前言
为了帮助同学们完成痛苦的实验课程设计,本作者将其作出的实验结果及代码贴至CSDN中,供同学们学习参考。如有不足或描述不完善之处,敬请各位指出,欢迎各位的斧正!
一、实验目的
学习用FFT对连续信号和时域离散信号进行谱分析的方法,了解可能出现的分析误差及其原因,以便正确应用FFT。
二、实验原理与方法
用FFT对信号作频谱分析是学习数字信号处理的重要内容。经常需要进行谱分析的信号是模拟信号和时域离散信号。对信号进行谱分析的重要问题是频谱分辨率D和分析误差。频谱分辨率直接和FFT的变换区间N有关,因为FFT能够实现的频率分辨率是2π/N,因此要求2π/N≤N。可以根据此式选择FFT的变换区间 N。误差主要来自于用FFT作频谱分析时,得到的是离散谱,而信号(周期信号除外)是连续谱,只有当 N 较大时离散谱的包络才能逼近于连续谱,因此 N 要适当选择大一些。
周期信号的频谱是离散谱,只有用整数倍周期的长度作FFT,得到的离散谱才能代表周期信号的频谱。如果不知道信号周期,可以尽量选择信号的观察时间长一些。
对模拟信号进行谱分析时,首先要按照采样定理将其变成时域离散信号。如果是模拟周期信号,也应该选取整数倍周期的长度,经过采样后形成周期序列,按照周期序列的谱分析进行。
三、实验环境
Matlab 7.0及Matlab 2018b
四、实验内容及步骤
(1)对以下序列进行谱分析。
选择FFT的变换区间N为8和16两种情况进行频谱分析。分别打印其幅频特性曲线。并进行对比、分析和讨论。
(2)对以下周期序列进行谱分析。
选择FFT的变换区间N为8和16两种情况分别对以上序列进行频谱分析。分别打印其幅频特性曲线。并进行对比、分析和讨论。
(3)对模拟周期信号进行谱分析
选择采样频率
F
s
=
64
H
z
F_s=64Hz
Fs=64Hz,变换区间N=16,32,64三种情况进行谱分析。分别打印其幅频特性,并进行分析和讨论。
五、实验结果截图(含分析)
实验程序清单
%实验3程序exp3.m
%用FFT对信号作频谱分析
clear;close all
%===实验内容(1)===
x1n=ones(1,4);%产生序列向量x1(n)=R4(n)
M=8;xa=1:(M/2);xb=(M/2):-1:1;x2n=[xa,xb];%产生长度为8的三角波序列x2(m)
x3n=[xb,xa];
X1k8=fft(x1n,8);%计算x1n的8点DFT
X1k16=fft(x1n,16);%计算x1n的16点DFT
X2k8=fft(x2n,8);%计算x2n的8点DFT
X2k16=fft(x2n,16);%计算x2n的16点DFT
X3k8=fft(x3n,8);%计算x3n的8点DFT
X3k16=fft(x3n,16);%计算x3n的16点DFT
%以下绘制幅频特性曲线
subplot(2,2,1);mstem(X1k8);%绘制8点DFT的幅频特性图
title('(1a)8点DFT[x_1(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X1k8))])
subplot(2,2,3);mstem(X1k16);%绘制16点DFT的幅频特性图
title('(1b)16点DFT[x_1(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X1k16))])
figure(2)
subplot(2,2,1);mstem(X2k8);%绘制8点DFT的幅频特性图
title('(2a)8点DFT[x_2(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X2k8))])
subplot(2,2,2);mstem(X2k16);%绘制16点DFT的幅频特性图
title('(2b)16点DFT[x_2(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X2k16))])
subplot(2,2,3);mstem(X3k8);%绘制8点DFT的幅频特性图
title('(3a)8点DFT[x_3(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X3k8))])
subplot(2,2,4);mstem(X3k16);%绘制16点DFT的幅频特性图
title('(3b)16点DFT[x_3(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X3k16))])
%实验内容(2)周期序列谱分析=================
N=8;n=0:N-1;%FFT的变换区间N=8
x4n=cos(pi*n/4);
x5n=cos(pi*n/4)+cos(pi*n/8);
X4k8=fft(x4n);%计算x4n的8点DFT
X5k8=fft(x5n);%计算x5n的8点DFT
N=16;n=0:N-1;%FFT的变换区间N=16
x4n=cos(pi*n/4);
x5n=cos(pi*n/4)+cos(pi*n/8);
X4k16=fft(x4n);%计算x4n的16点DFT
X5k16=fft(x5n);%计算x5n的16点DFT
figure(3)
subplot(2,2,1);mstem(X4k8);%绘制8点DFT的幅频特性图
