数字信号处理实验报告一..docxVIP

实 验 报 告 学院： 物理与信息工程学院班级: 电子信息工程课程: 数字信号处理姓名: 胡蝶学号: 201432000017实验一 线性卷积的时间比较一、实验目的DFT是数字信号分析与处理中的一种重要的变换。但直接计算DFT的计算量与变换区间长度N成正比，当N较大时，计算量太大，故从而引出FFT（快速傅里叶变换）。当我们用CONV函数时，可以了解到两者进行卷积时的时间会不相同，这样我们能更好的了解FFT的特点。二、实验原理 将两个序列A和B进行卷积，用CONV函数时，如果向量A和B的长度分别为N和M ，则卷积结果向量C的长度为N+M-1；如果A和B为两个多项式的系数，则C为两个多项式的系数。Conv（A,B）即表示两个序列的卷积。而用FFT的方法则是首先将两个序列的N点进行快速傅里叶变换，最后将两个结果再进行IFFT变换即可。三、实验步骤及内容（一）用函数conv 和FFT计算长为1000序列的卷积，比较其计算时间。用MATLAB编程如下：clf; %清屏L=5000; %序列的长度N=L*2-1; %线性卷积满足的条件n=1:L; %循环x1=0.5*n; %对序列一的赋值x2=2*n; %对序列二的赋值t0=clock; %计时时间的起点yc=conv(x1,x2); %对X1，X2进行线性卷积，将其结果给yctc=etime(clock,t0) %完成线性卷积所需要的时间t0=clock; %FFT的计时时间起点yf=ifft(fft(x1,N).*fft(x2,N)); %对x1,x2进行N点卷积，并对结果进行IFFT运算，并将结果赋值给yftf=etime(clock,t0) %完成FFT卷积所需要的时间n1=0:length(yf)-1; %plot(n1,yc,r,n1,abs(yf),b) %画图，‘r’表示图形为红色，‘b’表示图形为蓝色plot(n1,abs(yf),b)figure;plot(n1,yc,r)四、实验结果 当将上述程序输入至MATLAB 中后，即可得到如下图形：（一）（二）图形分析如下：a、红色曲线表示的是用conv函数编写的程序运行出来的结果，即对建立的两个序列X1和X2用conv函数进行卷积既可以得到；b、蓝色曲线表示的是用FFT函数编写程序得到的图形，只需要对序列X1进行N点DFT即能够获得我们所需要的图形显示。 c、将两个图形进行比较即可以知道，用两种方法进行卷积计算的结果是相同的，但是所用的时间却不相同，用FFT进行卷积的时间更短。（三）结果分析如下：当更改线性条件为N=L*3-1后，所得如下图形： 故只有满足N=L*2-1的条件时，才能进行线性卷积。实验二 用FFT对信号作频谱分析一、实验目的 我们做此实验的目的是学习用FFT对连续信号和时域离散信号进行谱分析的方法，了解可能出现的分析误差及其原因，以便正确应用FFT。二、实验原理 用FFT对信号作频谱分析是学习数字信号处理的重要内容，在数字信号处理中，我们经常所要频谱分析的信号是模拟信号和时域离散信号。对信号进行谱分析的重要问题是频谱分析的重要问题是频谱分辨率D和分析误差。·而频谱的分辨率直接和FFT的变换区间N 有关。因为FFT能够实现的频率分辨率是2∏/N《D。可以根据此式选择FFT的变换区间N。误差主要来自于用FFT作频谱分析时，得到的是离散谱，而信号（周期信号除外）是连续谱，只有当N较大时，离散谱的包络才能逼近于连续谱，因此N要适当选择大一些。 周期信号的频谱是离散谱，只有用整数倍周期的长度作FFT，得到的离散谱才能代表周期信号的频谱。若是不确定信号的类型，则可以尽量选择信号的观察时间长一些。 对与模拟信号进行谱分析时，首先要按照采样定理将其变成时域离散信号。如果是模拟周期信号，也应该选取整数倍周期的长度，经过采样后形成周期序列，按照周期序列的谱分析进行。三、实验步骤及内容 （一）已知信号x(t)=0.5sin( )+2sin( ),其中，f1=15Hz ，f2=40Hz ，采样频率为100Hz，在下列情况下绘制其频谱。%（1）Ndate=32，Nfft=32;%（2）Ndate=32，Nfft=128;%（3）Ndate=136，Nfft=128;%（4）Ndate=136，Nfft=512。用MATLAB编程如下：clf %清屏fs=100; %Length of Data Ndata=32; %采样点的点数%Length of FFT N=32; n=0:Ndata-1;t=n/fs;x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %将连续信号进行离散y=fft(x,N); %用FFT对离散序列进行谱分析mag=abs(y); %取y的模长赋给mag