华南理工大学数字信号理实验报告2(曹老师).docVIP

一、实验目的1、加深对离散信号的DFT的理解； 2、在MATLAB中实现FFT算法。 二、实验原理 N点序列的DFT和IDFT变换定义式如下： , , 利用旋转因子具有周期性，可以得到快速算法（FFT）。 在MATLAB中，可以用函数和计算N点序列的DFT正、反变换。 三、实验内容 1、对连续的单一频率周期信号 按采样频率 采样，截取长度N分别选N =20和N =16，观察其DFT结果的幅度谱。 实验代码： k=8; n1=[0:1:19]; xa1=sin(2*pi*n1/k); subplot(2,2,1) plot(n1,xa1) xlabel(t/T);ylabel(x(n)); xk1=fft(xa1);xk1=abs(xk1); subplot(2,2,2) stem(n1,xk1) xlabel(k);ylabel(X(k)); n2=[0:1:15]; xa2=sin(2*pi*n2/k); subplot(2,2,3) plot(n2,xa2) xlabel(t/T);ylabel(x(n)); xk2=fft(xa2);xk2=abs(xk2); subplot(2,2,4) stem(n2,xk2) xlabel(k);ylabel(X(k)); 实验结果： 2 2N点实数序列 N=64。用一个64点的复数FFT程序，一次算出，并绘出。 实验代码： N = 64; n = 0:1:2*N-1; xn = cos((2*pi/N)*7.*n)+(1/2)*cos((2*pi/N)*19.*n); disp(xn); stem(n,xn) k=1; for i=1:2:128 x1(k)=xn(i); x2(k)=xn(i+1); k=k+1; end Xk1 = fft(x1,N); Xk1=[Xk1,Xk1]; %stem(abs(Xk1)) figure; Xk2 = fft(x2,N); Xk2=[Xk2,Xk2]; m=0:127; X=Xk1+exp(-j*2*pi.*m/(2*N)).*Xk2; stem(abs(X)) 实验结果： 3.频率估计 1）产生一个单频实信号，加上一定信噪比的噪声。 2）对含噪声的信号进行频率估计。估计方法可以查阅相关文献。 3）统计估计出来的频率和真实频率之间的误差。 4）验证该频率估计算法在不同信噪比、不同数据长度下、不同频率时候的性能。 实验代码1： Fs = 1000; T = 1/Fs; L = 1000; fc=10; x=(0:1/Fs:2); n=201; y1=sin(10*pi*fc*x); a=0;b=0.5; figure(1) plot(x,y1); axis([0,0.2,-2,2]); title(?′êü?éè?ê±D?o?μ?2¨D?); ylabel(y); xlabel(x/20pi); grid; y2=awgn(y1,10); y=y1+y2; figure(2); plot(x,y); axis([0,0.2,-3,3]); title(μt?óá????1°×??éùμ?D?o?2¨D?); ylabel(y); xlabel(x/20pi); grid; NFFT = 2^nextpow2(L); % Y= fft(y,NFFT)/L; f = Fs/2*linspace(0,1,NFFT/2+1); figure(3); plot(f,2*abs(Y(1:NFFT/2+1))) title(D?o?y(t)μ??μ?×) xlabel(?μ?ê (Hz)) ylabel(|Y(f)|) 实验结果1： 实验代码2： Fs = 1000; T = 1/Fs; L = 1000; t = (0:L-1)*T; snr=10; x = sin(2*pi*50*t); y = awgn(x,snr) ; NFFT = 2^nextpow2(L); Y = fft(y,NFFT)/L; f = Fs/2*linspace(0,1,NFFT/2+1); fmax=2*abs(Y(1)); m=0; for i=1:1:NFFT/2+1 if(2*abs(Y(i))fmax) fmax=2*abs(Y(i)); m=i; end end w=(m-50)/50; disp(w); 实验结果2（误差）： Columns 1 through