数字信号处理实验报告.docxVIP

实 验 报 告实验一：1．用三种不同的DFT程序计算x(n)=R8(n)的傅里叶变换;比较三种程序计算机运行时间。编制用for loop语句的M函数文件dft1.m，用循环变量逐点计算X(k)；编写用Matlab矩阵运算的M函数文件dft2.m，完成下列矩阵运算；调用FFT库函数，直接计算X(k)；编写M程序文件，分别得到序列x(n)的傅里叶变换，并画出相应的幅频和相频特性；比较用三种不同方式编写的DFT程序各自的计算机运行时间。%%%主程序：x=[ones(1,8),zeros(1,248)];t=cputime;[Am1,pha1]=dft1(x);t1=cputime-t;n=[0:(length(x)-1)];w=(2*pi/length(x))*n;figure(1);subplot(2,1,1);plot(w,Am1,b);title(Magnitude part);xlabel(frequency in radians);ylabel(|X(exp(jw))|); subplot(2,1,2), plot(w,pha1,r);grid;xlabel(frequency in radians);ylabel(arg(X[exp(jw)]/radians|);%%%%子程序dft1.mfunction [Am,pha]=dft1(x)N=length(x);w=exp(-j*2*pi/N); for k=1:N sum=0; for n=1:N sum=sum+x(n)*w^((k-1)*(n-1)); end Am(k)=abs(sum); pha(k)=angle(sum);End%%%%子程序dft2.mfunction[Am,pha]=dft2(x)N=length(x);n=[0:N-1];k=[0:N-1];w=exp(-j*2*pi/N);nk=n*k;wnk=w.^(nk);Xk=x*wnk;Am=abs(Xk);pha=angle(Xk);%%%%子程序dft3.mfunction[Am,pha]=dft3(x)Xk=fft(x);Am=abs(Xk);pha=angle(Xk);运行结果：t1 =0.1563 t2 =0.2969 t3 =02．用ＤＦＴ实现两序列的卷积运算，并研究ＤＦＴ点数与混迭的关系给定：x(n)＝n*R16（n），h(n)=R8(n)，用FFT和IFFT分别求线性卷积及混叠结果的输出，画出相应的图形（用stem(n,y)）.N=16;x=[0:N-1];h=ones(1,8);Xk1=fft(x,23);%做23点fftHk1=fft(h,23);Yk1=Xk1.*Hk1;y1=ifft(Yk1);n=0:22;figure(1)stem(n,y1);Xk2=fft(x);Hk2=fft(h,16);%做16点fftYk2=Xk2.*Hk2;y2=ifft(Yk2);n=0:15;figure(2)stem(n,y2)3．高密度频谱与高分辨率频谱的研究对连续信号以fs=32kHz对xa(t)采样：做N=16点的采样 和 补零到256点的频谱；做N=256点的采样，并做出其FFT幅度特性；做出分析。fs=32000;%采样频率N=16;%采集16点n=0:N-1;%做16点DFTxa=cos(2*pi*6.5*10^3*n/fs)+cos(2*pi*7*10^3*n/fs)+cos(2*pi*9*10^3*n/fs);[Am1,pha1]=dft3(xa);n=[0:(length(xa)-1)];w=(2*pi/length(xa))*n;figure(1)plot(w,Am1,b); grid;title(Magnitude part);xlabel(frequency in radians);ylabel(|X(exp(jw))|);x=[xa(1:16),zeros(1,240)];%补零到256[Am2,pha2]=dft2(x);%做256点DFTn=[0:(length(x)-1)];w=(2*pi/length(x))*n;figure(2)plot(w,Am2,b); grid;title(Magnitude part);xlabel(frequency in radians);ylabel(|X(exp(jw))|);N0=256;%采集256点n0=0:N0-1;%做256点DFTxa0=cos(2*pi*6.5*10^3*n0/fs)+cos(2*pi*7*10^3*n0/fs)+cos(2*pi*9*10^3*n0/fs);[Am3,pha3]=dft3(xa0);n=[0:(length(xa0)-1)];w=(2*pi/length(xa0