matlab信号基本特性分析

一、实验目的

1、 学习 Matlab 编程的基本方法；掌握常用函数用法。
2、 了解不同信号的频域特性，理解时域特性与频域特性之间的关联性。
3、 掌握典型信号序列的时域和频域基本特性。
4、 熟悉理想采样的性质，了解信号采样前后的频谱变化，加深对采样定理解。
5、 了解离散系统的时域/频域特性及其对输出信号的影响，掌握系统分析方法。

二、实验原理

三、实验内容

1.3.1 Matlab操作与使用
1）文件操作

预先在路径文件夹下创建文本文件data.txt。使用load从文件中读取数据。实验中文件路径报错，使用cd命令更改Matlab当前文件夹，成功打开data.txt文件。
使用命令>>save experiment.dat data -ascii，将刚刚读取的data存入experiment.dat文件中。打开文件夹，可以看到创建的experiment.dat文件。

2）矩阵运算

inv(A) 求矩阵的逆
A*A 矩阵乘法
A+A 矩阵加法
A‘ 矩阵转置
3）绘图
使用如下代码画出矩形序列

使用如下代码画出3D图形

4）图形界面实现
handle=helpdlg(‘hi’,‘test’)

1.3.2 理想采样信号序列的特性分析

采样频率减小到200Hz时已经出现了明显频谱“混淆”现象。因为采样频率太小，频谱在频域的周期延拓较小，会导致频谱混叠，从而“混淆”。
1.3.3 典型信号序列的特性分析
1.3.3.2 高斯序列的时域和频域特性

1） 固定p=8，改变q的值，使分别等于2，4，8

比较上图可知，p一定时，q增大，高斯信号在时域波形展宽且变得平缓；而频域波形变陡，频谱分量减少。所以q决定了高斯信号的陡峭程度。
2） 固定q=8，改变p的值，使分别等于8，13，14

比较上图，q不变时，p的值决定了时域波形峰值的位置。当p增大时，波形整体向右移动。P=13、14时已经发生了明显的泄漏现象。频域部分随p增大频率分量增加，容易产生混叠。
1.3.3.3衰减正弦序列的时域和幅频特性

令a=0.1，f=0.0625，改变f=0.4375，再改变f=0.5625

f=

0.0625时频谱没有发生混叠，f=0.5625时频谱发生了混叠。因为0.4375+0.5625=1，出现镜像频率，所以f=0.4375和f=0.5625的频谱图像完全相同。
1.3.3.4三角波序列和反三角波序列的时域和幅频特性

1）8点FFT分析信号Xcc(n)和Xdd(n)的幅频特性

反三角波序列形状相当于三角波序列在8个点的圆周移位得到，所以它们的8点FFT频谱相同。
2）在Xcc(n)和Xdd(n)末尾补零，用16点FFT分析这两个信号频谱

可以看到，两个信号的幅频特性不同了，因为当在信号后面补零并使用16点FFT，三角波序列就不能看作是反三角波序列经过圆周移位得到的了，所以频谱也就不相同。
1.3.4 离散信号、系统和系统响应的分析
1.3.4.2离散信号产生和系统分析
1）观察信号Xb(n)和系统Hb(n)的时域和幅频特性

Xb(n)是单位脉冲序列，幅频特性在全频域上都为1，如上图，和理论相符。Hb(n)是系统单位冲击响应，与单位脉冲卷积之后，按照卷积相关性质，结果得到的信号与Hb(n)相同，如上图可见，系统响应在时域和频域特性都和Hb(n)相同。由于线性卷积的原因，系统响应有50+50-1=99个点，所以Y(n)时域如上图。
2）观察信号Xc(n)和系统Ha(n)的时域和幅频特性

因为Xc(n)=Ha(n)，所以两者的时域和幅频特性应该相同。时域有10个非零值点，幅频两极大值之间有10-2=8个次峰。线性卷积之后得到的序列时域和幅频特性如上图，因为矩形序列非零长度为10，所以卷积结果非零长度应该为10+10-1=19，可以看到实验结果与理论结果一致。并且卷积得到的序列应该是一个三角波，峰值为10，正如图中结果所示，所以响应序列图形是正确的。计算两个矩形序列傅里叶变换的乘积得到响应序列幅频特性，与线性卷积得到的序列幅频特性相同，并且反变换之后得到的响应序列也相同。

