试验4周期信号的合成与分解.DOC

实验4 周期信号的合成与分解 一、实验目的 （1）在理论学习的基础上，通过本试验熟悉信号的合成，分解原理，加深对傅里叶级数的理解.。 （2）了解和认识吉布斯现象（Gibbs）。 二、实验原理 任何具有确定性的信号都可以表示为随时间变化的某种的物理量，比如电压u(t) 和电流i(t)等。信号主要表现在随着时间t的变化，波形幅值的大小,持续时间的长短,变化速率的快慢,波动的速度及重复周期的大小的变化等.信号的这一特性称为信号的时间特性。 信号还可以分解为一个直流分量和许多不同频率的正弦分量之和.主要表现在各频率正弦分量所占比重的大小不同,主要频率分量所占有的频率范围也不同等,信号的这一特性称为信号的频率特性。 无论是信号的时间特性,还是信号的频率特性,都包括了信号的全部信息量。 根据周期信号的傅里叶级数展开式所知,任何非正弦周期信号,只要满足狄里赫利条件,都可以分解为一直流分量和由基波及各次谐波(基波的整数倍)分量的叠加。 例如一个周期的方波信号f(t)可以分解为如下形式： 如图4.1(a)所示. 同样,由基波及各次谐波分量也可以叠加出来一个周期方波信号,如图4.1(b)所示. 至于叠加出来的信号与原信号的误差,则取决于傅里叶级数的项数。 根据傅里叶级数的原理,任何周期信号都可以用一组三角函数{sin(2*pi*n),cos}的组合表示.在误差确定的前提下,任意的一个周期函数都可以用一组三角函数的有限项叠加而得到,同样也可以用一组正弦波和余弦波来合成任意形状的周期信号。 合成波形所包含的谐波分量愈多,除间断点附近外,它愈接近于原方波信号,在间断点附近,随着所含谐波次数的增高,合成波形的尖峰愈靠近间断点,但尖峰幅度并未明显减小,可以证明,即使合成波形所含谐波形所含谐波次数时,在间断点附近仍有约9%的偏差,这种现象称为吉布斯现象（Gibbs）。 图4.1 方波的合成与分解 三、涉及的MATLAB函数 略 四、实验内容与方法 1．验证性实验 1) 周期信号的分解 MATLAB程序： clf; %周期信号的分解 t=0:0.01:2*pi; y=zeros(10,max(size(t))); x=zeros(10,max(size(t))); for k=1:2:9 x1=sin(k*t)/k; x(k, : )=x(k, : )+x1; y((k+1)/2, : )=x(k, : ); end subplot(2,1,1);plot(t,y(1:9, : )); grid; line([0,pi+0.5],[pi/4,pi/4]);text(pi+0.5,pi/4,pi/4); halft=ceil(length(t)/2); subplot(2,1,2); mesh(t(1:halft),[1:10],y( : , 1 :halft)); 周期信号的分解如图4.2所示. 图4.2 周期信号的分解 2)傅里叶级数逼近 MATLAB程序 clf; %宽度为1,高度为1,周期为2的正方形,傅里叶级数逼近 t=-2:0.001:2; %信号的抽样点 N=20;c0=0.5; f1=c0*ones(1,length(t)) ; %信号抽样上的直流分量 for n=1:N f1=f1+cos(pi*n*t)*sinc(n/2); end plot(t,f1);axis([-2 2 -0.2 0.8]); 方波的傅里叶级数逼近如图4.3所示。 图4.3 方波的傅里叶级数逼近 3) 用正弦信号的叠加近似合成一频率为50HZ,幅度为3的方波 MATLAB程序: clear all; fs=10000; t=[0:1/fs:0.1]; f0=50; sum=0; subplot(2,1,1); for n=1:2:9; plot(t,4/pi*1/n*sin(2*pi*n*f0*t),k); title(信号叠加前); hold on; end subplot(2,1,2) for n=1:2:9; sum=sum+4/pi*1/n*sin(2*pi*n*f0*t); end plot(t,sum,k); title(信号叠加后); 正弦信号的叠加如图4.4所示。 图4.4 正弦信号的叠加如 4) 求周期矩形脉冲信号的傅立叶级数表示式，并求出前N次谐波合成信号的近似波形。 取A=1，，，，且 N次谐波合成的信号近似波形为： Matlab程序如下 t=-2:0.001:2; N=input(N=) c0