matlab基础4..docVIP

fft ()：计算函数的快速傅里叶变换。FFT是DFT的快速算法。 调用格式： Y = fft(x)：直接计算x(n)的DFT，计算长度为序列x(n)的长度 Y = fft(x,n)：如果x(n)的长度小于n，则在其后补0，使之成为长度为n的序列，即计算n点DFT，结果产生n个数据。 注： fft函数是由机器语言而不是Matlab指令写成的，是Matlab的一个内建函数。 同样逆变换也是由内建函数ifft 实现的。 Fftshift() 调用格式：Y= fftshift(X)，用来重新排列X= fft(x)的输出。即Y序列是X序列的移位序列，即将X的零频分量移到频谱的中心。 Abs()：（求绝对值）计算信号的幅频特性。 Angle():计算信号的相频特性。 Floor()：向下取整函数 k=floor(-(N-1)/2:(N-1)/2);表示频序向量值。 在各种傅利叶变换中，能够用计算机以高效计算的，只有离散傅利叶变换DFT，所以要计算任意信号的频谱，必须弄清各种变换与DFT的关系。 变换名称 时域信号 频谱 连续傅利叶变换（CTFT） 连续 连续 连续傅利叶级数（CTFS） 周期性，连续信号 离散 离散时间傅利叶变换（DTFT） 离散 周期性，连续频谱 离散傅利叶级数（DFS） 周期性，离散信号 周-期性，离散频谱 离散傅利叶变换（DFT） 有限长离散信号 有限长离散频谱 ⑴非周期连续信号的频谱计算。 设： 为绝对可积的连续信号，则其数字频谱 可以用FFT求得。即用下式可求得连续信号的频谱。 第一步：先讨论信号时域的长度L。 例如; ，此信号的峰会幅度为1，而在t50时，其幅度小于0.0067，因些如果选择L=50，记录时间长度将覆盖信号的主要部分。 第二步：因为这个信号不是有限带宽，则时域采样所造成的频率混叠可以忽略。 第三步：频率分辨率。原连续信号的频谱是定义在所有的频率点上，但使用FFT来计算时，只计算出了它的N个频率值。所以必须从这N个值中进行插值运算求原连续的频谱。所以频率的分辨率越小，插值的效果越好。而这个分辨率与长度L成反比，因为 所以我们愿意选择较大的L来改善频率分辨率。 第四步：考虑截断效应。由于对无限长信号进行截断，这样就会把窗函数频谱引入信号频谱，引起吉布斯效应（波动），同时也产生频谱混叠。 综上所述：先初步选择时间记录长度L，使得在此之间包括大部分非零的值。 然后用逐渐减小T和加大N的步骤来选择周期T。方法是：选择一个较小的N值，算出T=L/N，然后用这个N值求出一个频谱。再选择一个N值，重复这一计算，比较结果。因为它们是在同一个L下产生的，所以它们具有相同的截断效应，这样两个频谱间的误差就是由频率混叠引起的。如果两个频谱非常接近，则频率混叠可以忽略。 如果精度不够，可以另选择较小的T，再进行重复计算。 选定T之后，再进一步选择L。例如可将其增加一倍，再与前面的结果比较。 注意：可用乃奎斯特频率处的幅频特性来评价混叠的严重程度。 ⑵连续周期信号的频谱计算。 例如　　　　　　　，它的理论频谱是 　包含了权重为pi的位于　　　　上的两个冲击。理论上，只要采样周期小于=0.6283s，就不会发生频率混叠。但是由于将它截断了，所以频谱不再是有限带宽，即必须采用更小的采样周期。  结论：用DFT去计算一个非周期信号的傅利叶变换，则其频谱的正常幅度与用DFT计算相差一个加权T。 T=0.002; %采样间隔T=0.002 F=1/T; %采样频率为F=1/T L=0.1; %记录长度L=0.01，体现所研究模拟信号的长度 N=L/T; t=0:T:L; a=2; f=0:F/N:F; %f=k/NT,k为整数，k从0到N x=exp(-10*t); y=T*abs(fft(x)); %有限长（长度为N)离散时间信号x1的dft再乘T来近似模拟信号的频谱，长度为N subplot(2,1,1),stem(t,x);title(指数信号); subplot(2,1,2),stem(f,y);title(指数信号频谱);  用三种方法进行两序列的圆周卷积： 时域手工方法 调用Matlab函数 function y = circonv(x,h,N) 用频域DFT相乘，再求反变换。 注：用函数：L=length(x)，计算序列x的长度。  滤波器函数介绍 系统函数的负幂形式：，也被称为传递函数。 系统函数的零极增益形