实验十窗函数在谱分析中的作用.docVIP

实验十 窗函数在谱分析中的作用 实验目的 在理论学习的基础上，掌握不同窗函数的性质、特点，并通过实验认识它们在服 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。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： 　 　　x1(t)=4*sin(2π*202.5*t) 　　 　　x2(t)=4*sin(2π*502.5*t)+4*sin(2π*514*t) 　 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。 %sinyan10.m %只要去“%”要把另外的语句加上“%”就为实验第一步 t=0:1/1536:2; m=0:0.5:1536; %y1=4*sin(2*pi*202.5*t); %addwin11=window(@hann,3073).*y1 %addwin12=window(@hamming,3073).*y1 %addwin13=window(@blackman,3073).*y1 %transf1=abs(fft(y1)/1024); %transf11=abs(fft(addwin11)/1536); %transf12=abs(fft(addwin12)/1536); %transf13=abs(fft(addwin13)/1536); y2=4*sin(2*pi*202.5*t)+4*sin(2*pi*514*t); transf2=abs(fft(y2)/1536); addwin21=window(@hann,3073).*y2 addwin22=window(@hamming,3073).*y2 addwin23=window(@blackman,3073).*y2 transf2=abs(fft(y2)/1536); transf21=abs(fft(addwin21)/1536); transf22=abs(fft(addwin22)/1536); transf23=abs(fft(addwin23)/1536); %subplot(5,1,1);plot(t,y1); %title(4*sin(2*pi*202.5*t)); %subplot(5,1,2);plot(m(1:1536),transf1(1:1536)); %ylabel(rect); %subplot(5,1,3);plot(m(1:1536),transf11(1:1536)); %ylabel(hann); %subplot(5,1,4);plot(m(1:1536),transf12(1:1536)); %ylabel(hamming ); %subplot(5,1,5);plot(m(1:1536),transf13(1:1536)); %ylabel(blackman); subplot(5,1,1);plot(t,y2); title(4*sin(2*pi*202.5*t)+4*sin(2*pi*514*t)); subplot(5,1,2);plot(m(1:1536),transf2(1:1536)); ylabel(rect); subplot(5,1,3);plot(m(1:1536),transf21(1:1536)); ylabel(hann); subplot(5,1,4);plot(m(1:1536),transf22(1:1536)); ylabel(hamming ); subplot(5,1,5);plot(m(1:1536),transf23(1:1536)); ylabel(blackman); 图：分别用Rectangle窗、Hann窗、Hamming窗和Blackman窗对信号y1=4*sin(2*pi*202.5*t)加窗后进行谱分析如下图所示： 把图开放大后如下图： 可以看出加窗可以有效的减少泄露，而不同的窗的作用效果是不同的。 对信号y2=4*sin(2*pi*202.5*t)+4*sin(2*pi*514*t)分别用Rectangle窗、Hann窗、Hamming窗和Blackman窗加窗后进行谱分析如下图所示： 在f=202.5附近放大波形如下图所示，可见加窗后各个信号频谱的泄露明显受到了抑制。其中blackman窗的幅值识别精度最高。 在频率f=