DSP研究性学习报告.doc

DSP研究性学习报告 《数字信号处理》课程研究性学习报告 姓名 王佳 学 同组成员 李禹霏 指导教师 黄琳琳 时间 2011年4月9日 DFT近似计算信号频谱专题研讨 【目的】 (1) 掌握利用DFT近似计算不同类型信号频谱的原理和方法。 (2) 理解误差产生的原因及减小误差的方法。 (3) 培养学生自主学习能力，以及发现问题、分析问题和解决问题的能力。 【研讨题目】 1.利用DFT分析x(t)=Acos(2pf1t)+Bcos(2pf2t)的频谱，其中f1=100Hz，f2=120Hz。 (1)A=B=1; (2)A=1,B=0.2 要求选择不同的DFT参数及窗函数，并对实验结果进行比较,总结出选择合适DFT参数的原则. 【题目分析】 频率分辨率在信号处理领域是否达到要求,会直接影响分析的结果。在最小采样率的条件下,可以用补零DFT来提高信号可视频率分辨率,但信号真正的频率分辨率并没有得到改善。通过对补零DFT和信号采样点数改变的分析研究,可以区分可视分辨率和真正频率分辨率两个重要的概念 【结果分析】 对于窗函数的选择，应考虑被分析信号的性质与处理要求。如果仅要求精确读出主瓣频率，而不考虑幅值精度，则可选用主瓣宽度比较窄而便于分辨的矩形窗，例如测量物体的自振频率等；如果分析窄带信号，且有较强的干扰噪声，则应选用旁瓣幅度小的窗函数，如汉宁窗、三角窗等；对于随时间按指数衰减的函数，可采用指数窗来提高信噪比。 【自主学习内容】 不同的窗函数对信号频谱的影响是不一样的，这主要是因为不同的窗函数，产生泄漏的大小不一样，频率分辨能力也不一样。信号的截断产生了能量泄漏，而用FFT算法计算频谱又产生了栅栏效应，从原理上讲这两种误差都是不能消除的，但是我们可以通过选择不同的窗函数对它们的影响进行抑制。(矩形窗主瓣窄，旁瓣大，频率识别精度最高，幅值识别精度最低；布莱克曼窗主瓣宽，旁瓣小，频率识别精度最低，但幅值识别精度最高) 【阅读文献】 【发现问题】 【问题探究】 【仿真程序】 N=30; L=512; f1=100; f2=120; fs=600; T=1/fs; t=(0:N-1)*T; x=cos(2*pi*f1*t)+cos(2*pi*f2*t); y=fft(x,L); mag=abs(y); f=(0:length(y)-1)*fs/length(y); plot(f(1:L/2),mag(1:L/2)); N=600; L=512; f1=100; f2=120; fs=600; T=1/fs; t=(0:N-1)*T; x=cos(2*pi*f1*t)+cos(2*pi*f2*t); y=fft(x,L); mag=abs(y); f=(0:length(y)-1)*fs/length(y); plot(f(1:L/2),mag(1:L/2)); N=20; L=512; f1=100; f2=120; fs=600; T=1/fs; t=(0:N-1)*T; x=cos(2*pi*f1*t)+cos(2*pi*f2*t); y=fft(x,L); mag=abs(y); f=(0:length(y)-1)*fs/length(y); plot(f(1:L/2),mag(1:L/2)); A=1;B=1 用哈明窗 N=30; %数据的长度 L=512;%DFT的点数 f1=100; f2=120; fs=600;%抽样频率 T=1/fs; %抽样间隔 ws=2*pi*fs; t=(0:N-1)*T; x=cos(2*pi*f1*t)+cos(2*pi*f2*t); wh=(hamming(N)); X=x*wh; X=fftshift(fft(x,L)); w=(-ws/2+(0:L-1)*ws/L)/(2*pi); plot(w,abs(X)) 使用矩形窗 N=30; L=512; f1=100; f2=120;