基于DFT的信号识别系统实验.docx

实验名称（基于DFT的信号识别系统）一、实验目的?通过实验巩固离散傅立叶变换DFT的认识和理解。?熟练掌握应用DFT进行频谱分析的方法。理解DFT离散频谱分析的应用价值。?二、实验内容?在语音识别、雷达信号处理、生物医学信号检测与识别等应用领域广泛使用基于离散傅立叶变换的谱分析技术。一个典型的信号识别系统如图1所示：?图1 信号识别系统框图设系统的输入信号x(n)是具有单一频谱峰值的正弦信号，短时矩形窗将信号截短为有限长，经过DFT变换得到频谱，频率检测器检测频谱最大峰值的位置，即对应的频率，然后由分类器识别信号的类别。分类器的分类判决规则为：?第一类：最大峰值频率分布范围（Hz）为0≤f≤200。?第二类：最大峰值频率分布范围（Hz）为200≤f≤500。?第三类：最大峰值频率分布范围（Hz）为500≤f≤1000。?第四类：最大峰值频率分布范围（Hz）为f≥1000。?设采样频率fs=10000Hz，短时矩形窗宽度为N=1000，短时加窗信号经过DFT可以得到连续频谱在0≤ω＜2π范围内的1000个取样点。编程实现该系统?。输入信号，理论计算并画出0≤f≤fs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。?输入信号，理论计算并画出0≤f≤fs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。?输入信号，理论计算并画出0≤f≤fs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。?输入信号，理论计算并画出0≤f≤fs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。?输入信号，理论计算并画出0≤f≤fs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。三、思考题当矩形窗长度比1000小，例如32，以上实验内容（6）可能出现什么情况？当输入信号时，系统能够得到正确的识别结果吗？为什么？如果输入信号x(n)中含有叠加性宽带噪声e(n)会影响识别结果么？为什么？如果系统中的DFT需要更新为FFT，并且短时窗不变，则FFT计算时应该做哪儿些考虑？对识别结果会产生什么影响？四、实验结果与分析1. 编程实现该系统本实验使用matlab 软件编程实现。2. 输入信号图2 的波形与频谱（fs=10000Hz，N=1000）程序输出：最大峰频率：400Hz最大幅度：1.20类型：第二类理论分析：函数中只有一个频率分量，f=fs*w/2π=400Hz，幅度A=1.2，属于第二类。程序结果与理论分析相符，程序正确。3. 输入信号图3 的波形与频谱（fs=10000Hz，N=1000）程序输出：最大峰频率：2500Hz最大幅度：3.00类型：第四类理论分析：函数中有俩个分量，f=fs*w/2π=2500Hz，幅度A=3，直流分量C=1.5。因为AC，所以属于第四类程序结果与理论分析相符，程序正确。4. 输入信号图4 的波形与频谱（fs=10000Hz，N=1000）程序输出：最大峰频率：700Hz最大幅度：0.70类型：第三类理论分析：函数中只有一个频率分量，f=fs*w/2π=700Hz，幅度A=0.7，属于第三类。程序结果与理论分析相符，程序正确。5. 输入信号图5 的波形与频谱（fs=10000Hz，N=1000）程序输出：最大峰频率：100Hz最大幅度：9.50类型：第一类理论分析：函数中有俩个分量，f1=fs*w1/2π=2500Hz，幅度A1=1.2，f1=fs*w1/2π=100Hz，幅度A=9.5。因为A2A1，所以属于第一类。程序结果与理论分析相符，程序正确。6. 输入信号图6 的波形与频谱（fs=10000Hz，N=1000）程序输出：最大峰频率：510Hz最大幅度：1.00类型：第三类理论分析：函数中只有一个频率分量，，幅度A=1，属于第三类。程序结果与理论分析相符，程序正确。7. 当矩形窗长度比1000小，例如32，以上实验内容（6）可能出现什么情况？图7 的波形与频谱（fs=10000Hz，N=32）因为N减小，导致?f=fs/N=312.5Hz，因为中的频率分量为510Hz，不能够落在采样点上，而625Hz距510Hz最近，所以最大幅度点落在其上面，幅度小于1，由于短时窗过小，导致采样点过少，频谱泄露大，所以在其他频谱上出现了较大的幅值，已经不能够反应信号的准确信息。如果要求准确的反应信号的信息，即要求频率分辨率要小（?f可取1,2,3,5..），使510Hz初的k可以取得整数。8. 当输入信号时，系统能够得到正确的识别结果吗？为什么？图8 的波形与频谱（fs=10000Hz，N=1000）因为频率分辨率?f=fs/N=10Hz，信号中的俩个频率分量为f1=995Hz，幅度A1=1，f2=1020Hz，幅度A2=0.9，相差25Hz