第二章离散信号与离散系统地普遍关系.doc

第二章 离散信号与离散系统地普遍关系 例 2.1 令 ，求出并绘制其傅氏变换。 解： % 模拟信号 Analog Signal Dt = 0.00005; t = -0.005:Dt:0.005; xa = exp(-1000*abs(t)); % % Continuous-time Fourier Transform Wmax = 2*pi*2000; K = 500; k = 0:1:K; W = k*Wmax/K; Xa = xa * exp(-j*t*W) * Dt; Xa = real(Xa); W = [-fliplr(W), W(2:501)]; % Omega from -Wmax to Wmax Xa = [fliplr(Xa), Xa(2:501)]; subplot(1,1,1) subplot(2,1,1);plot(t*1000,xa); xlabel(t in msec.); ylabel(xa(t)) title(Analog Signal) subplot(2,1,2);plot(W/(2*pi*1000),Xa*1000); xlabel(Frequency in KHz); ylabel(Xa(jW)*1000) title(Continuous-time Fourier Transform) 例 2.2 为了研究采样对频域各量的影响，我们用两个不同的采样频率对例 2.1 中 xa(t) 进行采样。 以 Fs = 5000 样本/秒采样 xa(t) 得到 x1(n)。求并画出 X1(ejw)。 以 Fs = 1000 样本/秒采样 xa(t) 得到 x2(n)。求并画出 X2(ejw)。 解： a. 因为 xa(t) 的带宽是 2kHz，乃奎斯特频率为 4000 样本/秒。它比所给的采样频率 Fs 低，因此几乎不存在频谱混叠。 % Analog Signal Dt = 0.00005; t = -0.005:Dt:0.005; xa = exp(-1000*abs(t)); % Discrete-time Signal Ts = 0.0002; n = -25:1:25; x = exp(-1000*abs(n*Ts)); % Discrete-time Fourier transform K = 500; k = 0:1:K; w = pi*k/K; X = x * exp(-j*n*w); X = real(X); w = [-fliplr(w), w(2:K+1)]; X = [fliplr(X), X(2:K+1)]; subplot(1,1,1) subplot(2,1,1);plot(t*1000,xa); xlabel(t in msec.); ylabel(x1(n)) title(Discrete Signal); hold on stem(n*Ts*1000,x); gtext(Ts=0.2 msec); hold off subplot(2,1,2);plot(w/pi,X); xlabel(Frequency in pi units); ylabel(X1(w)) title(Discrete-time Fourier Transform) b. 此时， Fs = 1000 4000，因此必然会有明显的混叠现象出现。从 Matlab 运行结果可以看得很清楚，其中 X2(ejw) 的形状和 X(jΩ) 不同了，可以看出这是把互相重叠的 X(jΩ) 的复制品叠加在一起的结果。 % Analog Signal Dt = 0.00005; t = -0.005:Dt:0.005; xa = exp(-1000*abs(t)); % Discrete-time Signal Ts = 0.001; n = -5:1:5; x = exp(-1000*abs(n*Ts)); % Discrete-time Fourier transform K = 500; k = 0:1:K; w = pi*k/K; X = x * exp(-j*n*w); X = real(X); w = [-fliplr(w), w(2:K+1)]; X = [fliplr(X), X(2:K+1)]; subplot(1,1,1) subplot(2,1,1);plot(t*1000,xa); xlabel(t in msec.); ylabel(x2(n)) title(Discrete Signal); hold on stem(n*Ts*1000,x); gtext(Ts=1 msec); hold off subplot(2,1,2);plot(w/pi,X); xlabel(F