Matlab学习

code_zhengmeng

已于 2024-06-10 18:30:22 修改

阅读量273

点赞数 6

文章标签： matlab 学习开发语言

于 2024-05-07 00:32:47 首次发布

本文链接：https://blog.csdn.net/qq_35608118/article/details/138512398

版权

离散时间信号与系统

matlab里面冲击序列 $\delta \left ( n \right )$ 表示方法：

function[x,n]=impseq(n0,n1,n2)

%generate x(n)=delta(n-n0);n1<=n<=n2
%---------------------------------
%[x,n]=impseq(n0,n1,n2)
%
n=[n1:n2];x=[(n-n0)==0];

matlab里面阶跃序列 $u[n]$ 表示方法：

function[x,n]=stepseq(n0,n1,n2)

%generate x(n)=u(n-n0);n1<=n<=n2
%---------------------------------
%[x,n]=stepseq(n0,n1,n2)
%
n=[n1:n2];x=[(n-n0)>=0];

实指数序列 $x[n]=0.9^n$ 。并且以n为横坐标，x为纵坐标，作图

function[x]=expon(a)
% generate real exponential sequence x[n]=a^n
n=[0:1:10];
x=a.^n;
stem(n,x,'b');

复指数序列 $x[n]=e^{(\sigma +jw_{0})n}$ ：

function[x]=expone(a,b)
% generate real exponential sequence x[n]=exp()
n=[0:1:10];
x=exp((a+b*j)*n);

正弦序列 $x[n]=3cos(0.1\pi n+\frac{\pi}{3})+2sin(0.5\pi n)$

n=[0:1:10];
x=3*cos(0.1*pi*n+pi/3)+2*sin(0.5*pi*n)

随机序列

rand(1,N)产生一个长度为N,其值在[0,1]之间均匀分布的随机序列；randn(1,N)产生一个长度为N，均值为0，方差为1的高斯随机序列。

周期序列

function[x]=Periodic(n,p)
%generate Periodic sequence
%where n represents the initial sequence
%and p represents the number of repetitions 
x=n'*ones(1,p);
x=x(:);%将x矩阵一列一列的取出，并排列，变成一个n*1的矩阵

序列的相关性

目的：看两个序列的相似程度，相关值越大，越相关

实序列互相关：

$r_{xy}=x(n)*y(-n)$

$r_{yx}=y(n)*x(-n)$

实序列自相关：

$r_{xx}=x(n)*x(-n)$

举个例子，序列 $x=[\bar{3} ,5 ,-7, 2, -1, -3, 2]$ ,与序列 $y=[0,0,\bar{3} ,5 ,-7, 2, -1, -3, 2]$ ，互相关，代码如下：

nx=0:6;x=[3 5 -7 2 -1 -3 2];
ny=2:8; y0=x;

w=randn(1,length(y0));
y=y0+w;

ryx=xcorr(y,x);
nryx=-4:8;

stem(nryx,ryx,'r','linewidth',2);
xlabel('nryx');ylabel('ryx');

结果如下：

结论：在n=2的时候相关值最大

MATLAB实现差分传递推解的函数

$y(n)-0.5y(n-1)=0.5x(n)$

b=0.5;                %x的各项系数
a=[1,-0.5];           %y的各项系数，从低阶往高阶延时
x=ones(1,100);
y=filter(b,a,x);

采样定理

低通信号的采样要满足奈奎斯特采样定理，即：采样频率 $f_{s}$ 和低通信号的最高频 $f_{m}$ 满足: $f_{s}\geqslant 2f_{m}$ ,便可以保证采样之后的频谱不发生交叠，当 $f_{s}=2f_{m}$ 时，就是奈奎斯特采样定理。数字信号处理中，在采样之前，往往需要通过一个预处理器，其目的是将低通信号限制在一个频率范围之内，防止采样之后的频谱发生交叠。

对于带通信号，当 $f_{h}=r\Delta f_{0}$ ,其中 $r$ 整数， $\Delta f_{0}$ 是带宽，即带通信号的最高频率是带宽的整数倍时，则选择抽样频率 $f_{s}=2\Delta f_{0}$ ,采样后的频谱不会发生混叠现象，只要通过合适的带通滤波器便可以恢复原始信号。

带通信号中， $f_{h}=r'\Delta f_{0}$ ，其中 $r'$ 不是整数，则将通带下端延申到使其带宽为 $\Delta f_{0}'$ ,且满足： $f_{h}=r\Delta f_{0}'$ ，此时r为整数，然后用上述带通信号的方法抽样。

模拟信号的数字处理方法

零阶保持器：理想采样信号 $\delta (t)$ 在实际中是不可实现的，实际中采样的信号是矩形信号，在一段时间维持矩形信号电平不变的器件就是零阶保持器。

平滑滤波器：平滑滤波器在时域上就是把信号变得平滑，在频域上是滤除信号的高频的成分。

离散时间信号傅里叶变换的基本概念

正变换：

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

反变换：

$DTFT^{-1}[X(e^{jw})]=x(n)=\frac{1}{2\pi }\int_{-\pi }^{\pi}X(e^{jw})e^{jwn}dw$

说明：①正变换的收敛条件为：

$\sum_{n=-\infty }^{\infty}\left | x(n)\cdot e^{-jwn} \right |=\sum_{n=-\infty }^{\infty}\left | x(n) \right |< \infty$

若序列绝对可和，则他的傅里叶变换存在且连续。

② $X(e^{jw})$ 的特性：

由于时域上 $x(n)$ 的离散，使得频域上的 $X(e^{jw})$ 出现周期的特性，周期为 $2\pi$

$X(e^{jw})=X(e^{j(w+2\pi))})$

$DTFT$ 正变换和反变换的由来

①正变换：可由 $z$ 变换定义得到

$DTFT[x(n)]=\sum_{n=-\infty }^{\infty}x(n)z^{-n}|_{z=e^{jw}}=\sum_{n=-\infty}^{\infty}x(n)\cdot e^{-jwn}$

