用Matlab对信号进行傅里叶变换实例精要.docxVIP

PAGE \* MERGEFORMAT8 目录  TOC \o 1-3 \h \z \u  HYPERLINK \l _Toc466911149 用Matlab对信号进行傅里叶变换  PAGEREF _Toc466911149 \h 2  HYPERLINK \l _Toc466911150 Matlab的傅里叶变换实例  PAGEREF _Toc466911150 \h 5  HYPERLINK \l _Toc466911151 Matlab方波傅立叶变换画出频谱图  PAGEREF _Toc466911151 \h 7  用Matlab对信号进行傅里叶变换 1.离散序列的傅里叶变换DTFT(Discrete Time Fourier Transform) 代码： 1 N=8; %原离散信号有8点 2 n=[0:1:N-1] %原信号是1行8列的矩阵 3 xn=0.5.^n; %构建原始信号，为指数信号 4 5 w=[-800:1:800]*4*pi/800; %频域共-800+800 的长度（本应是无穷，高频分量很少，故省去） 6 X=xn*exp(-j*(n*w)); %求dtft变换，采用原始定义的方法，对复指数分量求和而得 7 subplot(311) 8 stem(n,xn); 9 title(原始信号(指数信号)); 10 subplot(312); 11 plot(w/pi,abs(X)); 12 title(DTFT变换) 结果： 分析：可见，离散序列的dtft变换是周期的，这也符合Nyquist采样定理的描述，连续时间信号经周期采样之后，所得的离散信号的频谱是原连续信号频谱的周期延拓。 2.离散傅里叶变换DFT(Discrete Fourier Transform) 与1中DTFT不一样的是，DTFT的求和区间是整个频域，这对计算机的计算来说是不可以实现的，DFT就是序列的有限傅里叶变换。 实际上，1中代码也只是对频域的-800+800中间的1601 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17N=8;???????????????????????? %原离散信号有8点 n=[0:1:N-1]????????????????? %原信号是1行8列的矩阵 xn=0.5.^n;?????????????????? %构建原始信号，为指数信号 ? w=[-8:1:8]*4*pi/8;???? %频域共-800+800 的长度（本应是无穷，高频分量很少，故省去）??? X=xn*exp(-j*(n*w));???????? %求dtft变换，采用原始定义的方法，对复指数分量求和而得 subplot(311) stem(n,xn); w1=[-4:1:4]*4*pi/4; X1=xn*exp(-j*(n*w1)); title(原始信号(指数信号)); subplot(312); stem(w/pi,abs(X)); title(原信号的16点DFT变换) subplot(313) stem(w1/pi,abs(X1)); title(原信号的8点DFT变换)结果图： 分析：DFT只是DTFT的现实版本，因为DTFT要求求和区间无穷，而DFT只在有限点内求和。 3.快速傅里叶变换FFT（Fast Fourier Transform） 虽然DFT相比DTFT缩减了很大的复杂度，但是任然有相当大的计算量，不利于信息的实时有效处理，1965年发现的DFT解决了这一问题。 实现代码： 1 N=64; %原离散信号有8点 2 n=[0:1:N-1] %原信号是1行8列的矩阵 3 xn=0.5.^n; %构建原始信号，为指数信号 4 Xk=fft(xn,N); 5 subplot(221); 6 stem(n,xn); 7 title(原信号); 8 subplot(212); 9 stem(n,abs(Xk)); 10 title(FFT变换) 效果图： 分析：由图可见，fft变换的频率中心不在0点，这是fft算法造成的，把fft改为fftshift可以将频率中心移到0点。 Matlab的傅里叶变换实例 1.傅里叶变换的定义 傅里叶变换从数学上的定义，为F(w)=int(x*exp(-jwt),t=-inf...inf)