实验二FFT实现.docVIP

实验二 FFT实现 实验目的 （1）进一步加深DFT算法原理和基本性质的理解； （2）熟悉FFT算法原理和FFT子程序的应用； （3）学习用FFT对时域离散信号进行谱分析的方法。 2.实验内容及步骤 (1) 复习DFT的定义、 性质和用DFT作谱分析的有关内容。 (2) 复习FFT算法原理与编程思想，读懂本实验提供的FFT子程序。 (3) 针对两种FFT变换区间=8、16，对和分别进行谱分析。 （4）对周期信号进行频谱分析。 （5）对连续周期信号进行频谱分析，要求频率分辨率为1Hz。 3. 实验程序与结果 n1=0:3; x11=4-n1; n2=4:7; x12=n2-3; x1=[x11 x12] x2=[x1,zeros(1,8)] xk1=fft(x1,8); subplot(4,2,1); stem(x1); title(x1(n)); xlabel(n); k1=0:7;wk1=2*k1/8; subplot(4,2,2); stem(wk1,abs(xk1),b.); title(8点样本的FFT); xk1=fft(x1,16); subplot(4,2,3); stem([0:15],x2); title(x2(n)); xlabel(n); k1=0:15;wk1=2*k1/16; subplot(4,2,4 ); stem(wk1,abs(xk1),b.); title(16点样本的FFT); n3=0:3; x21=n3+1; n4=4:7; x22=8-n4; x3=[x21 x22]; x4=[x3,zeros(1,8)]; xk2=fft(x3,8); subplot(4,2,5); stem(x3 ); title(x3(n)); xlabel(n); k2=0:7;wk2=2*k2/8; subplot(4,2,6); stem(wk1,abs(xk1),b.); title(8点样本的FFT); xk2=fft(x3,16); subplot(4,2,7); stem([0:15],x4); title(x4(n)); xlabel(n); k1=0:15;wk2=2*k1/16; subplot(4,2,8 ); stem(wk2,abs(xk2),b.); title(16点样本的FFT); N=400;fs=400; T=1/fs; n=0:N-1; x4=cos(200*pi*n*T)+sin(80*pi*n*T); xk=T*fft(x4,400); fk=2*pi*(0:N-1)/(N*T); plot(fk,abs(xk)); xlabel(\omega); ylabel(?ù?è); title(?ù?μì?D?); 4. 思考题 (1) 在N=8时， x1(n)和x2(n)的幅频特性会相同吗? 为什么? N=16呢? 答：N=8时，x1(n)和x2(n)两者的幅频特性相同，因为 谱分析时， X（k）=FFT[x(n)] = 易知X1(k),X2(k)两者相等，故N=8时，x1(n)和x2(n)两者的幅频特性相同。 当N=16时，它们的幅频特性不相同，因为两序列后都补零，x1（n）向左进行循环移位后的序列与x2（n）不相同 (2) 如果周期信号的周期预先不知道， 如何用FFT进行谱分析? 答：信号是模拟信号，用FFT进行谱分析时，首先必须对信号进行采样，使之变为离散信号，然后就按照前面的方法用FFT来对连续信号进行谱分析，按采样定理，采样频率应大于2倍信号的最高频率，如果周期原先不知道，可以选择一个较大的采样频率，用试验法逐渐加大采样频率，观察频谱特点。 5.误差来源 用fft做频谱分析时，得到的时离散谱，只有当n较大时，离散谱的包络才能逼近于连续谱，当n不够大时，就会产生一定的误差