数字信号处理实验DFT解析.docVIP

数字信号处理 （第七章 DFT） 一、 利用DFT对信号（如由多个正弦信号组成的信号）进行频谱分析，并研究不同数据长度，补零，加等对频率分辨率的影响。 、工具 三、实验涉及知识 ：下，都是无限长的。在运用进行模拟时，这是无法操作的所以 补零：了做 频率分辨： 四、实验设计思路 实验要求是频谱分析，并研究不同数据长度，补零，加窗等对频率分辨率的影响 我们利用频谱目的在于，针对计算有限离散的点的取值这一特点，实现对连续时间信号的频谱的模拟。我们比较关心的是模拟频谱和原信号频谱的拟合程度，我们程度越高越好需要增加频率分辨率，因为频率分辨率越高，公式，相同采样频率下，采样的就越，采样的点数就越多，我们可以看到的模拟频谱图像越清晰这样与原信号的程度就越好。 要求，我实验五部分，用4个m分别研究不同数据长度，补零，加窗，频率频率分辨率的影响 在程序设计中，出现的一个问题是，如何计算的频域函数的值用的参考书上曾经给出一个将转换为矩阵运算的，查阅相关参考书后，我发现在信号处理工具箱自带了一个函数，这个函数的功能是可以计算出旋转因子，计算出旋转因子后将函数也转换成矩阵的形式进行可以了。 说明函数取值间隔为所以在没有特意设定采样频率的值得情况下，我们将采样频率默认为实验设计，为了更好的频率分辨率的概念，我不仅采用了绘图的形式，还直接计算了频率的分辨率，从而更直观的得到频率分辨率的具体数值。 、实验内容： 数据长度的影响。 此程序分为是长度对连续时间信号进行采样，然后利用采样长度下的频谱，并给出时域和频域图像。一部分设定采样长度对连续时间信号进行采样，然后利用采样长度下的频谱，并给出时域和频域图像。下面出程序及注解。 代码： N1=32; %数据长度 n=0:N1-1; k=0:N1-1 xn=sin(5*2*pi*n/30)+cos(3*2*pi*n/30); WNnk=dftmtx(N1); %利用旋转 Xk=xn*WNnk; %计算DFT频域值 subplot(2,2,1); stem(n,xn); m=(0:N1/2-1)/N1; %采样的相关点时域样频率对应频域，周期除以频域采样点数等于采样频率，得到采样点位置 ms=1/N1; %计算频率分辨率 subplot(2,2,2); stem(m,abs(Xk(1:N1/2))); N2=128; %加长采样长度，其他同上 n1=0:N2-1; xn1=sin(5*2*pi*n1/fs)+cos(3*2*pi*n1/fs); WNnk1=dftmtx(N2); Xk1=xn1*WNnk1; subplot(2,2,3); stem(n1,xn1); m1=(0:N2/2-1)/N2; subplot(2,2,4); ms1=1/N1; stem(m1,abs(Xk1(1:N2/2))); (3)实验结果： 为得到的总体图。图为采样长度为图像，图1.3采样长度为对应的频域图像。图位采样长度为时域图像，图1.5为采样长度为对应的频域图像。的ms =0.0312ms1 =0.0078。 图1.1 图1.2 图1.3 图1.4 图1.5 （4）结果分析：我们可以从图中看出，采样长度越长，我们对于原信号的频谱看的越清晰，说，频率分辨率越高，对原信号的拟合程度越好。 对频率分辨率的影响 此程序分为是长度对连续时间信号进行采样，然后利用采样长度下的频谱，并给出时域和频域图像。一部分采样的信号图像后补若干个零，然后利用采样长度下的频谱，并给出时域和频域图像。 程序代码： N1=32; n=0:N1-1; k=0:N1-1; fs=30; xn=sin(5*2*pi*n/fs)+cos(3*2*pi*n/fs); WNnk=dftmtx(N1); Xk=xn*WNnk; subplot(2,2,1); stem(n,xn); m=(0:N1/2-1)/N1; subplot(2,2,2); stem(m,abs(Xk(1:N1/2))); N2=128;