数字信号处理课程设计实验报告.doc

实验环境 MATLAB 6.5 实验名称 实验一： FFT的应用 实 验 目 的 1、熟悉MATLAB在数字信号处理中的应用。 2、掌握利用FFT计算序列线性卷积的基本原理及编程实现。 3、掌握对连续信号进行采样的基本原理和方法，并利用FFT对信号进行频谱分析。 实 验 内 容 1.对于两个序列：x(n)=nR16(n),h(n)=R8(n) （1）在同一图形窗口中绘出两序列的时域图形。 （2）利用FFT编程计算两序列的线性卷积，绘出的时域图形。 2.利用FFT对信号进行谱分析 对于连续信号xa(t)=cos(2πf1t) +5cos(2πf2t) +cos(2πf3t) ，其中f1=6.5kHz, f2=7kHz, f3=9kHz, 以采样频率fs=32 kHz对其进行采样， （1）对xa(t) 信号采集16点样本，分别作16点和补零到256点的FFT，并分别绘出对应的幅频特性曲线。 （2）对xa(t)信号采集256点样本，分别作256点和512点的FFT，并分别绘出对应的幅频特性曲线。 （3）比较（1）和（2）中的结果，分析采样点数和傅里叶变换点数对FFT的影响，说明高密度频谱和高分辨率频谱的特点与区别。 题目分析： 利用FFT计算线性卷积 首先.周期卷积是线性卷积以L为周期的周期延拓序列的主值序列；两个 长度为M，N的序列的线性卷积可用长度均为L的循环卷积来代替， 用循环卷积计算线性卷积的方法归纳如下:???????? ? 将长为N2的序列x(n)延长到L,补L-N2个零???????? ? 将长为N1的序列h(n)延长到L,补L-N1个零? 如果L≥N1+N2-1,则循环卷积与线性卷积相等,此时,可有FFT计算线性卷积,方法如下:? ????? a.计算X(k)=FFT[x(n)]????????? b.求H(k)=FFT[h(n)]? ?? c.求Y(k)=H(k)Y(k)?????k=0～L-1???????? ? d.求y(n)=IFFT[Y(k)]????n=0～L-1? 可见，只要进行二次FFT,一次IFFT就可完成线性卷积计算。计算表明,L32时,上述计算线性卷积的方法比直接计算线卷积有明显的优越性,因此,也称上述循环卷积方法为快速卷积法。 题目利用FFT计算线性卷积 以下为程序及结果： 实 验 结 果 及 分 析 n=1:15; x=n*ones(1,n); m=8; h=ones(1,8); subplot(3,1,1) stem(n,x);title(x(n)=n*R16(n)); subplot(3,1,2) stem(0:7,h);title(h(n)=R8(n)); %stem表示离散序列 x2=[0:15 zeros(1,7)] %补零操作 h2=[ones(1,8) zeros(1,15)] x3=fft(x2) %计算x2的快 速傅氏变换x3 h3=fft(h2) y2=x3.*h3 y=ifft(y2) subplot(3,1,3) stem(0:22,y);title(卷积结果); ylabel(对数幅度、db);xlabel(以\pi为单位的频率); 题目分析： 利用FFT进行频谱观测分析 频率分辨率可以理解为在使用DFT时，在频率轴上的所能得到的最小频率间隔f0=fs/N=1/NTs=1/T,其中N为采样点数，fs为采样频率，Ts为采样间隔。 因为最小的频率差值为7KHz—6.5KHz=0.5KHz，采样频率为32K,所以最小的样本数目应当是32/0.5=64个，当采样点不足时，必然发生混叠失真，即不能观测出原信号的频率分布。 不是采样点数越多，频率分辨力就越高，因为一段数据拿来就确定了时间T，注意：f0=1/T，而T=NTs，增加N必然减小Ts ，因此，增加N时f0是不变的。只有增加点数的同时导致增加了数据长度T才能使分辨率越好。还有容易搞混的一点，我们在做DFT时，常常在有效数据后面补零达到对频谱做某种改善的目的，我们常常认为这是增加了N，从而使频率分辨率变好了，其实不是这样的，补零并没有增加有效数据的长度，仍然为T。但是补零其实有其他好处： 1.使数据N为2的整次幂，便于使用FFT。 2.补零后，其实是对DFT结果做了插值，，使谱外观平滑化。 3.由于对时域数据的截短必然造成频谱泄露，因此在频谱中可能出现难以辨认的谱峰，补零在一定程度上能消除这种现象。