FFT进行谱分析.docVIP

MATHLAB实验报告 试验目的： 通过仿真掌握采样定理 掌握利用FFT进行信号谱分析的原理 试验要求： 按照采样定理生成CW信号和LFM信号； 画出信号时域波形图和频谱图； 生成高斯分布的白噪声； 生成一定信噪比的带噪信号，并对其进行谱分析。 实验原理: 奈奎斯特定理在进行模拟/数字信号的转换过程中，当采样频率fs.max大于信号中最高频率fmax的2倍时(fs.max=2fmax)，采样之后的数字信号完整地保留了原始信号中的信息，一般实际应用中保证采样频率为信号最高频率的5～10倍；采样定理又称奈奎斯特定理。的离散傅立叶变换为： N点的DFT可以分解为两个N/2点的DFT，每个N/2点的DFT又可以分解为两个N/4点的DFT。依此类推，当N为2的整数次幂时()，由于每分解一次降低一阶幂次，所以通过M次的分解，最后全部成为一系列2点DFT运算。以上就是按时间抽取的快速傅立叶变换(FFT)算法。当需要进行变换的序列的长度不是2的整数次方的时候，为了使用以2为基的FFT，可以用末尾补零的方法，使其长度延长至2的整数次方。 序列的离散傅立叶反变换为 离散傅立叶反变换与正变换的区别在于变为，并多了一个的运算。因为和对于推导按时间抽取的快速傅立叶变换算法并无实质性区别，因此可将FFT和快速傅立叶反变换（IFFT）算法合并在同一个程序中。 3.利用FFT进行频谱分析 若信号本身是有限长的序列，计算序列的频谱就是直接对序列进行FFT运算求得，就代表了序列在之间的频谱值。 幅度谱 相位谱 若信号是模拟信号，用FFT进行谱分析时，首先必须对信号进行采样，使之变成离散信号，然后就可按照前面的方法用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，为了满足采样定理，一般在采样之前要设置一个抗混叠低通滤波器。用FFT对模拟信号进行谱分析的方框图如下所示。 实验步骤： 计算采用频率； 代入公式生成离散信号s[n]； 对离散信号进行FFT,得到S[K]； 对S[K]进行调整（利用fftshift），画出信号频谱图； 生成随机噪声；产生一定信噪比的带噪信号，并画出时域图和频域图。 试验内容及结果： Figure1 未加随机信号的时域和频域图 Figure2 加随机信号后的时域和频域图 源程序: f0=50;%Hz B=200;%Hz T=10;%s k=B/T; thita=30; fs=10*f0; N=fs*T n = 0: N-1; f=(0:N-1)*fs/N-fs/2; s1=cosd(2*pi*f0*n/fs+thita); s2=s1+randn(1,N); figure(1); subplot(2,1,1); plot(s1) FFT_s1=fft(s1,N); FFT_s1=fftshift(FFT_s1); subplot(2,1,2); plot(f,abs(FFT_s1)) figure(2); subplot(2,1,1); plot(n,s2) FFT_s2=fft(s2,N); FFT_s2=fftshift(FFT_s2); subplot(2,1,2); plot(f,abs(FFT_s2)) SNR=10*log(0.5/1); 实验结果分析： 在本次试验中， 我们首先用两段不同的程序，分别对CW和LFM信号进行处理，在处理过程之中，我们的基本思路是“信号产生——信号处理——噪声产生——信号加噪声”。 1.CW信号 在CW信号之中，我们应用的信号产生频率f0=1000Hz, CW信号表达式：s(t)=cos(2πft+φ) |t|T/2 然后在通过MATHLAB函数中的FFT和FFTSHIFT对其进行处理，从而产生信号的FFT和FFTSHIFT图形，让我们看到了信号的频谱特征，了解到了信号在产生过程之中的特点。 在通过MATHLAB“ n=wgn(1,1001,1)”产生我们需要的噪声信号，在用信号加上噪声，从而产生我们需要的含义噪声的信号图形。 2.LFM信号 在LFM信号之中，我们应用的信号时间为t=-0.05:0.0001:0.05；产生频率：fs=1750; LFM信号表达式：s(t)=cos[2π (ft+kt2/2 )+ φ]; |t|T/2 ;k=B/T;B为带宽 在处理LFM之中我们同样用相同的原理，对信号进行处理。主要过程是首先产生信号，在用plot函数画出信号的图形，然我们了解到信号的形式。在通过MATHLAB函数中的FFT和FFTSHIFT对其进行处理，从而产生信号的FFT和FFTSHIFT图形