matlab信号频率成分,matlab程序分析小波变换和fft变换后信号的频率成分

最新推荐文章于 2023-06-28 23:18:11 发布

新90观

最新推荐文章于 2023-06-28 23:18:11 发布

阅读量572

点赞数

文章标签： matlab信号频率成分

该博客通过Matlab代码展示了线性调频信号和单频信号的分析，对比了短时傅里叶变换与不同基小波变换（如db2）在频率成分提取上的效果。利用小波变换可以更好地捕捉信号的局部特征，而FFT则适用于全局频率分析。通过彩色图像显示了不同变换后的频率谱，突显了两种方法在处理噪声和信号细节上的差异。

摘要由CSDN通过智能技术生成

matlab程序分析小波变换和fft变换后信号的频率成分

clear all clc close all fs=1000; T=20; t=0:1/fs:T-1/fs; f0=50; f1=200; % 线性调频信号 s=chirp(t,0,5,300); figure plot((0:length(s)-1)/length(s)*fs,abs(fft(s))); xlim([0 fs/2]) xlabel( f/Hz ); ylabel( 幅度 ) % 单频信号 % s=sin(2*pi*f0*t)+2*sin(2*pi*f1*t); % s=sin(2*pi*f0*t); y=s+0.5*randn(1,length(t)); % 加高斯白噪声% 加泊松分布的噪声 % lambda = 0.5; % r = poissrnd(lambda,1, length(t)); % y=s+r; % 不同小波核函数及尺度的小波变换，可以选择操作 % c = cwt(s,1:32, cgau4 ); % c = cwt(s,[64 32 16:-2:2], morl ); c = cwt(s,[3 18 12.9 7 1.5], db2 ); % c = cwt(s,1:32, sym2 ); % c = cwt(s,1:64, sym4 , abslvl ,[100 400]); Nfft=fs/4; NN=(T*fs/Nfft); for kk=1:5 for ii=1:NNmu(:,ii)=abs(fft(s((1+(ii-1)*Nfft):(Nfft+(ii-1)*Nfft))));aa(:,ii)=abs(fft(y((1+(ii-1)*Nfft):(Nfft+(ii-1)*Nfft))));bb(:,ii)=abs(fft(c(kk,(1+(ii-1)*Nfft):(Nfft+(ii-1)*Nfft)))); end figuresubplot(3,1,1) pcolor((0:Nfft-1)/Nfft*fs,(1:NN)*Nfft/fs,mu. ); shading interp xlim([0 fs/2]) % title(num2str(kk)) title( 原始数据 ) subplot(3,1,2) pcolor((0:Nfft-1)/Nfft*fs,(1:NN)*Nfft/fs,aa. ); shading interp xlim([0 fs/2]) % title(num2str(kk)) title( 短时傅里叶变换 ) subplot(3,1,3) pcolor((0:Nfft-1)/Nfft*fs,(1:NN)*Nfft/fs,bb. ); shading interp xlim([0 fs/2]) % title( sym2 基小波变换 ) title( db2 基小波变换 ) end % plot(abs(fft(c)))