窗函数及其在谱分析中的作用.docVIP

窗函数及其在谱分析中的作用 试验目的 1. 掌握几种典型窗函数的性质、特点，比较几种典型的窗函数对信号频谱的影响。?????? 2. 通过实验认识它们在克服 FFT 频谱分析的能量泄漏和栅栏效应误差中的作用，以便在实际工作中能根据具体情况正确选用窗函数实际应用的窗函数，可分为以下主要类型：?????? 1. 幂窗--采用时间变量某种幂次的函数，如矩形、三角形、梯形或其它时间（t）的高次幂；?????? 2. 三角函数窗--应用三角函数，即正弦或余弦函数等组合成复合函数，例如汉宁窗、海明窗等；?????? 3. 指数窗--采用指数时间函数，如e-st形式，例如高斯窗等。信号的截断产生了能量泄漏，而用FFT算法计算频谱又产生了栅栏效应，从原理上讲这两种误差都是不能消除的，但是我们可以通过选择不同的窗函数对它们的影响进行抑制。下图是几种常用的窗函数的时域和频域波形，其中矩形窗主瓣窄，旁瓣大，频率识别精度最高，幅值识别精度最低；布莱克曼窗主瓣宽，旁瓣小，频率识别精度最低，但幅值识别精度最高。实验内容是产生2个典型测试信号：　　 然后对信号加矩形窗和布莱克曼窗进行谱分析，目的是让学生通过分析对比了解信号加窗的作用。f=0:0.5:1542; N=3085;%取1542*2+1个点; w1=window(@boxcar,N);%矩形窗; w2=window(@Blackman,N);%布莱克曼窗; x1t=4*sin(2*pi*202.5*t); Jiawindow11= w1.*x1t; Jiawindow12= w2.*x1t; transf1=abs(fft(x1t)/512); transfj11=abs(fft(Jiawindow11)/1542); transfj12=abs(fft(Jiawindow12)/1542); subplot(411);plot(t,x1t); title(4*sin(2*pi*202.5*t)); subplot(412);plot(f(1:1542),transf1(1:1542)); ylabel(fft(4*sin(2*pi*202.5*t))); subplot(413);plot(f(1:1542),transfj11(1:1542)); ylabel(boxcar); subplot(414);plot(f(1:1542),transfj12(1:1542)); ylabel(blakman) 放大图形进行观察分析： 可以看出加窗可以很好的减少泄漏，且blakman的效果更好。 2. 对x2(t)信号加不同窗的谱分析 t=0:1/1541:1;%取信号成分的最高采样频率的约3倍; f=0:1:1541; N=1542;%取1542+1个点; w1=window(@boxcar,N);%矩形窗; w2=window(@Blackman,N);%布莱克曼窗; x2t= 4*sin(2*pi*202.5*t)+4*sin(2*pi*514*t); Jiawindow21= w1.*x2t; Jiawindow22= w2.*x2t; transf2=abs(fft(x2t)/771); transfj21=abs(fft(Jiawindow21)/771); transfj22=abs(fft(Jiawindow22)/771); subplot(411);plot(x2t(1:1542)); title(f=202.5Hz+f=514Hz)); subplot(412);plot(f(1:1542),transf2(1:1542)); ylabel(fft(4*sin(2*pi*202.5*t)+4*(2*pi*514*t))); subplot(413);plot(f(1:1542),transfj21(1:1542)); ylabel(boxcar); subplot(414);plot(f(1:1542),transfj22(1:1542)); ylabel(blakman) 放大f=202.5处的谱值图： 加窗后泄漏减少，blackman效果更好。 放大f=514处的谱值观察 与上面有同样的结论。 稍微放大值f=202.5和f=514的两处都在图中显示： 结论 在信号处理中加窗可以减少频谱的泄漏，但是选不同的窗函数将有不同的影响。 布莱克曼窗主瓣宽，旁瓣小，频率识别精度最低，但幅值识别精度最高。