使用MATLAB快速对波形进行傅里叶分解到有限次谐波

最新推荐文章于 2024-05-01 16:10:24 发布
最新推荐文章于 2024-05-01 16:10:24 发布
阅读量1.3k 收藏 21
点赞数 17
分类专栏： 射频功率放大器设计 文章标签： matlab 线性代数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44584198/article/details/136579616
版权

使用MATLAB快速对波形进行傅里叶分解到有限次谐波

目录


很多时候对功率放大器设计阻抗空间的分析都是从波形开始的，那么如何 从波形得到其对应的谐波分量呢？ 如何从单纯的波形得到设计所需的阻抗呢？答案就是傅里叶分解啦。

波形的分解一般分为两个情况，其一就是纯粹的解析表达式，如连续F类的波形：
V C − F = ( 1 − 2 3 cos ⁡ θ ) 2 ⋅ ( 1 + 1 3 cos ⁡ θ ) ⋅ ( 1 − γ sin ⁡ θ ) I C − F = 1 π + 1 2 cos ⁡ θ + 2 3 π cos ⁡ ( 2 θ ) \begin{aligned} &{V_{C-F}} = {\left( {1 - \frac{2}{{\sqrt 3 }}\cos \theta } \right)^2} \cdot \left( {1 + \frac{1}{{\sqrt 3 }}\cos \theta } \right) \cdot (1 - \gamma \sin \theta )\\ &{I_{C-F}} = \frac{1}{\pi } + \frac{1}{2}\cos \theta + \frac{2}{{3\pi }}\cos (2\theta ) \end{aligned} ​VC−F​=(1−3 ​2​cosθ)2⋅(1+3 ​1​cosθ)⋅(1−γsinθ)IC−F​=π1​+21​cosθ+3π2​cos(2θ)​
这种情况是相对非常直观的，对式子进行展开化简约分就能得到最终的结果，但是三角函数相乘化简也是非常的麻烦。

另一种情况就是数值表达式的波形，其解析表达式可能非常复杂难求，只能使用具有有限数值点进行求解，如考虑到无限次谐波的EF类的波形（图中是每1°一个数据，电压电流都是具有360大小的向量数据）：
在这里插入图片描述
对于这种情况，需要使用离散的傅里叶级数进行求解了，需要大量的计算，可以使用matlab来进行简化。

1、解析表达式分解到有限次谐波

1.1、理论分析

可以使用傅里叶级数进行分解：
f ( t ) = a 0 2 + a 1 c o s ( ω t ) + b 1 s i n ( ω t ) + a 2 c o s ( 2 ω t ) + b 2 s i n ( 2 ω t ) + . . . = a 0 2 + ∑ n = 1 ∞ [ a n c o s ( n ω t ) + b n s i n ( n ω t ) ] \begin{aligned} f(t)& =\frac{a_0}2+a_1cos(\omega t)+b_1sin(\omega t) \\ &+a_2cos(2\omega t)+b_2sin(2\omega t) \\ &+... \\ &=\frac{a_0}2+\sum_{n=1}^\infty\left[a_ncos(n\omega t)+b_nsin(n\omega t)\right] \end{aligned} f(t)​=2a0​​+a1​cos(ωt)+b1​sin(ωt)+a2​cos(2ωt)+b2​sin(2ωt)+...=2a0​​+n=1∑∞​[an​cos(nωt)+bn​sin(nωt)]​

使用积分计算其中的傅里叶参数：
a n = 2 T ∫ t 0 t 0 + T f ( t ) c o s ( n ω t ) d t b n = 2 T ∫ t 0 t 0 + T f ( t ) s i n ( n ω t ) d t \begin{aligned}a_n&=\frac{2}{T}\int_{t_0}^{t_0+T}f(t)cos(n\omega t)dt\\b_n&=\frac{2}{T}\int_{t_0}^{t_0+T}f(t)sin(n\omega t)dt\end{aligned} an​bn​​=T2​∫t0​t0​+T​f(t)cos(nωt)dt=T2​∫t0​t0​+T​f(t)sin(nωt)dt​

