matlab实验报告-数字信号的产生和频谱分析.docVIP

实验一 数字信号的产生和频谱分析 实验目的 1.掌握采样定理内容，熟悉连续信号经理想采样前后的频谱变化关系，加深时域采样定理的理解。 2.熟悉FFT算法原理和FFT子程序的应用。 3.学习用FFT对连续信号和时域离散信号进行谱分析的方法，了解可能出现的分析误差及其原因，以便在实际中正确应用FFT。掌握利用FFT进行信号谱分析的原理。 4.理解信号通过高斯白噪声信道的原理。 实验要求 1. 按照采样定理生成CW信号和LFM信号； 2. 画出信号时域波形图和频谱图； 3. 生成高斯分布的白噪声； 4. 生成一定信噪比的带噪信号，并对其进行谱分析。 基本原理 　所谓抽样。就是对时间连续的信号隔一定的时间间隔T抽取一个瞬时幅度值在一个频带限制在（0，）内的时间连续信号f（t），如果以的对它进行抽样，那么根据这些抽样值就能完全恢复原信号。≥2fm，抽样后的信号包含原连续的全部信息。进行理想采样的过程可用下式表示： 其中是对的理想采样，为周期冲激脉冲，即 的傅里叶变换为 上式表明为的周期延拓，其延拓周期为采样角频率（）。只有满足采样定理时，才不会发生频率混叠失真。 将②代入①进行傅里叶变换可得 式中的就是采样后得到的序列，即 x(n)的傅里叶变换为 比较两式可得 这说明两者之间只在频率度量上差一个常数因子T。 为了在计算机上观察分析各种序列的频域特征，通常对在[0，2π]上进行M点采样来观察分析。对长度为N的有现场序列x(n)，有 其中 ，k=0，1，…，M-1 通常M应取得大一些，以便观察谱的细节变化。取模可绘出幅频特性曲线。 一个时域离散线性非移变系统的输入/输出关系为 如果h(n)和x(n)的长度分别为N和M，则y(n)的长度为L=M+N-1。这样上式的卷积运算就是序列移位、相乘和累加的过程。 上述卷积过程也可以在频域实现 。 上式右边的相乘是在各频点{ωk}上的频谱值相乘 在本实验中选取抽样频率为10倍的信号频率。 本试验中所用到的函数分别为CW信号表达式：s(t)=cos (2πft+φ) |t|T/2 LFM信号表达式：s(t)=cos[2π (ft+kt2/2 )+ φ]; |t|T/2 ;k=B/T;B为带宽。 我们用十倍于信号频率的采样频率对信号进行采样，再利用FFT变换，使其变换为离散的功率谱函数。随机产生高斯白噪声，叠加在原噪声上，再进行频谱分析，两者可进行比较。 实验流程 按题目要求初始化参数f=100Hz ,Fs=1000Hz. 产生CW信号并画出信号的时域图和频谱图。 图1-1 生成CW信号 产生LFM s（t）=cos(2*pi*(f*t+k*t*t/2)+pi/3)信号并画出信号的时域图和频谱图。 图1-2 生成LFM信号 调用matlab的rand函数生成高斯分布的白噪声。 通过给定的信噪比后改变CW信号的幅值，SNR=a，由于SNR=10lg（Pa/σ2）高斯白噪声的功率为σ2=1，因此计算出Pa=10 ?（SNR/10），就为CW信号的幅值。 将产生的高斯白噪声叠加在CW信号上，再画出加入噪声后的CW信号的时域图与频谱图。 图1-2 画带噪信号频谱图 图1-3 程序流程图 实验结果及分析（在matlab下仿真的波形） 图1-1 CW信号和LFM信号波形及频谱图 如上图可以看出在采样频率为1000时能够准确的画出正弦信号的波形图，从频谱图中可以看出CW信号的中心频率为100Hz，LFM波形在时域上形成一个有规则的包络，从频谱可以看出中心频率在600Hz，与计算的理论值：cos(2*pi*(f*t+k*t*t/2)+pi/3)，当t取到1时，（f+kt*t/2）=600完全吻合。. 图1-2 信噪比为10时的带噪信号频谱图 上图1-2是产生的高斯白噪声，此时的信噪比为10，可以看出其在时域的波形是随机的杂乱波形，当对CW信号加入高斯白噪声时 ，相当于其经过一个高斯白噪声的信道，波形发生了明显的变化，这是由于信号和噪声的叠加的结果，FFT变换后画出的频谱图很好的反应了结果，其时域波形虽然产生了变化，但从频谱图依然可以清楚的看出中心频率依然为100Hz。 图1-3 信噪比为0时的带噪信号频谱图 上图1-3为改变信噪比后的带噪信号波形图及频谱图，这是吧信噪比改为0。.可以看出其在时域的波形更加杂乱，对比上图1-2波形发生了明显的变化，这是由于噪声的功率增加，信号功率所占比例减少的结果，FFT变换后画出的频谱图很好的反应了结果，噪声的幅度明显增加，从频谱图依然可以清楚的看出中心频率依然为100Hz。从上两幅图可以看出，当信噪比近一半减小的时候