改变Xc(n)的矩形宽度，使N=5

当Xc(n)的矩形宽度变为5时，时域有5个非零值点，幅频特性两极大值之间有5-2=3个次峰。卷积结果应该有10+5-1=14个非零值点，如下图，与理论结果相符。两个长度不等的矩形波序列卷积得到的序列应该为梯形波序列，如下图也和理论相符，且极值为5。两个傅里叶变换乘积得到的结果与直接线性卷积结果一致。

3）信号Xa(n)与Ha(n)，其中A=1，α=0.4，Ωo=2.0734，T=1。

依次改变α=0.1绘制图形如下
Ωo=1.2516绘制图形如下

Xa(n)信号与系统单位冲击序列线性卷积得到的结果，与二者傅里叶变换乘积得到的结果幅频特性相同，其中，傅里叶乘积得到的结果反变换与线性卷积得到的序列也相同。

改变α=0.1时，衰减因子减小，信号Xa(n)衰减速度相比原来有所减缓，幅频特性比原来的幅频特性各分量都要小，但峰值位置相同。此时线性卷积结果与傅里叶变换乘积得到的幅频特性有微小差异，这是因为衰减速度减缓，仍对于之前的50点截取，会在一定程度上产生频谱泄露，所以两个结果有微小不同。预计若采取更多点数截取，如100个点，上面二者结果在一定误差下会保持相同。
改变Ωo=1.2516，改变了频率，相比原来2.0734减小了。从实验画出的信号时域序列也可以看到信号变化频率减小。观察幅频图，两个峰值位置向两端移动了一段距离，说明高频成分减小，低频成分增加，与频率减小的理论分析相符。由于并没有改变衰减因子，所以在现有的误差下，两信号线性卷积结果与傅里叶变换乘积结果相同。
1.3.4.3卷积定理的验证
1.3.4.2中已经进行了傅里叶变换相乘,直接得到系统响应幅频特性。比较直接线性卷积结果与傅里叶变换乘积结果，保持一致。对傅里叶变换乘积结果进行反变换，得到的序列也与线性卷积得到的序列相同。验证了卷积定理
总结MatLab进行数字信号处理实验项目时常用的函数及其功能：

1. stem(x)函数用于绘制针状图，将需要绘制的数据存放在一个数组中，然后将这个数组作为参数传递给“stem”函数。
2. subplot(x,y,z)函数用来同时画出数个小图形，并且存放在一个视窗之中，x是小图形的行数，y是小图形的列数，z是小图形的编号。
3. figure用来保持输出上一个画图窗口，因为若不使用这个命令，每当新输出一个画图窗口都会覆盖之前的画图窗口。
4. title(“标题”)用来设置图形的标题，跟在绘图函数后面使用。
5. fft(x,m)用来计算x的离散傅里叶变换，参数m可以用来指定具体做多少个点的fft。
6. abs(x)返回数组x中每个元素的绝对值。
7. conv(x,y)卷积函数，返回x与y的卷积。
8. sign(x)符号函数，返回与x大小相同的数组，其中对x中的每个元素取符号。
9. zeros()创建全零的数组。
10. angle(x)返回x中每个元素在[-π，π]中的相位角。

选做

1）改变信号Xa(n)的衰减因子，分别等于0.1，0.2，0.4。
因为没有改变频率f，所以频谱波峰位置不会改变。由于衰减因子增大，信号序列衰减的越来越快，所以频谱的高频成分占比变大。由绘制的频谱图可以看到，波峰位置相同，中央高频占比逐渐增大。符合预期估计。

2）LTI系统冲激响应为hn(n)=（0.9）^n，输入序列为Xc（n）。

Hn(n)=Xc(n)时，已在前面讨论过。
3）将序列Xc(n)分为奇偶序列

从绘图可以看到，Xc(n)的偶序列频域特性和Xc(n)的频域实部特性相同，而Xc(n)的奇序列频域特性和Xc(n)的频域虚部特性相同。这与理论结果一致，实信号偶分量变换对应频域实部，奇分量变换对应频域虚部。