信号与系统-信号DFT的计算-一个作业的记录

一、实验内容

例题题目：

 

 

 

二、实验目的

1. 掌握对连续时间、离散频率和离散时间、离散频率的DFT计算
2. 掌握N、L对信号频谱的影响

三、实验原理

对于连续时间的信号，首先以抽样频率fs对其进行抽样，将其时域频域离散化，然后进行fft运算。

记抽样后的序列或者离散序列的长度为L，fft（x,N）计算N点的DFT。

• 若L>N，则将原序列截短为N点序列，在计算N点的DFT；
• 若L<N，则将原序列补零至N点，然后计算N点的DFT。

fftshift（）以fs/2为中心左右互换，横坐标范围为-fs/2~fs/2.

四、实验结果与分析

作业一

实验代码:

由于需要计算不同大小的L对频谱分析的影响，多次重复使用fft函数计算，故将其包装成以下函数（fftnyf.m）：

function [x,y] = fftnyf(N,L)

fs=600;

f1=100;

f2=120;

t=(0:N-1)*1/fs;                                                    

x=cos(2*pi*f1*t)+cos(2*pi*f2*t);

F=fft(x,L);

x=(-L/2:L/2-1)*fs/L;

y = fftshift(abs(F)*2/min(N,L));

end

脚本代码（f_analysis.m）（绘制了五种大小L的频谱图）：

clear

[x,y]=fftnyf(128,16);

figure

subplot(511)

plot(x,y);

title('N=128,L=16');

axis([-300,300,0,1.2]);



[x,y]=fftnyf(128,32);

subplot(512)

plot(x,y);

title('N=128,L=32');

axis([-300,300,0,1.2]);



[x,y]=fftnyf(128,64);

subplot(513)

plot(x,y);

title('N=128,L=64');

axis([-300,300,0,1.2]);



[x,y]=fftnyf(128,128);

subplot(514)

plot(x,y);

title('N=128,L=128');

axis([-300,300,0,1.2]);



[x,y]=fftnyf(128,256);

subplot(515)

plot(x,y);

title('N=128,L=256');

axis([-300,300,0,1.2]);

实验结果：

分析：

N为给出的数据点，L为fft数据个数

1. 当L<N时，对数据点数截断，频谱泄露现象明显，且当L很小时，FFT数据点太少，频率分辨率低，很难分辨信号的频谱成分。
2. 当L=N时，没有添零而导致的其他频率成分。
3. 当L>N时。对数据点补零，由于在时间域内信号加零，致使振幅谱中出现很多其他成分，谱的密度提高，但分辨率没有提高。

总之，fft数据点数L影响频谱频谱的成分和密度。

作业二

实验代码：

由于在第二问中，需要绘出不同L的信号频谱，故将以下复用代码包装成为函数（fftQ2）：

function [x,y] = fftQ2(L)

N=64;

k=0:N-1;

x=cos(2*pi/15*k)+0.75*cos(2.3*pi/15*k);

X=fft(x,L);

x=(-L/2:L/2-1)*1/L;

y=abs(fftshift(X))*2/min(N,L);

end

主函数（Q2_draw.m）：

clear

%64个点的fft

[n1,F1]=fftQ2(64);

figure

subplot(311)

plot(n1,F1)

title("N=64,L=64");



[n2,F2]=fftQ2(128)

subplot(312)

plot(n2,F2);

title("N=64,L=128");



[n3,F3]=fftQ2(256)

subplot(313)

plot(n3,F3);

title("N=64,L=256");

实验结果：

X[k]64点fft的信号频谱

 

问题二：

不能通过对这64点信号补零而分辨出两个谱峰，因为补零不能提高信号的频率分辨率，但是可以提高信号加窗后的合成信号的分辨细节，提高谱密度，使振幅谱中出现很多其他成分。

代码已附在上方，运行的会图结果如下：

 

五、总结（实验中遇到的问题、取得的经验、感想等）

对于实验的一些操作的感想和经验总结：

虽然matlab软件自带函数fft函数实现快速傅里叶变换算法，但是光使用fft并不能直接得到信号的频谱，还需要解决以下问题：

• 幅值变换

X(k)序列的幅值大小与参与变换的时域序列x(n)长度N（min（N，L））有关，变换后的幅值|X(k)|需要乘以2/N得到真实幅值

• 有效频率区域

X(k)序列由两部分共轭复数序列组成（复数共轭表示幅值相等、相位相反），相当于只有一半的复数序列是独立有效的，这部分复数序列对应0~fs/2的频率区域（fs为时域离散采样序列x(n)的采样频率）。