title('(4a)8点DFT[x_4(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X4k8))])
subplot(2,2,3);mstem(X4k16);%绘制16点DFT的幅频特性图
title('(4b)16点DFT[x_4(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X4k16))])
subplot(2,2,2);mstem(X5k8);%绘制8点DFT的幅频特性图
title('(5a)8点DFT[x_5(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X5k8))])
subplot(2,2,4);mstem(X5k16);%绘制16点DFT的幅频特性图
title('(5b)16点DFT[x_5(m)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X5k16))])
%实验内容(3)模拟周期信号谱分析==========
figure(4)
Fs=64;T=1/Fs;
N=16;n=0:N-1;%FFT的变换区间N=16
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);%对x6(t)16点采样
X6k16=fft(x6nT);%计算x6nT的16点DFT
X6k16=fftshift(X6k16);%将零频率移到频谱中心
Tp=N*T;F=1/Tp;%频率分辨率F
k=-N/2:N/2-1;fk=k*F;%产生16点DFT对应的采样点频率(以零频率为中心)
subplot(3,1,1);stem(fk,abs(X6k16),'.');box on%绘制8点DFT的幅频特性图
title('(6a)16 点|DFT[x_6(nT)]|');xlabel('f(Hz)');ylabel('幅度');
axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(X6k16))])
N=32;n=0:N-1;%FFT的变换区间N=16
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);%对x6(t)32点采样
X6k32=fft(x6nT);%计算x6nT的32点DFT
X6k32=fftshift(X6k32);%将零频率移到频谱中心
Tp=N*T;F=1/Tp;%频率分辨率F
k=-N/2:N/2-1;fk=k*F;%产生16点DFT对应的采样点频率(以零频率为中心)
subplot(3,1,2);stem(fk,abs(X6k32),'.');box on %绘制8点DFT的幅频特性图
title('(6b)32点|DFT[x_6(nT)]|');xlabel('f(Hz)');ylabel('幅度');
axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(X6k32))])
N=64;n=0:N-1;%FFT的变换区间N=16
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);%对x6(t)64点采样
X6k64=fft(x6nT);%计算x6nT的64点DFT
X6k64=fftshift(X6k64);%将零频率移到频谱中心
Tp=N*T;F=1/Tp;%频率分辨率F
k=-N/2:N/2-1;fk=k*F;%产生16点DFT对应的采样点频率(以零频率为中心)
subplot(3,1,3);stem(fk,abs(X6k64),'.');box on%绘制8点DFT的幅频特性图
title('(6a)64点|DFT[x_6(nT)]|');xlabel('f(Hz)');ylabel('幅度');
axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(X6k64))])
function mstem(Xk)
M=length(Xk);
k=0:M-1;
wk=2*k/M;
stem(wk,abs(Xk),'.');
box on;%绘制M点DFT的幅频特性图
xlabel('ω/π');
ylabel('幅度');
axis([0,2,0,1.2*max(abs(Xk))]);
实验程序运行结果及分析讨论
用DFT(或FFT)分析频谱,绘制频谱图时,最好将X(k)的自变量k换算成对应的频率,作为横坐标便于观察频谱。
ω
k
=
2
π
N
k
,
k
=
0
,
1
,
2
,
⋯
,
N
−
1
\omega_k=\frac{2\pi}{N}k,k=0,1,2,\cdots,N-1
ωk=N2πk,k=0,1,2,⋯,N−1
为了便于读取频率值,最好关于π归一化,即以
ω
π
\frac{\omega}{\pi}
πω作为横坐标。
1、实验内容(1)
图(1a)和(1b)说明
x
1
(
n
)
=
R
4
(
n
)
x_1(n)=R_4(n)
x1(n)=R4(n)的8点DFT和16点DFT分别是
x
1
(
n
)
x_1(n)
x1(n)的频谱
函数的8点和16点采样:
因为
x
3
(
n
)
=
x
2
(
n
+
3
)