积分计算其中的傅里叶参数对应代码，周期T=2*pi：

disp('开始求取电流傅里叶分解数值');
I_A0=int(i_theta/pi,theta,int_i_low,int_i_high);
Fouier=I_A0/2;
for n=1:order
    I_A(n)=(int(i_theta*cos(n*theta)/pi,theta,int_i_low,int_i_high));
    I_B(n)=(int(i_theta*sin(n*theta)/pi,theta,int_i_low,int_i_high));
    Fouier=Fouier+I_A(n)*cos(n*theta)+I_B(n)*sin(n*theta);
end
disp(Fouier)


disp('开始求取电压傅里叶分解数值');
V_A0=int(v_theta/pi,theta,int_v_low,int_v_high);
Fouier=V_A0/2;
for n=1:order
    V_A(n)=(int(v_theta*cos(n*theta)/pi,theta,int_v_low,int_v_high));
    V_B(n)=(int(v_theta*sin(n*theta)/pi,theta,int_v_low,int_v_high));
    Fouier=Fouier+V_A(n)*cos(n*theta)+V_B(n)*sin(n*theta);
end
disp(Fouier)

使用电流电压的傅里叶参数可以计算最终波形对应的阻抗：
Z n , f = − a V , n + j b V , n a I , n + j b I , n {Z_{n,f}} =- \frac{{{a_{V,n}} + j{b_{V,n}}}}{{{a_{I,n}} + j{b_{I,n}}}} Zn,f​=−aI,n​+jbI,n​aV,n​+jbV,n​​
阻抗计算对应代码（阻抗参考是Ropt，因此要乘以0.5，具体参考Ropt定义）：

% 阻抗参考是Ropt，因此要乘以0.5
disp('最佳阻抗');
for n=1:order
    disp(simplify(-0.5*(V_A(n)+1j*V_B(n))/(I_A(n)+1j*I_B(n))));
end

可以看到，对于上面的连续F类，得到的结果为：
在这里插入图片描述
和理论结果一致：
{ Z l f , C − F = ( 2 3 + j γ ) R o p t Z 2 f , C − F = − j 7 3 π 24 R o p t Z 3 f , C − F = ∞ \begin{cases}Z_{\mathrm{l}f,C-F}=\left(\frac{2}{\sqrt{3}}+j\gamma\right)R_{opt}\\Z_{2f,C-F}=-j\frac{7\sqrt{3}\pi}{24}R_{opt}\\\\Z_{3f,C-F}=\infty\end{cases} ⎩ ⎨ ⎧​Zlf,C−F​=(3 ​2​+jγ)Ropt​Z2f,C−F​=−j2473 ​π​Ropt​Z3f,C−F​=∞​

1.2、全部代码

clear all
close all
clc
syms theta gamma


v_theta=(1-2/(sqrt(3))*cos(theta))^2*(1+1/(sqrt(3))*cos(theta))*(1-gamma*sin(theta));
i_theta=1/pi+1/2*cos(theta)+2/(3*pi)*cos(2*theta);

order=3;
int_i_low=0;
int_i_high=2*pi;
int_v_low=0;
int_v_high=2*pi;


disp('开始求取电流傅里叶分解数值');
I_A0=int(i_theta/pi,theta,int_i_low,int_i_high);
Fouier=I_A0/2;
for n=1:order
    I_A(n)=(int(i_theta*cos(n*theta)/pi,theta,int_i_low,int_i_high));
    I_B(n)=(int(i_theta*sin(n*theta)/pi,theta,int_i_low,int_i_high));
    Fouier=Fouier+I_A(n)*cos(n*theta)+I_B(n)*sin(n*theta);
end
disp(Fouier)


disp('开始求取电压傅里叶分解数值');
V_A0=int(v_theta/pi,theta,int_v_low,int_v_high);
Fouier=V_A0/2;
for n=1:order
    V_A(n)=(int(v_theta*cos(n*theta)/pi,theta,int_v_low,int_v_high));
    V_B(n)=(int(v_theta*sin(n*theta)/pi,theta,int_v_low,int_v_high));
    Fouier=Fouier+V_A(n)*cos(n*theta)+V_B(n)*sin(n*theta);
end
disp(Fouier)

% 阻抗参考Ropt，因此要乘以0.5
disp('最佳阻抗');
for n=1:order
    disp(simplify(-0.5*(V_A(n)+1j*V_B(n))/(I_A(n)+1j*I_B(n))));
end

