基于MATLAB的数字信号处理(3) 用FFT对信号作频谱分析
一、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,以便正确应用FFT。
二、实验原理与方法
- 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。
- 频谱分辨率直接和 FFT 的变换区间 N 有关,因为FFT能够实现的频率分辨率是2π/N,因此要求2π/N≤D。可以根据此式选择 FFT 的变换区间N。误差主要来自于用 FFT 作频谱分析时,得到的是离散谱,而信号(周期信号除外)是连续谱,只有当 N 较大时离散谱的包络才能逼近于连续谱,因此 N 要适当选择大一些。
- 周期信号的频谱是离散谱,只有用整数倍周期的长度作FFT,得到的离散谱才能代表周期信号的频谱。如果不知道信号周期,可以尽量选择信号的观察时间长一些。
- 对模拟信号进行谱分析时,首先要按照采样定理将其变成时域离散信号。如果是模拟周期信号,也应该选取整数倍周期的长度,经过采样后形成周期序列,按照周期序列的谱分析进行。
三、实验内容及步骤
1. 有限长序列
选择 FFT 的变换区间 N 为 8 和 16 的两种情况进行频谱分析。分别打印其幅频特性曲线, 并进行对比、 分析和讨论。
%R4(n)的谱分析 有限长序列
%做N点DFT 不够的话 时域补零到N点
%8点->16点 相邻谱线间隔变密 离散谱的包络更接近于连续谱
clear;
x1=[1 1 1 1];
%8点DFT
N1=8;
xk=fft(x1,N1); %计算x1(n)的8点DFT
subplot(221); stem(0:N1-1,[x1 zeros(1,N1-4)],'.','g'); %时域补零到 8个点 绘图
xlabel('n');
ylabel('x(n)');
title('R4(n)');
axis([0 8 0 1.2]);
subplot(222);
stem(0:0.25:1.75,abs(xk),'.','g'); xlabel('\omega/\pi');
ylabel('幅度');
title('8点DFT的结果');
axis([0 2 0 4.5]);
%16点DTF
N2=16;
xk=fft(x1,N2);
subplot(223); stem(0:N2-1,[x1 zeros(1,N2-4)],'.','r'); %时域补零到16个点 绘图
xlabel('n');
ylabel('x(n)');
title('R4(n)');
axis([0 16 0 1.2]);
subplot(224);
stem(0:0.125:1.875,abs(xk),'.','r');
xlabel('\omega/\pi');
ylabel('幅度');
title('16点DFT的结果');
axis([0 2 0 4.5]);
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
运行效果如下:
%x2(n)的谱分析
%做N点DFT 不够的话 时域补零到N点
clear;
x2=[1 2 3 4 4 3 2 1];
%8点DFT
N1=8;
subplot(221); stem(0:N1-1,x2,'.','g');
xlabel('n');
ylabel('x(n)');
title('x2(n)');
axis([0 8 0 4.5]);
xk=fft(x2,N1);
subplot(222);
stem(0:0.25:1.75,abs(xk),'.','g'); %归一化
xlabel('\omega/\pi');
ylabel('幅度');
title('8点DFT的结果');
axis([0 2 0 24]);
%16点DFT
N2=16;
subplot(223); stem(0:N2-1,[x2 zeros(1,N2-8)],'.','r'); %时域补零到16点
xlabel('n');
ylabel('x(n)');
title('x2(n)');
axis([0 16 0 4.5]);
xk=fft(x2,N2);
subplot(224);
stem(0:0.125:1.875,abs(xk),'.','r');
xlabel('\omega/\pi');
ylabel('幅度');
title('16点DFT的结果');
axis([0 2 0 24]);
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
运行效果如下:
%x3(n)的频谱分析
%做N点DFT 不够的话 时域补零到N点
clear;
x3=[4 3 2 1 1 2 3 4];
%8点DFT
N1=8;
subplot(221); stem(0:N1-1,x3,'.','g');
xlabel('n');
ylabel('x(n)');
title('x3(n)');
axis([0 8 0 4.5]);
xk=fft(x3,N1);
subplot(222);
stem(0:0.25:1.75,abs(xk),'.','g');
xlabel('\omega/\pi');
ylabel('幅度');
title('8点DFT的结果');
axis([0 2 0 24]);
%16点DFT
N2=16;
subplot(223); stem(0:N2-1,[x3 zeros(1,N2-8)],'.','r'); %时域补零到16点
xlabel('n');
ylabel('x(n)');
title('x3(n)');
axis([0 16 0 4.5]);
xk=fft(x3,N2);