8
R
8
(
n
)
x_3(n)=x_2(n+3)_8R_8(n)
x3(n)=x2(n+3)8R8(n)的8点DFT的模相等,如图(2a)和(3a)。但是,当 N=16 时,
x
3
(
n
)
x_3(n)
x3(n)与
x
2
(
n
)
x_2(n)
x2(n)不满足循环移位关系,所以图(2b)和(3b)的模不同。
2、实验内容(2),对周期序列谱分析
x
4
(
n
)
=
c
o
s
π
4
n
x_4(n)=cos\frac{\pi}{4}n
x4(n)=cos4πn的周期为8,所以N=8和N=16均是其周期的整数倍,得到正确的单一频率正弦波的频谱,仅在0.25π处有1根单一谱线。如图(4b)和(4b)所示。
x
5
(
n
)
=
c
o
s
π
4
n
+
c
o
s
π
8
n
x_5(n)=cos\frac{\pi}{4}n+cos\frac{\pi}{8}n
x5(n)=cos4πn+cos8πn的周期为16,所以N=8不是其周期的整数倍,得到的频谱不正确,如图(5a)所示。N=16 是其一个周期,得到正确的频谱,仅在0.25π和0.125π处有2根单一谱线, 如图(5b)所示。
3、实验内容(3),对模拟周期信号谱分析
x
6
(
n
)
=
c
o
s
8
π
t
+
c
o
s
16
π
t
+
c
o
s
20
π
t
x_6(n)=cos8\pi t+cos16\pi t+cos20\pi t
x6(n)=cos8πt+cos16πt+cos20πt
x
6
(
t
)
x_6(t)
x6(t)有 3 个频率成分,
f
1
=
4
H
z
,
f
2
=
8
H
z
,
f
3
=
10
H
z
f_1=4Hz,f_2=8Hz,f_3=10Hz
f1=4Hz,f2=8Hz,f3=10Hz。所以
x
6
(
t
)
x_6(t)
x6(t)的周期为0.5s。采样频率
F
s
=
64
H
z
=
16
f
1
=
8
f
2
=
6.4
f
3
F_s=64Hz=16f_1=8f_2=6.4f_3
Fs=64Hz=16f1=8f2=6.4f3。变换区间N=16时,观察时间
T
p
=
16
T
=
0.25
s
T_p=16T=0.25s
Tp=16T=0.25s,不是
x
6
(
t
)
x_6(t)
x6(t)的整数倍周期,所以所得频谱不正确,如图(6a)所示。变换区间N=32,64时,观察时间Tp=0.5s,1s,是
x
6
(
t
)
x_6(t)
x6(t)的整数周期,所以所得频谱正确,如图(6b)和(6c)所示。图中3根谱线正好位于4Hz,8Hz,10Hz处。变换区间N=64时频谱幅度是变换区间N=32时2倍,这种结果正好验证了用DFT对中期序列谱分析的理论。
注意:
(1)用DFT(或FFT)对模拟信号分析频谱时,最好将X(k)的自变量 k 换算成对应的模拟频率fk,作为横坐标绘图,便于观察频谱。这样,不管变换区间N取信号周期的几倍,画出的频谱图中有效离散谐波谱线所在的频率值不变,如图(6b)和(6c)所示。
f
k
=
F
s
N
k
=
1
N
T
k
=
1
T
p
k
,
k
=
0
,
1
,
2
,
⋯
,
N
−
1
f_k=\frac{F_s}{N}k=\frac{1}{NT}k=\frac{1}{T_p}k,k=0,1,2,\cdots,N-1
fk=NFsk=NT1k=Tp1k,k=0,1,2,⋯,N−1
(2)本程序直接画出采样序列N点DFT的模值,实际上分析频谱时最好画出归一化幅度谱,这样就避免了幅度值随变换区间N变化的缺点。本实验程序这样绘图只要是为了验证了用DFT对中期序列谱分析的理论。
六、思考题
(1)对于周期序列,如果周期不知道,如何用FFT进行谱分析?
(2)如何选择FFT的变换区间?(包括非周期信号和周期信号)
(3)当N=8时,
x
2
(
n
)
x_2(n)
x2(n)和
x
3
(
n
)
x_3(n)
x3(n)的幅频特性会相同吗?为什么?N=16呢?
答:(1)如果
x
(
n
)
x(n)
x(n)的周期预先不知道,可截取M点进行DFT,即
再将截取长度扩大1倍,截取
比较
x
M
(
k
)
x_M(k)
xM(k)和
x
2
M
(
k
)
x_2M(k)
x2M(k),如果两者的主谱差别满足分析误差需求,则以
x
M
(
k
)
x_M(k)
xM(k)或
x
2
M
(
k
)
x_2M(k)
x2M(k)近似表示
x
(
n
)
x(n)
x(n),否则,继续将截取长度加倍,直至前后两次分析所得主谱频率差别满足误差要求。设最后截取长度为iM,则
X
i
M
(
k
0
)
X_{iM}(k_0)
XiM(k0)表示
ω
=
2
π
i
M
k
0
\omega=\frac{2\pi}{iM}k_0
ω=iM2πk0点的谱线强度。
(2)频谱分辨率直接D和FFT的变换区间N有关,因为FFT能够实现的频率分辨率是
2
π
N
\frac{2\pi}{N}
N2π,因此要求
2
π
N
≤
D
\frac{2\pi}{N}\leq{D}
N2π≤D。可以根据此式选择FFT的变换区间N。
(3)当N=8时,
x
3
(
n
)
x_3(n)
x3(n)与
x
2
(
n
)
x_2(n)
x2(n)的幅频特性会相同
当N=16时,
x
3
(
n
)
x_3(n)
x3(n)与
x
2
(
n
)
x_2(n)
x2(n)的幅频特性会不同