用FFT对信号作频谱分析

最新推荐文章于 2023-11-08 23:21:48 发布
最新推荐文章于 2023-11-08 23:21:48 发布
阅读量4.1k 收藏 11
点赞数
分类专栏： 数字信号处理 文章标签： matlab
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_52126845/article/details/124474506
版权

x1n=[ones(1,4)];

M=8;xa=1:(M/2);xb=(M/2):-1:1;

x2n=[xa,xb];

x3n=[xb,xa];

x1k8=fft(x1n,8);

x1k16=fft(x1n,16);

x2k8=fft(x2n,8);

x2k16=fft(x2n,16);

x3k8=fft(x3n,8);

x3k16=fft(x3n,16);

N=8;wk=2/N*(0:N-1);

subplot(3,2,1);stem(wk,abs(x1k8),'.');

title('(1a)8点DFT[（x_1(n)]');

xlabel('ω/π');

ylabel('幅度');

subplot(3,2,3);stem(wk,abs(x2k8),'.');

title('(2a)8点DFT[x_1(n)]');

xlabel('ω/π');

ylabel('幅度');

subplot(3,2,5);stem(wk,abs(x3k8),'.');

title('(3a)8点DFT[x_1(n)]');

xlabel('ω/π');

ylabel('幅度');

N=16;wk=2/N*(0:N-1);

subplot(3,2,2);stem(wk,abs(x1k16),'.');

title('(1b)16点DFT[x_1(n)]');

xlabel('ω/π');

ylabel('幅度');

subplot(3,2,4);stem(wk,abs(x2k16),'.');

title('(2b)16点DFT[x_1(n)]');

xlabel('ω/π');

ylabel('幅度');

subplot(3,2,6);stem(wk,abs(x3k16),'.');

title('(3b)16点DFT[x_1(n)]');

xlabel('ω/π');

ylabel('幅度');

N=8;n=0:N-1;

x4n=cos(pi*n/4);

x5n=cos(pi*n/4)+cos(pi*n/8);

x4k8=fft(x4n);

x5k8=fft(x5n);

N=16;n=0:N-1;

N=16;

x4n=cos(pi*n/4);

x5n=cos(pi*n/4)+cos(pi*n/8);

x4k16=fft(x4n);

x5k16=fft(x5n);

N=8;w1k=2/N*(0:N-1);

subplot(2,2,1);stem(w1k,abs(x4k8),'.');

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);stem(w1k,abs(x5k8),'.');

title('(5a)8点DFT[x_4(n)]');

xlabel('ω/π');

ylabel('幅度');

axis([0,2,0,1.2*max(abs(x5k8))]);

N=16;w2k=2/N*(0:N-1);

subplot(2,2,2);stem(w2k,abs(x4k16),'.');

title('(4b)16点DFT[x_5(n)]');

xlabel('ω/π');

ylabel('幅度');

axis([0,2,0,1.2*max(abs(x4k16))]);

subplot(2,2,4);stem(w2k,abs(x5k16),'.');

title('(5b)16点DFT[x_5(n)]');

xlabel('ω/π');

ylabel('幅度');

axis([0,2,0,1.2*max(abs(x5k16))]);

xlabel('ω/π');

title('(5a)8点DFT[x_1(n)]');

Fs=64;T=1/Fs;
N=16;n=0:N-1;                            
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);
X6k16=fft(x6nT);                          
X6k16=fftshift(X6k16);                       
Tp=N*T;F=1/Tp;                           
k=-N/2:N/2-1;fk=k*F;                        
subplot(3,1,1);stem(fk,abs(X6k16),'、');
xlabel({'f(Hz)';'(6a) 16点|DFT[x_6(nT)]|'});ylabel('幅度');
N=32;n=0:N-1;                            
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);
X6k32=fft(x6nT);                          
X6k32=fftshift(X6k32);                       
Tp=N*T;F=1/Tp;                           
k=-N/2:N/2-1;fk=k*F;                        
subplot(3,1,2);stem(fk,abs(X6k32),'、');

xlabel({'f(Hz)';'(6b) 32点|DFT[x_6(nT)]|'});ylabel('幅度');
N=64;n=0:N-1;                            
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);