subplot(224);
stem(0:0.125:1.875,abs(xk),'.','r');
xlabel('\omega/\pi');
ylabel('幅度');
title('16点DFT的结果');
axis([0 2 0 24]);
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
运行效果如下:
观察可以发现:
- 由 MATLAB 绘图可以发现,N=8时,x2(n) 和 x3(n) 的幅频特性是相同的,因为x2(n)=x3((n-4))R8(n),循环移位关系,所以 x3(n) 与 x2(n) 的 DFT 的幅频特性相同,如图 (2a) 和 (3a) 所示
- 但是,当 N=16时,x3(n) 与 x2(n) 就不满足循环移位关系了,所以如图 (2b) 和 (3b) 所示,幅频特性不同
2. 周期序列
选择 FFT 的变换区间 N 为 8 和 16 的两种情况分别对以上序列进行频谱分析,分别打印其幅频特性曲线。 并进行对比、分析和讨论。
%x4(n)=cos(pi/4*n)的频谱分析 周期序列
%周期序列x(n)周期如果事先不知道 截取M点进行DFT 再将截取长度扩大一倍
%比较二者主谱差别 若满足分析误差要求 这两个都可以近似表示x(n)的频谱
%否则 继续将截取长度加倍 直到前后两次主谱差别满足误差要求
%幅度跟N有关 主瓣会变窄 旁瓣会增加 更接近于真实的频谱 幅度是冲激那样的 又窄又高
clear;
n=0:31;
x4=cos(pi/4*n);
%8点DFT
N1=8;
subplot(221); stem(0:1:31,x4,'.','g');
xlabel('n');
ylabel('x(n)');
title('x4(n)');
axis([0 31 -1.2 1.2]);
xk=fft(x4,N1);
subplot(222);
stem(0:0.25:1.75,abs(xk),'.','g');
xlabel('\omega/\pi');
ylabel('幅度');
title('8点DFT的结果');
axis([0 2 0 5]);
%16点DFT
N2=16;
subplot(223); stem(0:1:31,x4,'.','r');
xlabel('n');
ylabel('x(n)');
title('x4(n)');
axis([0 31 -1.2 1.2]);
xk=fft(x4,N2);
subplot(224);
stem(0:0.125:1.875,abs(xk),'.','r');
xlabel('\omega/\pi');
ylabel('幅度');
title('16点DFT的结果');
axis([0 2 0 9]);
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
运行效果如下:
%x5(n)=cos(pi/4*n)+cos(pi/8*n)的频谱分析
%周期序列x(n)周期如果事先不知道 截取M点进行DFT 再将截取长度扩大一倍
%比较二者主谱差别满足分析误差要求 这两个都可以近似表示x(n)的频谱
%否则 继续将截取长度加倍 直到前后两次主谱差别满足误差要求
clear;
n=0:31;
x5=cos(pi/4*n)+cos(pi/8*n);
%8点DFT
N1=8;
subplot(321); stem(0:1:31,x5,'.','m');
xlabel('n');
ylabel('x(n)');
title('x5(n)');
axis([0 31 -2.2 2.5]);
xk=fft(x5,N1);
subplot(322);
stem(0:0.25:1.75,abs(xk),'.','m');
xlabel('\omega/\pi');
ylabel('幅度');
title('8点DFT的结果');
axis([0 2 0 7]);
%16点DFT
N2=16;
subplot(323); stem(0:1:31,x5,'.','r');
xlabel('n');
ylabel('x(n)');
title('x5(n)');
axis([0 31 -2.2 2.5]);
xk=fft(x5,N2);
subplot(324);
stem(0:0.125:1.875,abs(xk),'.','r');
xlabel('\omega/\pi');
ylabel('幅度');
title('16点DFT的结果');
axis([0 2 0 10]);
%32点DFT
N2=32;
subplot(325); stem(0:1:31,x5,'.','g');
xlabel('n');
ylabel('x(n)');
title('x5(n)');
axis([0 31 -2.2 2.5]);
xk=fft(x5,N2);
subplot(326);
stem(0:0.0625:1.9375,abs(xk),'.','g');
xlabel('\omega/\pi');
ylabel('幅度');
title('32点DFT的结果');
axis([0 2 0 20]);
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
运行效果如下:
- 对周期序列 x(n) 进行谱分析,如果事先不知道周期,可以先截取 M 点进行DFT ,再将截取长度扩大一倍,比较结果,如果二者的差别满足分析误差要求,则可以近似表示该信号的频谱,如果不满足误差要求就继续将截取长度加倍,重复比较,直到结果满足要求。
- 幅度为N/2,N增大,主瓣会变窄,旁瓣会增加 ,更接近于真实的频谱,幅度是冲激那样的,又窄又高。
