进行离散傅里叶变换时，显示为频谱中的尖峰，这一特性使其在频域分析中尤为重要。

离散傅里叶变换（DFT）的对称性和共轭对称性

• 对称性

  在DFT中，如果输入信号是实数（即 $x[n]$
  没有虚部），那么其频谱将展示对称性。具体来说，对于 $N$ 点DFT，有：
  $$X[k]=X[N-k{]}^{\ast }$$ 这意味着频谱的第 $k$ 项和第 $N-k$
  项是共轭对称的，即它们的幅度相等，相位相反。

• 共轭对称性

  如果输入信号是纯实数的偶函数（即
  $x[n]=x[N-n]$），其DFT结果也将是实数且偶对称。类似地，如果输入信号是纯实数的奇函数（即
  $x[n]=-x[N-n]$），其DFT结果将是纯虚数且奇对称。

• 数学描述和公式

  对于一个一般的复数信号，DFT定义为：
  $$X[k]=\sum _{n=0}^{N-1}x[n]\cdot e^{-j\frac{2\pi }{N}kn}$$

  通过这一定义，我们可以展开并验证信号的共轭对称性。对于实数信号，我们有：
  $$X[k]=\sum _{n=0}^{N-1}x[n]\cdot \cos \left(\frac{2\pi kn}{N}\right)-j\sum _{n=0}^{N-1}x[n]\cdot \sin \left(\frac{2\pi kn}{N}\right)$$

  其中实部和虚部的对称性可以独立检验。

通过验证DFT的对称性和共轭对称性，不仅加强了对信号频谱结构的理解，还为信号分析提供了重要的数学工具。这些性质在减少计算量、提高算法效率以及实际信号处理系统的设计中发挥着关键作用，尤其是在音频和通信领域中。

实验内容

• 1. 2N点实数序列 $$x(n)=\{\begin{array}{ll}\cos \left(\frac{2\pi \cdot 7n}{N}\right)+\frac{1}{2}\cos \left(\frac{2\pi \cdot 19n}{N}\right),& n=0,1,2,\dots ,2N-1;\\ 0,& \text{其他}n;\end{array}$$ N=64。用一个64点的复数FFT
  程序，一次算出，$X(k)=\text{DFT}[x(n){]}_{2N}$并绘出$|X(k)|$的图形。

• 2. 已知指数序列在单位圆上的 $N=64$ 点分布的 $Z$ 变换为：
  $$X(Z_k)=X(k)=\frac{1}{1-0.8e^{-j2\pi k/N}},k=0,1,2,\dots ,63$$
  用 $N$ 点 IFFT 程序计算出 $\bar{x}(n)=\text{IDFT}[X(k)]$ 和
  $\bar{x}(n)$。

• 3.
  使用Matlab编程验证DFT操作的对称性。设计您自己的N点复序列，并通过编程验证表5.1中的对称性属性。

  

实验一

• 首先，定义了一个序列的长度 $N$ 为 64，然后创建了一个时间索引
  $n$，范围从 0 到 $2N-1$。

• 接下来，定义了一个信号
  $x$，它是两个正弦信号的叠加，分别以不同的频率振荡。第一个正弦信号的频率为
  7 Hz，第二个正弦信号的频率为 19 Hz。

• 使用快速傅里叶变换（FFT）计算了信号 $x$ 的频谱，得到了频谱 $X$。

• 计算了频谱的幅度 $|X(k)|$，即频谱的绝对值。

• 最后，绘制了频谱幅度 $|X(k)|$ 的图形，使用了 stem
  函数来绘制离散点图。横坐标表示频率索引
  $k$，纵坐标表示幅度，同时添加了标签和标题以及网格线。

<!-- -->

N = 64; % 序列长度
n = 0:2*N-1; % 时间索引 n

% 定义信号 x(n)
x = cos(2*pi*7*n/N) + 1/2*cos(2*pi*19*n/N);

% 计算信号的快速傅里叶变换（FFT）
X = fft(x, 2*N);

% 计算幅度 |X(k)|
magnitude_X = abs(X);

% 绘制 |X(k)| 的图形
k = 0:2*N-1; % 频率索引 k
stem(k, magnitude_X); % 使用 stem 函数来绘制离散点
xlabel('k');
ylabel('|X(k)|');
title('Magnitude of DFT of x(n)');
grid on;

可以得到以下实验结果：

实验二

• 定义了一个序列的点数为 $N=64$，并创建了一个点的索引 $k$，范围从 0
  到 $N-1$。

• 计算了序列 $X(k)$ 在单位圆上的 64 个点。这里使用了一个公式来计算
  $X(k)$，公式为 $X(k)=\frac{1}{1-0.8\cdot e^{-j2\pi k/N}}$，其中
  $j$ 是虚数单位。

• 通过使用逆离散傅里叶变换（IFFT），计算了序列 $x(n)$。在 MATLAB
  中，可以使用 ifft 函数来执行逆离散傅里叶变换。

• 由于原始序列是复数，但实际应用中通常处理实数序列，因此将计算得到的序列取了实部。

• 显示了计算得到的序列 $x(n)$。

• 使用了 stem 函数绘制了序列 $x(n)$ 的图形，横坐标表示序列索引
  $n$，纵坐标表示序列值 $x(n)$，并添加了标签和标题。

<!-- -->

N = 64; % 序列的点数
k = 0:N-1; % 点的索引

% 计算序列X(k)在单位圆上的64点
X_k = 1 ./ (1 - 0.8 .* exp(-1j * 2 * pi * k / N));

% 计算x(n)通过使用IFFT
x_n = ifft(X_k);