X6k64=fft(x6nT);                          
X6k64=fftshift(X6k64);                       
Tp=N*T;F=1/Tp;                           
k=-N/2:N/2-1;fk=k*F;                        
subplot(3,1,3);stem(fk,abs(X6k64),'、');

xlabel({'f(Hz)';'(6c) 64点|DFT[x_6(nT)]|'});ylabel('幅度');

x1n=[ones(1,4)];

X1k8=fft(x1n,8);

X1k16=fft(x1n,16);

N=8;f=2/N*(0:N-1);

subplot(3,2,1);

stem(f,abs(X1k8),'.');

title('(1) 8点DFT[x1(n)]');xlabel('ω/π');ylabel('幅度');

N=16;f=2/N*(0:N-1);

subplot(3,2,2);

stem(f,abs(X1k16),'.');

title('(2) 16点DFT[x1(n)]');xlabel('ω/π');ylabel('幅度');

M=8;

xa=1:(M/2);

xb=(M/2):-1:1;

x2n=[xa,xb];

x3n=[xb,xa];

X2k8=fft(x2n,8);

X2k16=fft(x2n,16);

X3k8=fft(x3n,8);

X3k16=fft(x3n,16);

N=8;f=2/N*(0:N-1);

subplot(3,2,3);

stem(f,abs(X2k8),'.');

title('(3) 8点DFT[x2(n)]');xlabel('ω/π');ylabel('幅度');

subplot(3,2,4);

stem(f,abs(X3k8),'.');

title('(4) 8点DFT[x3(n)]');xlabel('ω/π');ylabel('幅度');

N=16;f=2/N*(0:N-1);

subplot(3,2,5);

stem(f,abs(X1k16),'.');

title('(5) 16点DFT[x2(n)]');xlabel('ω/π');ylabel('幅度');

subplot(3,2,6);

stem(f,abs(X1k16),'.');

title('(6) 16点DFT[x3(n)]');xlabel('ω/π');ylabel('幅度');

N=8;n=0:N-1;

x4n=cos(pi*n/4);

x5n=cos(pi*n/4)+cos(pi*n/8);

X4k8=fft(x4n,8);

X4k16=fft(x4n,16);

X5k8=fft(x5n,8);

X5k16=fft(x5n,16);

N=8;f=2/N*(0:N-1);

subplot(2,2,1);

stem(f,abs(X4k8),'.');

title('(1) 8点DFT[x4(n)]');xlabel('ω/π');ylabel('幅度');

subplot(2,2,3);

stem(f,abs(X5k8),'.');

title('(2) 8点DFT[x5(n)]');xlabel('ω/π');ylabel('幅度');

N=16;f=2/N*(0:N-1);

subplot(2,2,2);

stem(f,abs(X4k16),'.');

title('(3) 16点DFT[x4(n)]');xlabel('ω/π');ylabel('幅度');

subplot(2,2,4);

stem(f,abs(X5k16),'.');

title('(4) 16点DFT[x5(n)]');xlabel('ω/π');ylabel('幅度');

Fs=64;T=1/Fs;

N=16;n=0:N-1;

nT = n*T;

x8n=cos(8*pi*nT)+cos(16*pi*nT)+cos(20*pi*nT);

X8k16=fft(x8n,16);

N=16;f=2/N*(0:N-1);

subplot(2,2,1);

stem(f,abs(X8k16),'.');

title('(1) 16点DFT[x8(n)]');xlabel('ω/π');ylabel('幅度');

N=32;n=0:N-1;

nT = n*T;

x8n=cos(8*pi*nT)+cos(16*pi*nT)+cos(20*pi*nT);

X8k32=fft(x8n,32);

N=32;f=2/N*(0:N-1);

subplot(2,2,2);

stem(f,abs(X8k32),'.');

title('(2) 32点DFT[x8(n)]');xlabel('ω/π');ylabel('幅度');

N=64;n=0:N-1;

nT = n*T;

x8n=cos(8*pi*nT)+cos(16*pi*nT)+cos(20*pi*nT);