3. 模拟周期信号
%对模拟周期信号作谱分析
%首先要按照采样定理将其变成时域离散信号
%如果是模拟周期信号, 也应该选取整数倍周期的长度, 经过采样后形成周期序列
%再按照周期序列的谱分析进行
clear;
Fs=64;T=1/Fs;
%先按照采样定理将模拟信号变成时域离散信号
N=16;n=0:N-1; %FFT的变换区间 N=16
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T); %对x6(t) 16点采样
%fftshift移动零频点到频谱中间 为了把结果和fft运算的结果一致
X6k16=fftshift(fft(x6nT,16)); %计算 x6nT 的16点 DFT
Tp=N*T;F=1/Tp; %频率分辨率 F
k=0:N-1;fk1=-32:4:28; %产生16点 DFT 对应的采样点频率(以零频率为中心)
subplot(3,1,1);stem(fk1,abs(X6k16),'.','g'); %绘制16点DFT的幅频特性图
title('16点 DFT[x_6(nT)]|');xlabel('\omega/\pi');ylabel('幅度');
axis([-32 28 0 12]);
N=32;n=0:N-1; %FFT 的变换区间 N=32
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T); %对 x6(t) 32点采样
X6k32=fftshift(fft(x6nT,32)); %计算x6(nT)的 32 点 DFT
Tp=N*T;F=1/Tp; %频率分辨率 F
k=0:N-1;fk2=-32:2:30; %产生 32 点 DFT 对应的采样点频率(以零频率为中心)
subplot(3,1,2);stem(fk2,abs(X6k32),'.','r'); %绘制 32 点 DFT 的幅频特性图
title('32点 DFT[x_6(nT)]|');xlabel('\omega/\pi');ylabel('幅度');
axis([-32 31 0 20]);
N=64;n=0:N-1; %FFT 的变换区间 N=64
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T); %对x6(t) 64点采样
X6k64=fftshift(fft(x6nT,64)); %计算 x6(nT) 的64点DFT
Tp=N*T;F=1/Tp; %频率分辨率 F
k=0:N-1;fk3=-32:1:31; %产生64点 DFT对应的采样点频率(以零频率为中心)
subplot(3,1,3);stem(fk3,abs(X6k64),'.','m'); %绘制64点DFT的幅频特性图
title('64点 DFT[x_6(nT)]|');xlabel('\omega/\pi');ylabel('幅度');
axis([-32 31 0 40]);
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
运行效果如下:
四、回答思考题
(1) 对于周期序列, 如果周期不知道, 如何用 FFT 进行谱分析?
答:周期信号的周期预先不知道时,可先截取 M 点进行DFT,再将截取长度扩大一倍截取,比较结果,如果二者的差别满足分析误差要求,则可以近似表示该信号的频谱,如果不满足误差要求就继续将截取长度加倍,重复比较,直到结果满足要求。
(2) 如何选择FFT的变换区间(包括非周期信号和周期信号)?
答:对于非周期信号:有频谱分辨率F,而频谱分辨率直接和 FFT 的变换区间有关,因为 FFT 能够实现的频率分辨率是2π/N…因此有最小的N>2π/F。就可以根据此式选择 FFT 的变换区间。对于周期信号,周期信号的频谱是离散谱,只有用整数倍周期的长度作FFT,得到的离散谱才能代表周期信号的频谱。
(3)当 N=8 时, x2 (n) 和 x3 (n)的幅频特性会相同吗?为什么?N=16时呢?
- 由 MATLAB 绘图可以发现,N=8时,x2(n) 和 x3(n) 的幅频特性是相同的,因为x3(n)=x2((n+4))R8(n),为循环移位关系,所以 x3(n) 与 x2(n) 的DFT的幅频特性相同,如图 (2a) 和 (3a) 所示
- 但是,当 N=16 时,x3(n) 与 x2(n) 就不满足循环移位关系了,所以如图 (2b) 和 (3b) 所示,幅频特性不同
五、实验总结
- 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。
- 频谱分辨率直接和 FFT 的变换区间 N 有关,因为FFT能够实现的频率分辨率是2π/N,因此要求2π/N≤D。可以根据此式选择 FFT 的变换区间N。误差主要来自于用 FFT 作频谱分析时,得到的是离散谱,而信号(周期信号除外)是连续谱,只有当 N 较大时离散谱的包络才能逼近于连续谱,因此 N 要适当选择大一些。
- 周期信号的频谱是离散谱,只有用整数倍周期的长度作FFT,得到的离散谱才能代表周期信号的频谱。如果不知道信号周期,可以尽量选择信号的观察时间长一些。
- 对模拟信号进行谱分析时,首先要按照采样定理将其变成时域离散信号。如果是模拟周期信号,也应该选取整数倍周期的长度,经过采样后形成周期序列,按照周期序列的谱分析进行。
文章来源: yetingyun.blog.csdn.net,作者:叶庭云,版权归原作者所有,如需转载,请联系作者。
原文链接:yetingyun.blog.csdn.net/article/details/109473805
- 点赞
- 收藏
- 关注作者
评论(0)