2、数值波形分解到有限次谐波

2.1、基础理论

我们现在只知道离散个点的波形点，如上面的EF类的波形，也就是0-360度对应的电压电流纵坐标：

v_theta=[0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0.129750090188117	0.255289136488565	0.376625563240092	0.493771567461190	0.606743078675062	0.715559714306197	0.820244730715221	0.920824969944700	1.01733080225395	1.10979606452633	1.19825799463809	1.28275716188279	1.36333739355047	1.44004569776601	1.51293218269540	1.58204997223385	1.64745511829383	1.70920650981569	1.76736577862760	1.82199720228559	1.87316760402839	1.92094624998539	1.96540474377936	2.00661691866925	2.04465872738108	2.07960812977794	2.11154497852306	2.14055090289194	2.16670919089223	2.19010466985182	2.21082358563754	2.22895348066865	2.24458307089029	2.25780212187380	2.26870132421120	2.27737216837235	2.28390681919350	2.28839799016632	2.29093881769660	2.29162273550150	2.29054334931401	2.28779431206257	2.28346919969278	2.27766138779744	2.27046392921947	2.26196943279093	2.25226994336973	2.24145682333331	2.22962063568691	2.21685102894105	2.20323662391102	2.18886490258756	2.17382209922559	2.15819309379440	2.14206130792919	2.12550860352063	2.10861518407504	2.09145949897413	2.07411815075892	2.05666580555838	2.03917510677888	2.02171659216579	2.00435861434412	1.98716726494012	1.97020630238054	1.95353708346157	1.93721849877388	1.92130691206479	1.90585610361357	1.89091721768970	1.87653871415869	1.86276632429423	1.84964301084941	1.83720893243417	1.82550141223995	1.81455491114661	1.80440100524056	1.79506836776717	1.78658275553402	1.77896699977591	1.77224100148585	1.76642173121067	1.76152323330329	1.75755663461776	1.75453015762705	1.75244913793754	1.75131604616785	1.75113051415408	1.75188936543721	1.75358664998267	1.75621368307635	1.75975908833542	1.76420884476677	1.76954633780040	1.77575241421946	1.78280544090333	1.79068136729513	1.79935379149957	1.80879402991220	1.81897119027659	1.82985224806066	1.84140212603937	1.85358377696624	1.86635826921214	1.87968487524548	1.89352116282429	1.90782308876684	1.92254509516368	1.93764020789113	1.95306013728256	1.96875538081114	1.98467532763490	2.00076836485232	2.01698198531430	2.03326289683643	2.04955713265309	2.06581016295376	2.08196700733989	2.09797234803965	2.11377064371706	2.12930624371044	2.14452350253532	2.15936689448609	2.17378112817058	2.18771126081174	2.20110281215137	2.21390187779056	2.22605524180278	2.23751048845669	2.24821611288614	2.25812163054717	2.26717768530275	2.27533615597819	2.28255026123205	2.28877466258980	2.29396556548978	2.29808081819375	2.30108000841734	2.30292455753854	2.30357781224585	2.30300513349109	2.30117398261556	2.29805400452179	2.29361710776788	2.28783754146454	2.28069196886001	2.27215953750263	2.26222194587468	2.25086350639677	2.23807120470647	2.22383475512025	2.20814665219245	2.19100221829117	2.17239964711551	2.15234004308466	2.13082745653473	2.10786891466503	2.08347444818129	2.05765711358891	2.03043301109573	2.00182129808950	1.97184419816107	1.94052700565101	1.90789808570285	1.87398886981256	1.83883384687003	1.80247054969468	1.76493953707278	1.72628437131108	1.68655159132716	1.64579068130262	1.60405403493198	1.56139691530578	1.51787741047259	1.47355638473006	1.42849742570208	1.38276678726365	1.33643332838164	1.28956844794501	1.24224601566347	1.19454229911915	1.14653588706108	1.09830760903752	1.04994045146629	1.00151947024801	0.953131700032240	0.904866060251106	0.856813258039101	0.809065688162828	0.761717330088043	0.714863642315586	0.668601454121624	0.623028854841491	0.578245080839374	0.534350400309946	0.491445996060881	0.449633846428079	0.409016604478074	0.369697475654887	0.331780094030513	0.295368397320433	0.260566500827536	0.227478570479249	0.196208695124241	0.166860758256219	0.139538309333334	0.114344434862345	0.0913816294174346	0.0707516667636549	0.0525554712551816	0.0368929896782647	0.0238630637086112	0.0135633031520352	0.00608996013661750	0.00153780442336330];
i_theta=[2.71877140023093e-15	0.0105802447184730	0.0214593627914783	0.0326318770606530	0.0440919543587784	0.0558334102470919	0.0678497141808513	0.0801339950975745	0.0926790474218736	0.105477337480283	0.118521010318992	0.131801896916889	0.145311521785851	0.159041110949733	0.172981600293053	0.187123644269917	0.201457624963267	0.215973661484159	0.230661619700282	0.245511122282607	0.260511559058602	0.275652097660105	0.290921694453584	0.306309105740139	0.321802899212305	0.337391465654379	0.353063030872676	0.368805667841881	0.384607309053348	0.400455759050972	0.416338707140022	0.432243740254109	0.448158355965254	0.464069975621858	0.479965957599197	0.495833610646935	0.511660207318022	0.527432997463224	0.543139221775473	0.558766125368123	0.574300971371190	0.589731054529576	0.605043714787323	0.620226350841903	0.635266433652606	0.650151519887139	0.664869265290589	0.679407437961026	0.693753931516094	0.707896778135093	0.721824161461166	0.735524429348392	0.748986106438761	0.762197906554188	0.775148744888967	0.787827749988275	0.800224275498601	0.812327911676234	0.824128496640252	0.835616127356703	0.846781170341063	0.857614272066312	0.868106369064369	0.878248697708976	0.888032803668483	0.897450551017397	0.906494130995960	0.915156070407433	0.923429239643184	0.931306860326153	0.938782512563674	0.945850141801153	0.952504065268514	0.958738978011872	0.964549958503340	0.969932473822392	0.974882384402731	0.979395948339108	0.983469825249066	0.987101079685117	0.990287184093406	0.993026021315432	0.995315886629956	0.997155489332780	0.998543953852620	0.999480820401845	0.999966045161431	1	0.999583471727408	0.998717660883866	0.997404180066151	0.995645051793016	0.993442705912439	0.990799976553921	0.987720098629568	0.984206703888232	0.980263816527522	0.975895848369025	0.971107593602574	0.965904223105957	0.960291278346913	0.954274664874798	0.947860645409769	0.941055832537829	0.933867181020519	0.926301979728526	0.918367843208913	0.910072702896094	0.901424797977131	0.892432665922306	0.883105132692350	0.873451302634046	0.863480548076357	0.853202498639505	0.842627030269838	0.831764254013592	0.820624504542979	0.809218328448336	0.797556472310320	0.785649870566400	0.773509633186142	0.761147033169997	0.748573493886507	0.735800576263023	0.722839965845228	0.709703459740842	0.696402953463102	0.682950427689634	0.669357934952504	0.655637586275242	0.641801537772738	0.627861977229913	0.613831110675097	0.599721148964041	0.585544294390456	0.571312727338955	0.557038592996174	0.542733988135819	0.528410947993227	0.514081433244961	0.499757317108799	0.485450372579319	0.471172259814115	0.456934513685486	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0;]