X8k64=fft(x8n,64);

N=64;f=2/N*(0:N-1);

subplot(2,2,3);

stem(f,abs(X8k64),'.');

title('(3) 64点DFT[x8(n)]');xlabel('ω/π');ylabel('幅度');

QiuLu.
关注
  • 0
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
用FFT对信号作频谱分析实验报告
12-12
这是报告是用FFT对信号作频谱分析，内涵matlab源代码，非常详细
用FFT对信号进行频谱分析
09-17
用FFT对信号进行频谱分析（matlab ）
实验三 用FFT对信号作频谱分析
06-08
数字信号处理 数字信号处理 数字信号处理 数字信号处理
FFT进行信号频谱分析实验
12-18
通过此次实验，我深刻体会到用FFT对信号做频谱分析时学习数字信号处理的重要内容。深入了解了FFT算法原理以及它的一些特性，能够正确的使用FFT在频域上对信号进行分析。增强了数字信号处理仿真方面的能力。
实验三用FFT对信号作频谱分析实验报告
06-22
实验三用FFT对信号作频谱分析实验报告
实验2 用FFT对信号作频谱分析
qq_41975868的博客
10-22 2万+
Experiment2 Spectral analysis using FFT 实验2 用FFT对信号作频谱分析 一、实验安全规则（本实验项目安全注意事项） 1.数字信号处理及DSP应用实验在计算机Matlab上用仿真方式完成，不需要硬件设备，请不要开启计算机桌台上的其它硬件设备； 2.实验可以一人一机单独完成，也可两人一机配合完成，不容许三人一机实验。 二、实验指导 1．实验目的 学习用FFT对连续信号和时域离散信号进行频谱分析（也称谱分析）的方法，了解可能出现的分析误差及其原因，以便..
FFT频谱分析
蜗牛在听雨的博客
05-24 4万+
FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。 虽然很多人都知道FFT是什么，可以用来做什么，怎么去做，但是却不知道FFT之后的结果是什意思、如何决定要使用多少点来做FFT。 现在就根据实际经...
FFT_频谱分析（数字信号处理）
Five—菜鸟级的博客
12-10 4万+
~~ 如果有什么问题可以在我的个人博客留言 ，我会及时回复。欢迎来访交流 ~~ FFT_频谱分析（数字信号处理） （一）实验原理 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点在于频谱分辨率及分析误差。频谱分辨率D和频谱分析的点数......
数字信号处理(matlab)——FFT对信号频谱分析
weixin_41129832的博客
08-03 3万+
FFT频谱分析法 频谱分辨率D FFT能够实现的频率分辨率是2pi/N 要求2pi/N≤D 误差主要来自于用FFT做频谱分析时，得到的是离散谱，但是信号是连续谱，只有当N较大时，离散谱的包络才能逼近离散谱，因此N要大一些。 例1 x(n)=R4(n) 选择FFT的变换区间N为8和16进行频谱分析 clc close all; clear all; xn=[ones(1,4)]; X8k=fft(xn,8); n=0:7; wk=2*n/8; subplot(1,2,1); stem(wk,abs(X8k
数字信号处理（一）利用FFT对信号进行频谱分析
热门推荐
weixin_44566643的博客
11-17 5万+
(1) 进一步加深DFT算法原理和基本性质的理解(因为FFT只是DFT的一种快速算法，所以FFT的运算结果必然满足DFT的基本性质)。 (2) 熟悉FFT算法原理和FFT程序的应用。 (3) 学习利用FFT对离散时间信号进行频谱分析的方法，了解可能出现的误差及其原因，以便在实际中正确应用FFT。
用FFT对信号做频谱分析
09-15
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。
数字信号处理实验三：用FFT对信号做频谱分析
最新发布
m0_69137195的博客
11-08 3753
