DSP研究性学习报_频谱计算.docxVIP

DFT近似计算信号频谱专题研讨 【目的】 (1) 掌握利用DFT近似计算不同类型信号频谱的原理和方法。 (2) 理解误差产生的原因及减小误差的方法。 (3) 培养学生自主学习能力，以及发现问题、分析问题和解决问题的能力。 【研讨题目】 基本题 1．利用DFT分析x(t)=Acos(2?f1t)+Bcos(2?f2t)的频谱，其中f1=100Hz，f2=120Hz。 (1)A=B=1; (2)A=1,B=0.2。要求选择不同的窗函数。 【题目分析】 由DFT结果可得：通过对不同抽样频率，不同的窗函数对信号的DFT结果可以看出：在对信号做DFT时，由于对信号进行截短，因此会产生频谱泄漏，要想从频谱中很好的分辨出个频率分量，需要考虑时域抽样频率，所加的窗函数，窗函数的长度，以及DFT的点数等参数对结果的影响： 因为f1 f2, 所以为满足抽样定理，应使fsam=2 f2 即fsam=240Hz △f=f2 -f1=20 N=c fsam/△f （1）A=B=1 x(t)=cos(2?f1t)+cos(2?f2t) 矩形窗1： 条件：fsam=240Hz N=20 L=512 矩形窗2： 条件：fsam=600Hz N=40 L=512 矩形窗3： fsam=1200Hz N=80 L=512 Hamming窗1： N=40; L=512; fs=600; Hamming窗2： N=120; L=512; fs=600; (2)A=1,B=0.2 x(t)=cos(2?f1t)+0.2cos(2?f2t) 矩形窗： N=100; L=512; fs=600; hamming窗： N=100; L=512; fs=600; 【仿真结果】 （1）A=B=1 x(t)=cos(2?f1t)+cos(2?f2t) 矩形窗： Hamming窗： （2）A=1,B=0.2 x(t)=cos(2?f1t)+0.2cos(2?f2t) 矩形窗： 【结果分析】 在（1）中进行矩形窗仿真时，我们选择了不同的fsam，分别为240,600,1200它们均满足抽样定理，但是我们仍旧发现，在240hz时出现了混叠现象。所以，在实际应用中抽样频率应大于最低抽样频率3-5倍才能有更好的结果。 进行hamming窗仿真时，在保证抽样频率相同的条件下，取不同的长度也40,120。其中，N=40不满足N=60的要求，我们可以看到出现了混叠，而N=120时，仿真效果良好。 在（2）的条件下进行仿真时，我们选取了相同的N、L、fsam值，但是分别使用了矩形窗和hamming窗。使用矩形窗时，幅度较小的峰值与旁瓣的幅度接近，甚至难以区分，效果不理想。使用hamming窗后，泄露现象被有效遏制，所以可以清楚区分主瓣、旁瓣。 综上所述，在选择参数进行DFT变换时，应该保证抽样频率满足抽样定理，并且能大于最小抽样值3-5倍。长度选择保证N=c fsam/△f。为防止泄露现象，特别是峰值之间差异较大时，应该选择加特殊的窗，如hamming窗。 【自主学习内容】 【阅读文献】 【发现问题】 (专题研讨或相关知识点学习中发现的问题)： 按照理论分析最小抽样频率只需要满足2fmax就可以满足抽样定理，但在仿真中发现该频率无法满足要求，频谱发生严重的混叠。所以抽样频率应为最小抽样频率3-5倍。 另外，在使用哈明窗作为窗函数时，按照理论分析，哈明窗长度满足N2fs/f，结合题中条件，当fs=600时N为60时恰好可以分出频谱，而实际中N=60时无法分出两个频率分量，当N=90时则可以分出。因此在做DFT是窗函数长度应大于最小长度。 【问题探究】 【仿真程序】 （1）矩形窗1程序： N=20; L=512; f1=100;f2=120;fs=240; T=1/fs; ws=2*pi*fs; t=(0:N-1)*T; x=cos(2*pi*f1*t)+cos(2*pi*f2*t); X=fft(x,L); w=(-ws/2+(0:L-1)*ws/L)/(2*pi); plot(w,abs(X)); ylabel(矩形窗1) 矩形窗2程序： N=40; L=512; f1=100;f2=120;fs=600; T=1/fs; ws=2*pi*fs; t=(0:N-1)*T; x=cos(2*pi*f1*t)+cos(2*pi*f2*t); X=fft(x,L); w=(-ws/2+(0:L-1)*ws/L)/(2*pi); plot(w,abs(X)); ylabel(矩形窗2) hamming1: N=40; L=512; f1=100;f2=120;fs=600; T=1/fs; ws=2*pi*fs; t=(0:N-1)*T; x=cos(2*pi*f1*