此时需要使用离散傅里叶级数进行傅里叶分量的计算，理论公式如：
可以使用傅里叶级数进行分解：
f ( t ) = a 0 2 + a 1 c o s ( ω t ) + b 1 s i n ( ω t ) + a 2 c o s ( 2 ω t ) + b 2 s i n ( 2 ω t ) + . . . = a 0 2 + ∑ n = 1 ∞ [ a n c o s ( n ω t ) + b n s i n ( n ω t ) ] \begin{aligned} f(t)& =\frac{a_0}2+a_1cos(\omega t)+b_1sin(\omega t) \\ &+a_2cos(2\omega t)+b_2sin(2\omega t) \\ &+... \\ &=\frac{a_0}2+\sum_{n=1}^\infty\left[a_ncos(n\omega t)+b_nsin(n\omega t)\right] \end{aligned} f(t)​=2a0​​+a1​cos(ωt)+b1​sin(ωt)+a2​cos(2ωt)+b2​sin(2ωt)+...=2a0​​+n=1∑∞​[an​cos(nωt)+bn​sin(nωt)]​

使用求和计算其中的傅里叶参数：
a n = 2 N ∑ f ( θ ) c o s ( n θ ) d θ b n = 2 N ∑ f ( θ ) sin ⁡ ( n θ ) d θ \begin{array}{l} {a_n} = \frac{2}{N}\sum {f(\theta )cos(n\theta )d\theta } \\ {b_n} = \frac{2}{N}\sum {f(\theta )\sin (n\theta )d\theta } \end{array} an​=N2​∑f(θ)cos(nθ)dθbn​=N2​∑f(θ)sin(nθ)dθ​
对应代码：

disp('开始求取电流傅里叶分解数值');
I_A0=sum(i_theta)/(length(theta_num))*2;
Fouier=I_A0/2;
for n=1:order
    I_A(n)=2*sum(i_theta.*cos(n*theta_num))/(length(theta_num));
    I_B(n)=2*sum(i_theta.*sin(n*theta_num))/(length(theta_num));
    Fouier=Fouier+I_A(n)*cos(n*theta)+I_B(n)*sin(n*theta);
end
disp(vpa(Fouier))

