1.Matlab熟练函数
使用命令行将多个曲线绘制在同一张图,使用plot和hold on;
fftshift()函数:
Y = fftshift(X)
Y = fftshift(X,dim)
作用:交换行向量的左右两半部分,在FFT中可以将零频分量移动到数组中心
原因:
一.实信号情况
因为实信号以fs为采样速率的信号在 fs/2处混叠,所以实信号fft的结果中前半部分对应[0, fs/2],后半部分对应[ -fs/2, 0];
1)实信号fft的结果前半部分对应[0, fs/2]是正频率的结果,后半部分对应[ -fs/2, 0]是负频率的结果。大于fs/2的部分的频谱实际上是实信号的负频率加fs的结果。故要得到正确的结果,只需将视在频率减去fs即可得到频谱对应的真实负频率;
2)如果要让实信号fft的结果与[-fs/2, fs/2]对应,则要fft后fftshift一下即可,fftshift的操作是将fft结果以fs/2为中心左右互换;
3)如果实信号fft的绘图频率f从[-fs/2, fs/2],并且没有fftshift,则fft正频谱对应f在[0, fs/2]的结果将混叠到(f - fs/2)的位置;
fft负频谱对应f在[-fs/2, 0]的结果混叠到 f + fs - fs/2 的位置,注意这里f为负值,也就是说此种情况下fft负频谱对应的视在频率减去fs/2即可得到频谱对应的真实负频率。
二.复信号情况
1)复信号没有负频率,以fs为采样速率的信号,fft的频谱结果是从[0,fs]的。
2)在 f> fs/2时,对复信号的fft结果进行fftshift会产生频率混叠(将下面的示例2中的频率从f=15改为f=85可以验证f=85的谱线在fftshift后跑到 f= -15 = 85 - fs = 85 - 100的位置了),所以复信号也一般要求 f <= fs/2
3)在对雷达的慢时间维(复信号)进行fft后,由于要用doppler= ((0:LFFT-1)/LFFT - 0.5)*PRF; 计算多普勒频率,所以对该慢时间信号fft后要fftshift下,以便和正确的频率单元相对应。注意多普勒频率fd < = PRF/2 时才测的准!
参考:https://blog.csdn.net/a1367666195/article/details/115354196
2.采样定理
采样定理,频谱混叠和傅里叶变换 深入理解 - 知乎 (zhihu.com)
狄卡拉梳状函数在时域和频域都是脉冲状的,只不过有不同的幅值和间隔;
连续信号与狄卡拉梳状函数相乘进行采样,或者说数字化,使得计算机可以处理连续的模拟信号;
时域的相乘等于频域的卷积,时域的卷积等于频域相乘;
对于一个连续的信号采样,采样后的频谱相当于将采样前的频谱进行延拓,延拓的周期就是采样率;
关于混叠:当用采样频率SF对一个信号采样时,信号中SF/2以上的频率成分不是消失了,而是对称地映象到了SF/2 以下的频带中,并且和SF/2 以下的原有频率成分迭加起来,这个现象叫做“混叠”(aliasing),这是任何一个连续信号被离散化的必然结果。
3.卷积的理解
卷积是一种数学运算,用于组合两个函数产生第三个函数。在离散信号处理和连续信号处理中,卷积运算常被用于描述两个信号之间的相互影响。
对于两个函数的卷积,通常记为 (f∗g)(t)或者f(t)∗g(t),其定义如下:(f∗g)(t)=∫∞−∞f(τ)g(t−τ)dτ
在离散情况下,卷积的定义是:(f∗g)(n)=∑∞k=−∞f(k)g(n−k)
卷积的物理意义是,它表示一个函数在另一个函数上的加权平均。在信号处理中,卷积描述了两个信号之间的交互,可以用于分析系统的响应、滤波、信号平滑等任务。
在图像处理中,卷积运算也常被用于图像滤波。例如,一个图像与一个卷积核进行卷积可以实现图像的模糊、锐化等效果。
总的来说,卷积是一种通过对两个函数的组合来生成第三个函数的数学运算,具有广泛的应用领域。
卷积的本质及物理意义(全面理解卷积)_卷积的物理意义是什么-CSDN博客
4.傅里叶变换(傅里叶变换的理解-从正弦信号到傅里叶_正弦信号的傅里叶变换-CSDN博客)
https://zhuanlan.zhihu.com/p/19763358
- 任何周期信号都能够由不同谐波的正弦波叠加而成(傅里叶级数)
频谱只代表每一个对应的正弦波的振幅是多少.