% 因为原始序列是实数，取实部
x_n = real(x_n);

% 显示序列
disp(x_n);

% 可视化序列
stem(0:N-1, x_n);
xlabel('n');
ylabel('x(n)');
title('Sequence x(n) from IFFT');

可以得到以下的实验结果：

实验三

以下代码实现了对给定复数序列的各种对称性分析，并对其进行了离散傅里叶变换（DFT），然后绘制了不同情况下的DFT结果。

下面是关于这段代码的说明：

• 定义了一个包含复数元素的序列 $x$，这个序列有四个元素。

• 计算了序列的长度 $N$，并创建了一个序列的索引 $n$，范围从 0 到
  $N-1$。

• 分别提取了序列 $x$ 的实部、虚部和共轭部分，并构造了 $x$ 的倒序序列
  $xr$ 和其共轭序列 $x_{c}c$。

• 计算了序列 $x$ 的共轭序列 $x_{c}c$ 和 $x$ 的共轭序列 $x_{c}c$
  在频域的DFT。

• 计算了 $x$ 的实部序列 $x_{r}e$ 和 $x$ 的虚部序列 $x_{i}m$ 在频域的DFT。

• 计算了 $x$ 的共轭序列 $x_{c}c$ 和 $x$ 的平均序列 $x_{c}s$ 在频域的DFT。

• 计算了 $x$ 的共轭序列 $x_{c}c$ 和 $x$ 的差分序列 $x_{c}a$ 在频域的DFT。

• 使用 stem 函数绘制了不同情况下的DFT结果的实部和虚部，分别包括 $x$
  的共轭序列、实部、虚部、共轭序列的DFT结果，以及共轭序列和实部序列的平均、差分序列的DFT结果。

• 每个图形都包括了四个子图，分别展示了实部和虚部的DFT结果。

<!-- -->

function varargout=symmetry()
x=[1+1j*4, -1+1j*3, 4-1j*2, -5-1j*6];
N=length(x);
n=0:N-1;
x_re=real(x);
x_im=imag(x);
x_conj=conj(x);
xr=x(mod(-n,N)+1);
x_cc=conj(xr);
% x_cc=[1-1j*4, -5+1j*6, 4+1j*2, -2-1j*3];
% x_cs=[1, -3.5+1j*4.5, 4, -3.5-1j*4.5];
% x_ca=[1j*4, 1.5-1j*1.5,-1j*2,-1.5-1j*1.5];
x_cs=0.5*(x+x_cc);
x_ca=0.5*(x-x_cc);

k=0:N-1;
Xk=fft(x);
Xkr=Xk(mod(-k,N)+1);
Xk_cc=conj(Xkr);
Xk_conj=conj(Xk);
Xk_re=real(Xk);
Xk_im=imag(Xk);
Xk_cs=0.5*(Xk+Xk_cc);
Xk_ca=0.5*(Xk-Xk_cc);

X1=fft(x_conj);
X2=fft(x_cc);
X3=fft(x_re);
X4=fft(1j.*x_im);
X5=fft(x_cs);
X6=fft(x_ca);

figure
subplot(2,2,1)
stem(k,real(X1))
title('real part of DFT[x*[n]]')
subplot(2,2,2)
stem(k,imag(X1))
title('imag part of DFT[x*[n]]')
subplot(2,2,3)
stem(k,real(Xk_cc))
title('real part of X*[<-k>N]')
subplot(2,2,4)
stem(k,imag(Xk_cc))
title('imag part of X*[<-k>N]')

figure
subplot(2,2,1)
stem(k,real(X2))
title('real part of DFT[x*[<-n>N]]')
subplot(2,2,2)
stem(k,imag(X2))
title('imag part of DFT[x*[<-n>N]]')
subplot(2,2,3)
stem(k,real(Xk_conj))
title('real part of X*[k]')
subplot(2,2,4)
stem(k,imag(Xk_conj))
title('imag part of X*[k]')

figure
subplot(2,2,1)
stem(k,real(X3))
title('real part of DFT[xre[n]]')
subplot(2,2,2)
stem(k,imag(X3))
title('imag part of DFT[xre[n]]')
subplot(2,2,3)
stem(k,real(Xk_cs))
title('real part of Xcs[k]')
subplot(2,2,4)
stem(k,imag(Xk_cs))
title('imag part of Xcs[k]')

figure
subplot(2,2,1)
stem(k,real(X4))
title('real part of DFT[jxim[n]]')
subplot(2,2,2)
stem(k,imag(X4))
title('imag part of DFT[jxim[n]]')
subplot(2,2,3)
stem(k,real(Xk_ca))
title('real part of Xca[k]')
subplot(2,2,4)
stem(k,imag(Xk_ca))
title('imag part of Xca[k]')

figure
subplot(2,2,1)
stem(k,real(X5))
title('real part of DFT[xcs[n]]')
subplot(2,2,2)
stem(k,imag(X5))
title('imag part of DFT[xcs[n]]')
subplot(2,2,3)
stem(k,real(Xk_re))
title('real part of Xre[k]')
subplot(2,2,4)
stem(k,imag(Xk_re))
title('imag part of Xre[k]')

figure
subplot(2,2,1)
stem(k,real(X6))
title('real part of DFT[xca[n]]')
subplot(2,2,2)
stem(k,imag(X6))
title('imag part of DFT[xca[n]]')
subplot(2,2,3)
stem(k,real(1j*Xk_im))
title('real part of jXim[k]')
subplot(2,2,4)
stem(k,imag(1j*Xk_im))
title('imag part of jXim[k]')

得到的结果如下：