使用上面的EF类带入，得到结果为（2次谐波短路，三次谐波开路，画Smith圆图匹配时由于匹配方向问题需要对阻抗取共轭）：
在这里插入图片描述

结果和理论一致。

2.2、对应代码

clear all
close all
clc
syms theta


theta_num=(0:pi/180:2*pi-pi/180);
% 连续F类，相乘变量，自由因子
% gamma=0;
% v_theta=((1-2/(sqrt(3)).*cos(theta_num)).^2).*(1+1/(sqrt(3)).*cos(theta_num)).*(1-gamma.*sin(theta_num));
% i_theta=1/pi+1/2*cos(theta_num)+2/(3*pi)*cos(2*theta_num);
% EF类波形
v_theta=[0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0.129750090188117	0.255289136488565	0.376625563240092	0.493771567461190	0.606743078675062	0.715559714306197	0.820244730715221	0.920824969944700	1.01733080225395	1.10979606452633	1.19825799463809	1.28275716188279	1.36333739355047	1.44004569776601	1.51293218269540	1.58204997223385	1.64745511829383	1.70920650981569	1.76736577862760	1.82199720228559	1.87316760402839	1.92094624998539	1.96540474377936	2.00661691866925	2.04465872738108	2.07960812977794	2.11154497852306	2.14055090289194	2.16670919089223	2.19010466985182	2.21082358563754	2.22895348066865	2.24458307089029	2.25780212187380	2.26870132421120	2.27737216837235	2.28390681919350	2.28839799016632	2.29093881769660	2.29162273550150	2.29054334931401	2.28779431206257	2.28346919969278	2.27766138779744	2.27046392921947	2.26196943279093	2.25226994336973	2.24145682333331	2.22962063568691	2.21685102894105	2.20323662391102	2.18886490258756	2.17382209922559	2.15819309379440	2.14206130792919	2.12550860352063	2.10861518407504	2.09145949897413	2.07411815075892	2.05666580555838	2.03917510677888	2.02171659216579	2.00435861434412	1.98716726494012	1.97020630238054	1.95353708346157	1.93721849877388	1.92130691206479	1.90585610361357	1.89091721768970	1.87653871415869	1.86276632429423	1.84964301084941	1.83720893243417	1.82550141223995	1.81455491114661	1.80440100524056	1.79506836776717	1.78658275553402	1.77896699977591	1.77224100148585	1.76642173121067	1.76152323330329	1.75755663461776	1.75453015762705	1.75244913793754	1.75131604616785	1.75113051415408	1.75188936543721	1.75358664998267	1.75621368307635	1.75975908833542	1.76420884476677	1.76954633780040	1.77575241421946	1.78280544090333	1.79068136729513	1.79935379149957	1.80879402991220	1.81897119027659	1.82985224806066	1.84140212603937	1.85358377696624	1.86635826921214	1.87968487524548	1.89352116282429	1.90782308876684	1.92254509516368	1.93764020789113	1.95306013728256	1.96875538081114	1.98467532763490	2.00076836485232	2.01698198531430	2.03326289683643	2.04955713265309	2.06581016295376	2.08196700733989	2.09797234803965	2.11377064371706	2.12930624371044	2.14452350253532	2.15936689448609	2.17378112817058	2.18771126081174	2.20110281215137	2.21390187779056	2.22605524180278	2.23751048845669	2.24821611288614	2.25812163054717	2.26717768530275	2.27533615597819	2.28255026123205	2.28877466258980	2.29396556548978	2.29808081819375	2.30108000841734	2.30292455753854	2.30357781224585	2.30300513349109	2.30117398261556	2.29805400452179	2.29361710776788	2.28783754146454	2.28069196886001	2.27215953750263	2.26222194587468	2.25086350639677	2.23807120470647	2.22383475512025	2.20814665219245	2.19100221829117	2.17239964711551	2.15234004308466	2.13082745653473	2.10786891466503	2.08347444818129	2.05765711358891	2.03043301109573	2.00182129808950	1.97184419816107	1.94052700565101	1.90789808570285	1.87398886981256	1.83883384687003	1.80247054969468	1.76493953707278	1.72628437131108	1.68655159132716	1.64579068130262	1.60405403493198	1.56139691530578	1.51787741047259	