时间差并不是相位差。如果将全部周期看作2Pi或者360度的话,相位差则是时间差在一个周期中所占的比例。我们将时间差除周期再乘2Pi,就得到了相位差。
相位差是周期的,pi和3pi,5pi,7pi都是相同的相位。人为定义相位谱的值域为(-pi,pi],
在完整的立体图中,我们将投影得到的时间差依次除以所在频率的周期,就得到了最下面的相位谱。所以,频谱是从侧面看,相位谱是从下面看。
注意到,相位谱中的相位除了0,就是Pi。因为cos(t+Pi)=-cos(t),所以实际上相位为Pi的波只是上下翻转了而已。
周期(为)信号可以表示为余(正)弦分量之和,即可记作如下(三角函数形式的)傅里叶级数:
其中,
可以通过积化和差,把sin和cos化为一个cos
其中,
即谱间隔为 ,谱的幅度为
所以当周期无限增大时,谱线间隔会变密,而谱的幅度会减小。
极端情况下,若,周期函数转换为非周期函数,这时离散频谱将成为连续频谱,分量幅值趋于无穷小。
如果我把一个信号的所有正弦分量的频率算出来画出来,那么就如下图 ,也叫频谱图
频谱是频率谱密度的简称,是频率的分布曲线。复杂振荡分解为振幅不同和频率不同的谐振荡,这些谐振荡的幅值按频率排列的图形叫做频谱
考察某个信号的所有正弦分量,这些正弦分量覆盖的频率范围,被形象地叫做“频带”。这个范围的大小,就是“带宽”——即频带宽度,如图所示。带宽是衡量信号特性的一个重要指标。
极端情况下,相邻谱线足够接近时,频谱就可表示成连续的曲线了,原来分立的谱线于是简化为曲线中的一个个点 。
- 欧拉公式
欧拉公式所描绘的,是一个随着时间变化,在复平面上做圆周运动的点,随着时间的改变,在时间轴上就成了一条螺旋线。如果只看它的实数部分,也就是螺旋线在左侧的投影,就是一个最基础的余弦函数。而右侧的投影则是一个正弦函数。
根据欧拉公式也可以用指数来表示一个周期信号
因此傅里叶级数还可以表示成以下指数形式
需要注意的是,各分量的系数是复数,可表示为如下形式:
其中 对应于幅度,
对应于相位
如果我把一个信号的所有指数分量的频率算出来画出来,那么就如下图
可以看到,复频谱除正频率分量外,还包括负频率分量。负频率的出现是数学运算(欧拉公式)的结果,并无物理意义。
总结:
上述正弦信号只有单一频率,因此其频谱只包含一根“线”(谱线),人们常称其为“单色”信号。而在大多数应用场合中,信号是由若干不同频率的单色信号叠加而成的,称为“复合”信号。从频域角度看,复合信号的频谱包含若干条甚至无数条谱线。
5.采样频率的选择
香农采样定理是这样描述的:采样频率fs至少为关心的信号最高频率的2倍。采样频率的一半称为奈奎斯特频率。采样频率的一半也称为分析带宽,或简称为带宽。
当关心频率成分时,可以按2.56倍的关系设置采样频率;但如果关心信号的幅值(时域),那样,采样频率应设置成关心的最高频率的10倍以上,才不会使信号幅值有明显的失真。