信号处理理解及滤波器&窗函数原理

本文介绍了信号处理中频谱分辨率的重要性,解释了时间窗函数宽度与频谱精度的关系,并探讨了谱泄露现象。通过MATLAB的FFT应用,展示了不同采样点数对频谱分析的影响,强调了数据长度与FFT数据点数选择对结果的精度和质量的影响。
摘要由CSDN通过智能技术生成

1.时间窗函数要足够宽(栅栏效应)

上图所示,两个频率为f1和f2的调幅信号,用fw1和fw2采样频率相同。可以理解为,w1和w2是在时域或频域图的宽度。比如,w1采了100个点,w2为1000个点,w1=10*w2,可以表示更细的点,f1和f2的位置没有变,但细节变了。时间窗函数足够宽,包含了包络整个周期,有了足够的信息量,就能更精确地确定频谱,即采样的点数要足够长。

 

2.频谱分辨率

取上面的信号来看,高的频率分辨率,即高的采样频率,如w2>w1,则能将f1和f2分开。换一种说法,假如f1-f2=df,则df在w1和w2长度中占的比例是不同的,所以会将两个信号拉开。由于采样频率提高,得到更多的信息,频谱信息自然更好。窗函数足够宽,可以看为采样的整个数量要长,提高频谱分辨率可看为采样的密度要提高。

 

3. 谱泄露

谱泄露是指,由于对一段无限长周期信号截取(窗),得到的这一段信号如果首尾拼接,产生的新的无限长周期与原信号不一样的。上图时域看,是因为在t0和tw处的信号f(t0) != f(tw)。

从频谱看,本是单音的谱信号,能量分散到周围。所以叫谱泄露。

 

 

-------------------------------------我是灵魂的分割线------------------------------------------------------------

[FFT] matlab中关于FFT的使用(理解频率分辨率、补零问题)

 

一.调用方法

 

X=FFT(x);

X=FFT(x,N);

x=IFFT(X);

x=IFFT(X,N)

 

用MATLAB进行谱分析时注意:

(1)函数FFT返回值的数据结构具有对称性。

例:

N=8;

n=0:N-1;

xn=[4 3 2 6 7 8 9 0];

Xk=fft(xn)

设计步骤: 1、语音信号的采集 利用Windows下的录音机录制一段自己的话音,或采用其它软件截取一段音乐信号,然后在Matlab软件平台下,利用函数wavread对语音信号进行采样,记住采样频率和采样点数。 2、语音信号的频谱分析 在Matlab中,可以利用函数FFT信号进行快速傅立叶变换,得到信号的频谱特性,要求学生首先画出语音信号的时域波形,然后对语音信号进行频谱分析。 3、对语音信号分别加入正弦噪声和高斯白噪声,使信噪比为(学号)dB,画出加噪信号的时域波形和频谱图;关于噪声信号,噪声类型分为如下几种:(1)白噪声;(2)单频噪声(正弦干扰);(3)多频噪声(多正弦干扰);(4)其他干扰,如低频、高频、带限噪声,或chirp干扰、充激干扰。 4、设计数字滤波器,并画出其频率响应。 对叠加噪声前后的信号进行频谱分析,确定降噪的滤波器指标;或者根据如下给定的滤波器性能指标: (1) 低通滤波器的性能指标: =1000Hz, =1200Hz, =1dB, =100dB; (2) 高通滤波器的性能指标: =4800Hz, =5000Hz, =100dB, =1dB. (3) 带通滤波器的性能指标: =1200Hz, =3000Hz, =1000Hz, =3200Hz, =100dB, =1dB。 采用窗函数法设计上面要求的3种滤波器,并画出滤波器的频率响应; 5、用滤波器信号进行滤波 用自己设计的滤波器对加噪信号进行滤波,画出滤波后信号的时域波形及频谱,并对滤波前后的信号进行对比,分析信号的变化; 6、回放语音信号,分析滤波前后的语音变化,验证滤波效果
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值