1.47355638473006	1.42849742570208	1.38276678726365	1.33643332838164	1.28956844794501	1.24224601566347	1.19454229911915	1.14653588706108	1.09830760903752	1.04994045146629	1.00151947024801	0.953131700032240	0.904866060251106	0.856813258039101	0.809065688162828	0.761717330088043	0.714863642315586	0.668601454121624	0.623028854841491	0.578245080839374	0.534350400309946	0.491445996060881	0.449633846428079	0.409016604478074	0.369697475654887	0.331780094030513	0.295368397320433	0.260566500827536	0.227478570479249	0.196208695124241	0.166860758256219	0.139538309333334	0.114344434862345	0.0913816294174346	0.0707516667636549	0.0525554712551816	0.0368929896782647	0.0238630637086112	0.0135633031520352	0.00608996013661750	0.00153780442336330];
i_theta=[2.71877140023093e-15	0.0105802447184730	0.0214593627914783	0.0326318770606530	0.0440919543587784	0.0558334102470919	0.0678497141808513	0.0801339950975745	0.0926790474218736	0.105477337480283	0.118521010318992	0.131801896916889	0.145311521785851	0.159041110949733	0.172981600293053	0.187123644269917	0.201457624963267	0.215973661484159	0.230661619700282	0.245511122282607	0.260511559058602	0.275652097660105	0.290921694453584	0.306309105740139	0.321802899212305	0.337391465654379	0.353063030872676	0.368805667841881	0.384607309053348	0.400455759050972	0.416338707140022	0.432243740254109	0.448158355965254	0.464069975621858	0.479965957599197	0.495833610646935	0.511660207318022	0.527432997463224	0.543139221775473	0.558766125368123	0.574300971371190	0.589731054529576	0.605043714787323	0.620226350841903	0.635266433652606	0.650151519887139	0.664869265290589	0.679407437961026	0.693753931516094	0.707896778135093	0.721824161461166	0.735524429348392	0.748986106438761	0.762197906554188	0.775148744888967	0.787827749988275	0.800224275498601	0.812327911676234	0.824128496640252	0.835616127356703	0.846781170341063	0.857614272066312	0.868106369064369	0.878248697708976	0.888032803668483	0.897450551017397	0.906494130995960	0.915156070407433	0.923429239643184	0.931306860326153	0.938782512563674	0.945850141801153	0.952504065268514	0.958738978011872	0.964549958503340	0.969932473822392	0.974882384402731	0.979395948339108	0.983469825249066	0.987101079685117	0.990287184093406	0.993026021315432	0.995315886629956	0.997155489332780	0.998543953852620	0.999480820401845	0.999966045161431	1	0.999583471727408	0.998717660883866	0.997404180066151	0.995645051793016	0.993442705912439	0.990799976553921	0.987720098629568	0.984206703888232	0.980263816527522	0.975895848369025	0.971107593602574	0.965904223105957	0.960291278346913	0.954274664874798	0.947860645409769	0.941055832537829	0.933867181020519	0.926301979728526	0.918367843208913	0.910072702896094	0.901424797977131	0.892432665922306	0.883105132692350	0.873451302634046	0.863480548076357	0.853202498639505	0.842627030269838	0.831764254013592	0.820624504542979	0.809218328448336	0.797556472310320	0.785649870566400	0.773509633186142	0.761147033169997	0.748573493886507	0.735800576263023	0.722839965845228	0.709703459740842	0.696402953463102	0.682950427689634	0.669357934952504	0.655637586275242	0.641801537772738	0.627861977229913	0.613831110675097	0.599721148964041	0.585544294390456	0.571312727338955	0.557038592996174	0.542733988135819	0.528410947993227	0.514081433244961	0.499757317108799	0.485450372579319	0.471172259814115	0.456934513685486	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0;]

