matlab快速傅立叶变换[FFT]及其应用.pptVIP

实验三 快速傅立叶变换(FFT)及其应用 ;一、实验目的 ;二、实验原理;DFT的快速算法—FFT是数字信号处理的基本方法和基本技术，是必须牢牢掌握的。 时间抽选FFT算法的理论推导和流图详见《数字信号处理》教材。该算法遵循两条准则： （1）对时间奇偶分；（2）对频率前后分。 这种算法的流图特点是： （1）基本运算单元都是蝶形 任何一个长度为N=2M的序列，总可通过M次分解最后成为2点的DFT计算。如图所示： ;WNk称为旋转因子 计算方程如下： Xm+1(p)=Xm(p)+WNkXm(q) Xm+1(q)=Xm(p)-WNkXm(q); （2）同址（原位）计算 这是由蝶形运算带来的好处，每一级蝶形运算的结果 Xm+1(p)无须另外存储，只要再存入Xm(p)中即可，Xm+1(q) 亦然。这样将大大节省存储单元。 （3）变址计算 输入为“混序”（码位倒置）排列，输出按自然序排 列，因而对输入要进行“变址”计算（即码位倒置计算）。 “变址”实际上是一种“整序”的行为，目的是保证“同址”。 ;FFT的应用;快速傅立叶变换的MATLAB实现;由题目可得 x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t) fs=100 N=128/1024;fs=100; N=128; n=0:N-1; t=n/fs; x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); y=fft(x,N); f=(0:length(y)-1)*fs/length(y); mag=abs(y); stem(f,mag); title(‘N=128点’);;利用FFT进行功率谱的噪声分析;t=0:0.001:0.6; x=sin(2*pi*50*t)+sin(2*pi*120*t); y=x+2*randn(1,length(t)); Y=fft(y,512); P=Y.*conj(Y)/512; %求功率 f=1000*(0:255)/512; subplot(2,1,1); plot(y); subplot(2,1,2); plot(f,P(1:256));;;序列长度和FFT的长度对信号频谱的影响。;fs=100; Ndata=32; Nfft=32; n=0:Ndata-1; t=n/fs; x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); y=fft(x,Nfft); mag=abs(y); f=(0:length(y)-1)’*fs/length(y); subplot(2,1,1) plot(f(1:Nfft/2),mag(1:Nfft/2)) title(‘Ndata=32,Nfft=32’);Nfft=128; n=0:Ndata-1; t=n/fs; x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); y=fft(x,Nfft); mag=abs(y); f=(0:length(y)-1)’*fs/length(y); subplot(2,1,2) plot(f(1:Nfft/2),mag(1:Nfft/2)) title(‘Ndata=32,Nfft=128’);;快速傅立叶逆变换（IFFT）;对信号 进行DFT，对其结果进行IDFT，并将IDFT的结果和原信号进行比较。 f1=40Hz f2=15Hz Fs=100Hz ;fs=100; N=128; n=0:N-1; t=n/fs; x=sin(2*pi*40*t)+sin(2*pi*15*t); subplot(2,2,1) plot(t,x) title(original signal) y=fft(x,N); mag=abs(y); f=(0:length(y)-1)*fs/length(y); subplot(2,2,2) plot(f,mag) title(FFT to original signal);xifft=ifft(y); magx=real(xifft); ti=[0:length(xifft)-1]/fs; subplot(2,2,3) plot(ti,magx); title(signal from IFFT) yif=fft(xifft,N); mag=abs(yif); subplot(2,2,4) plot(f,mag) title(FFT to signal from IFFT);;线性卷积的FFT算法;计算x1(n)和x2(n)的线性卷积的FFT算法可由下面步骤实现;用函数conv和FFT计算同