图1a和1b说明x1(n)=R4(n)的8点DFT和16点DFT分别是x1(n)的频谱函数的8点采样和16点采样，图2a和图3a表明x3(n)=x2(n+3)8R8(n)的8点DFT的模相等，但是当N=16时，x3(n)与x2(n)不满足位移关系，所以导致2b和3b的模不相同。x4(n)的周期为8，所以N=8和N=16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跟单一谱线，如图4a和4b所示。X5(n)的周期为16，所以N=8时，得到的频谱不正确，如5a所示。
再续FFT：信号的频谱分析
Vanau的博客
09-11 1万+
摘自：http://www.ilovematlab.cn/thread-119939-1-1.html http://www.360doc.com/content/13/1208/18/13670635_335496776.shtml对于下面这句话该怎么理解？假设采样频率为Fs，信号频率F，采样点数为N。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值
FFT频谱分析（补零、频谱泄露、栅栏效应、加窗、细化、频谱混叠、插值），Matlab、C语言代码
“逛丢一只鞋”的博客
12-01 1万+
文章目录引言Matlab FFT函数频谱混叠栅栏效应细化技术什么是细化技术?细化FFT技术的应用：Zoom-FFT算法介绍及MATLAB实现Zoom-FFT根本没有实现“细化“？到底该怎么实现“细化”?补零补零对频谱的影响补零与离散傅里叶变换的分辨率补零与插值对FFT的影响频谱泄露信号的截断频谱泄露定义窗窗的概念常用窗函数如何选择“窗函数”？频谱泄漏的原因加窗应用（汉宁窗）加窗对频率和幅值的影响FFT变换的幅值和能量校正幅值修正谱能量修正谱转换的比例因子关系 引言 在对信号进行谐波分析的过程中，对时域信号进
数字信号处理——信号频谱分析-N点DFT
yishuihanq的博客
08-02 3769
频谱分析：是一种将复杂信号分解为较简单信号的技术。许多物理信号均可以表示为许多不同频率简单信号的和。找出一个信号在不同频率下的信息（如振幅、功率、强度或相位等）的做法即为频谱分析。【分清"截取数据长度"（即窗函数长度）与"DFT点数"二者的不同；】 频谱：是指一个时域的信号在频域下的表示方式，可以针对信号进行傅里叶变换而得，以“幅度频谱”表示幅度随频率变化的情形，“相位频谱”表示相位随频率变化的情形。
使用 FFT 进行频谱分析
mcupro的专栏
02-28 1万+
下面的示例说明了如何使用 FFT 函数进行频谱分析。FFT 的一个常用场景是确定一个时域噪声信号的频率分量。 首先创建一些数据。假设是以 1000 Hz 的频率对数据进行的采样。首先为数据构造一条时间轴，时间范围从 t = 0 至 t = 0.25，步长为 1 毫秒。然后，创建一个包含 50 Hz 和 120 Hz 频率的正弦波信号 x。 t = 0:.001:.25; x = sin(2*...
使用FFT进行频谱分析
weixin_30907523的博客
04-17 301
import numpy as np import matplotlib.pyplot as plt from scipy.fftpack import fft fs=100 #采样频率 N=128 #数据点数 n=np.arange(0,N) t=n/fs #时间序列 pi=3.14 x=0.5*np.sin(2*pi*15*t)+2*np.sin(2*pi...
FFT进行频谱分析
rouranling的博客
02-22 5618
利用FFT对信号进行频谱分析
频谱分析-FFT之后的那些事情
liangshui999的博客
06-12 1万+
本文系转载，建议点进来的人直接点击下面的链接去查看原文，原文的格式更加清晰。这篇文章写的真的非常好，非常感谢原作者。原文链接：https://blog.csdn.net/czyt1988/article/details/84995295 频谱分析-FFT之后的那些事情 2018年12月13日 21:36:10 尘中远 阅读数：1908 版权声明：本文为博主原创文章，未经博主允许不得转载...
用fft对信号作频谱分析
05-05
以下是用FFT对信号作频谱分析的步骤： 1. 采集信号：使用传感器或其他设备采集信号。 2. 窗函数：对采集到的信号进行窗函数处理，以减少频谱泄漏。 3. FFT 计算：使用 FFT 算法将信号转换为频域，得到信号的频谱...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

QiuLu.

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