% 分析到的阶数
order=3;





disp('开始求取电流傅里叶分解数值');
I_A0=sum(i_theta)/(length(theta_num))*2;
Fouier=I_A0/2;
for n=1:order
    I_A(n)=2*sum(i_theta.*cos(n*theta_num))/(length(theta_num));
    I_B(n)=2*sum(i_theta.*sin(n*theta_num))/(length(theta_num));
    Fouier=Fouier+I_A(n)*cos(n*theta)+I_B(n)*sin(n*theta);
end
disp(vpa(Fouier))


disp('开始求取电压傅里叶分解数值');
I_V0=sum(v_theta)/(length(theta_num))*2;
Fouier=I_V0/2;
for n=1:order
    V_A(n)=2*sum(v_theta.*cos(n*theta_num))/(length(theta_num));
    V_B(n)=2*sum(v_theta.*sin(n*theta_num))/(length(theta_num));
    Fouier=Fouier+I_A(n)*cos(n*theta)+I_B(n)*sin(n*theta);
end
disp(vpa(Fouier))


disp('最佳阻抗');
for n=1:order
    tmp=(-0.5*(V_A(n)+1j*V_B(n))./(I_A(n)+1j*I_B(n)));
    disp(['n=',num2str(n),'时阻抗：',num2str(tmp)]);
end
% 注意！！！画Smith圆图匹配时由于匹配方向问题需要对阻抗取共轭
怡步晓心l
关注
  • 17
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
本轮、均轮背后的傅里叶分解原理（matlab演示）
hyhhyh21的博客
01-01 9496
均轮、本轮背后的傅里叶分解原理（matlab演示） 1.简介 均轮、本轮是希腊天文学家希帕克斯提出的以地球为中心的学说，认为天体沿着本轮做匀速圆周运动，这些本轮的中心又沿着各自的更大的均轮做以地球为中心的匀速圆周运动。 在长达十四个世纪的古代时期，占据主导地位的天文学理论，是托勒密的地心说。由于地心说中并不是所有天体都按照围绕地球，做圆形选转的运动方式来运动，所以作为修正，提出来本轮和均轮的概念。...
MATLAB傅里叶级数分解极其图像
weixin_48467622的博客
03-31 3302
目前为止并MATLAB并没有求解傅里叶级数的函数，但是可以利用int函数快速得到，详情见代码。 求解傅里叶级数及其图像逼近验证： syms x n; a0 = int(2,x,0,2)/2; a0 an = int(2*cos(n*pi*x/2),x,0,2)/2; an bn = int(2*cos(n*pi*x/2),x,0,2)/2; bn b = 40; hold on Sm = 1; for n = 1:b fn = 2*2*sin((2*n-1)*pi*x/2)/(2*n-...
matlab傅里叶级数分解
06-04
利用matlab实现矩形函数的傅立叶分解，生成不同谐波的叠加图像，
MATLAB初学者入门（29）—— 傅里叶分析
最新发布
贾贾的博客
05-01 1998
傅里叶分析是一种强大的数学工具，用于分解信号为正弦和余弦组成部分。在MATLAB中，可以使用多种方法进行傅里叶分析，包括快速傅里叶变换（FFT）和功率谱密度估计等。这些方法非常适用于信号处理、振动分析、音频处理等领域。
FDM傅里叶分解方法的matlab程序
08-13
其中FDM.example是主程序直接运行即可，共有五个例子。 参考文献：The Fourier decomposition method for nonlinear and non-stationary time series analysis
用matlab对图像进行分数傅里叶处理
07-21
用matlab对图像进行分数傅里叶处理用matlab对图像进行分数傅里叶处理
傅里叶分解程序,傅里叶分解合成实验,matlab
09-10
是MATLAB背景下的傅里叶分解程序，适合入门学习，欢迎下载。
xiebo.rar_MATLAB 谐波检测_傅里叶 谐波_傅里叶谐波_电流检测法_谐波电流检测
07-14
一个完整的matlab程序，利用傅里叶变换法实现对电流或电压波形中含有的谐波的检测
傅里叶级数波形：此文件包括不同波形的傅里叶级数图，例如：半波整流、全波整流、锯齿波-matlab开发
05-31
3. **锯齿波**：锯齿波是一种线性递减或递增的波形，傅里叶级数表明它主要由低次谐波组成，且谐波频率与基本频率成正比。 4. **矩形波**：矩形波是由等宽的高电平和低电平交替组成的波形。它的傅里叶级数含有无穷多...
傅里叶分解计算基波有效值相位角和各次谐波的有效值和相位角
05-26
当涉及到谐波时，傅里叶分解能帮助我们识别并分析信号中的高次频率成分。谐波的有效值和相位角计算与基波类似。假设谐波n的傅里叶系数为An * exp(j * φn)，其有效值V_n = sqrt(2 * |An|^2)，相位角φ_n = arg(An)。...
使用matlab语言对信号进行频谱分析识别多种乐器（内含素材）
03-03
在这个大二课程项目中，我们利用其功能对音频信号进行处理，通过快速傅里叶变换(FFT)将时域信号转换到频域，进而分析频域特性，以辨识乐器种类。 首先，让我们理解快速傅里叶变换(FFT)的概念。FFT是一种高效的算法...