②反变换：若序列的 $z$ 变换在单位圆上收敛时：

$x(n)=\frac{1}{2{\pi}j}\oint _{c}X(z)z^{n-1}dz=\frac{1}{2{\pi}j}\int_{-\pi}^{\pi}X(e^{jw}))e^{jwn}e^{-jw}d(e^{jw})=\frac{1}{2{\pi}j}\int_{-\pi}^{\pi}X(e^{jw})e^{^{jwn}}e^{-jw}e^{jw}jdw=\frac{1}{2\pi}\int_{-\pi}^{\pi}X(e^{jw})e^{jwn}dw$

共轭对称序列和共轭反对称序列

共轭对称序列：

$x_{e}(n)=x^{\ast }_{e}(-n)$

$x_{e}(n)=x_{er}(n)+jx_{ei}(n)$

$x^{*}_{e}(-n)=x_{er}(-n)-jx_{ei}(-n)$

实部是偶函数 $x_{er}(n)=x_{er}(-n)$ ,虚部是奇函数 $x_{ei}(n)=-x_{ei}(-n)$

共轭反对称序列：

$x_{o}(n)=-x^{\ast }_{o}(-n)$

$x_{o}(n)=x_{or}(n)+jx_{oi}(n)$

$x^{*}_{o}(-n)=x_{or}(-n)-jx_{oi}(-n)$

实部是奇函数 $x_{or}(n)=-x_{or}(-n)$ ，虚部是偶函数 $x_{oi}(n)=x_{oi}(-n)$

由 $x(n)$ 表示 $x_{e}(n)$ 和 $x_{o}(n)$

$x(n)=x_{e}(n)+x_{o}(n)$

$x_{e}(n)=\frac{1}{2}[x(n)+x^{*}(-n)]$

$x_{o}(n)=\frac{1}{2}[x(n)-x^{*}(-n)]$

关于频域函数 $X(e^{jw})$ 的共轭对称性质描述

$X(e^{jw})=X_{e}(e^{jw})+X_{o}(e^{jw})$

共轭对称序列： $X_{e}(e^{jw})=X_{e}^{*}(e^{-jw})$

共轭反对称序列： $X_{o}(e^{jw})=-X_{o}^{*}(e^{-jw})$

$X_{e}(e^{jw})=\frac{1}{2}[X(e^{jw})+X^{*}(e^{-jw})]$

$X_{o}(e^{jw})=\frac{1}{2}[X(e^{jw})-X^{*}(e^{-jw})]$

时域与频域对应的共轭对称性质

①序列实部的傅里叶变换等于序列傅里叶变换的共轭对称分量

$DTFT[Re[x(n)]]=X_{e}(e^{jw})$

②序列虚部的傅里叶变换等于序列傅里叶变换的共轭反对称分量

$DTFT[jIm[x(n)]]=X_{o}(e^{jw})$

③序列的共轭对称分量和共轭反对称分量的 $DTFT$ 分别等于序列傅里叶变换的实部和虚部

$DTFT[x_{e}(n)]=Re[X(e^{jw})]$

$DTFT[x_{o}(n)]=jIm[X(e^{jw})]$

④特殊情况：当 $x(n)$ 为实序列， $X(e^{jw})$ 应该只剩下共轭对称分量（实序列无虚部，所以无共轭反对称分量）

$X(e^{jw})=X^{*}(e^{-jw})$

$Re[X(e^{jw})]=Re[X^{*}(e^{-jw})]$

$Im[X(e^{jw})]=-Im[X^{*}(e^{-jw})]$

$\left | X(e^{jw}) \right |=\left | X^{*}(e^{-jw}) \right |$

$arg[\left | X(e^{jw}) \right |]=-arg[\left | X^{*}(e^{-jw}) \right |]$

设计数字滤波器的一般原则

1.若使设计的滤波器拒绝某一个频率（不让该信号通过），应在单位圆上相应频率处设置一个零点

2.若使设计的滤波器突出某个频率（使该信号尽可能无衰减的通过），应在单位圆内相应的频率处设置一个极点，极点越接近单位圆，该频率处的幅频响应值越大

简单一阶滤波器设计

仅由一个零点或极点调节系统滤波特性

由一个零点调节的低通滤波器

注意：数字角频率与 $f_{s}$ 的对应比例关系如下： $w=\pi$ 对应 $\frac{f_{s}}{2}$ ;

那么 $w=2\pi$ 对应 $f_{s}$

傅里叶级数、傅里叶变换、离散时间信号傅里叶变换

从傅里叶变换FT到序列傅里叶变换DFTFT

为什么要研究DFS?

因为我们希望时域和频域处理的信号都是离散的

注意： $w=\frac{2\pi}{N}k$

DFT和DFS的关系：DFS是周期离散的，DFT是DFS的一个主值区间。

定理： $Re[x(n)]=\frac{1}{2}[x(n)+x^{*}(n)]$

FFT变换

下图PPT公式写的不好，是 $M=log_{2}(N)$ ，下面同理

进一步提高计算速度的方法

code_zhengmeng

关注

6
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
Matlab学习

rand(1,N)产生一个长度为N,其值在[0,1]之间均匀分布的随机序列；randn(1,N)产生一个长度为N，均值为0，方差为1的高斯随机序列。并且以n为横坐标，x为纵坐标，作图。matlab里面冲击序列。matlab里面阶跃序列。
复制链接

扫一扫