matlab分析谐波
05-29
Matlab编程实现FFT实践及频谱分析 EEmatlab fft 算法正弦波长方形波
利用Pisarenko谐波分解恢复理论推导谐波过程matlab实现
12-20
用最小二乘法对Pisarenko算法进行分析谐波分解恢复。 可在MATLAB上仿真。
基于matlab的电力系统谐波仿真
08-20
基于matlab的电力系统谐波仿真，基于matlab的电力系统谐波仿真
基于快速傅里叶变换算法的智能电表Matlab仿真.pdf
11-10
本文主要探讨了基于快速傅里叶变换（FFT）算法的智能电表的Matlab仿真模型，该模型能够对电力系统的谐波进行精确分析，监测功率因数、谐波分量和畸变率等关键参数。快速傅里叶变换是信号处理领域中一种高效计算离散...
用matlab语言进行傅里叶分析
weixin_42612804的博客
02-15 1363
在 MATLAB 中，可以使用 fft 函数执行快速傅里叶变换 (FFT) 并获取信号的频谱信息。下面是一些用于进行傅里叶分析的 MATLAB 代码示例： 假设我们有一个长度为 N 的时域信号 x，我们可以使用以下代码将其转换为频域信号 X： % 定义信号长度和采样频率 N = 1024; Fs = 1000; % 创建一个随机信号 t = (0:N-1) / Fs; x = randn(1, ...
Matlab谐波搭建
ruoyu8836的博客
10-31 4785
一.matlab谐波搭建 1.matlab的使用 打开matlab新建一个simulink–>点击图标 选择需要的模型，这里我搭建的是三相电，需要三个正弦信号 下面这个mux主要是将三个波形一次在示波器上显示出来 而add是将三个波形叠加起来，具体使用根据要求自己选择 这个是示波器，将波形显现出来 这个就是模型搭建，谐波的一个搭建 这幅图通过50Hz正弦波叠加100HZ，200Hz正弦波得到叠加后几遍的波形，这个波形主要用来进行FFT计算进行时谐波检测，模型比较简单，幅值分别5,15,30.
matlab进行傅里叶分析
weixin_41798131的博客
04-11 5728
当我们Display style选择是Bar(relative to fundamental)时，图形显示的是谐波幅值占基波幅值的百分比大小，基波处（harmonic order = 1）显示就是100，因为除以自身得到的结果就是1，即100%。在matlab中定义为信号总谐波的均方根 (RMS) 值除以其基波信号的 RMS 值。我们对该sin波注入幅值为0.1的5次和7次谐波，0.1*sin(2*pi*50)，0.1*sin(2*pi*70)再次进行FFT分析，能明显的看到五七次谐波的存在。
matlab傅里叶谐波分析
08-26
傅里叶谐波分析是一种用于分析信号频率成分的方法。在MATLAB中，可以使用Simulink和脚本来进行傅里叶谐波分析。 首先，你可以使用Simulink中的"To Workspace"模块将需要分析的波形数据导入到工作区。然后，在MATLAB界面中创建一个脚本，编写代码来分析并绘制各频率下的分量。 一个示例代码如下： ``` % 导入波形数据 load('waveform.mat'); % 假设波形数据保存在名为waveform.mat的文件中 % 进行傅里叶变换 fft_result = fft(waveform); % 计算频谱幅度 amplitude = abs(fft_result); % 计算频率 fs = 1000; % 假设采样频率为1000Hz frequencies = (0:length(waveform)-1)*(fs/length(waveform)); % 绘制频谱图 plot(frequencies, amplitude); xlabel('频率'); ylabel('幅度'); title('傅里叶谐波分析'); ``` 另外，如果你想在MATLAB的命令窗口中进行FFT分析，你可以输入"power_fftscope"命令，然后按回车键。这将打开一个FFT分析窗口，你可以在该窗口中分析并可视化频率成分。 总谐波失真度（THD）用于衡量输入波形的失真程度。在MATLAB中，它定义为信号总谐波的均方根（RMS）值除以基波信号的RMS值。举个例子，如果一个信号的总谐波的RMS值为0.1，基波信号的RMS值为1，那么THD就等于sqrt(0.1^2 + 0.1^2)/sqrt(1^2) = 0.1414。 希望这些信息对你有帮助！<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [MTALAB中的fourier（傅里叶级数）变换提取谐波分量](https://blog.csdn.net/weixin_43175678/article/details/106868958)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [matlab进行傅里叶分析](https://blog.csdn.net/weixin_41798131/article/details/130087034)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

怡步晓心l

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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