实验二 三.docVIP

1、用三种不同的DFT程序计算x(n)=R8(n)的傅里叶变换X(ejw)，并比较三种程序计算机运行时间。 (1) 用for loop 语句的M函数文件dft1.m，用循环变量逐点计算X(k)； (2) 编写用MATLAB矩阵运算的M函数文件dft2.m，完成上述运算； (3) 编写函数dft3.m，调用FFT库函数，直接计算X(k)； (4) 分别利用上述三种不同方式编写的DFT程序计算序列x(n)的傅立叶变换X(ejw)，并画出相应的幅频和相频特性，再比较各个程序的计算机运行时间。 M函数文件如下： dft1.m： function[Am,pha]=dft1(x) N=length(x); w=exp(-j*2*pi/N); for k=1:N sum=0; for n=1:N sum=sum+x(n)*w^((k-1)*(n-1)); end Am(k)=abs(sum); pha(k)=angle(sum); end dft2.m： function[Am,pha]=dft2(x) N=length(x); n=[0:N-1]; k=[0:N-1]; w=exp(-j*2*pi/N); nk=n*k; wnk=w.^(nk); Xk=x*wnk; Am=abs(Xk); pha=angle(Xk); dft3.m： function[Am,pha]=dft3(x) Xk=fft(x); Am=abs(Xk); pha=angle(Xk); 源程序及运行结果： (1) x=[ones(1,8),zeros(1,248)]; t=cputime; [Am1,pha1]=dft1(x); t1=cputime-t n=[0:(length(x)-1)]; w=(2*pi/length(x))*n; figure(1) subplot(2,1,1), plot(w,Am1,b); grid; title(Magnitude part); xlabel(frequency in radians); ylabel(|X(exp(jw))|); subplot(2,1,2), plot(w,pha1,r); grid; title(Phase Part); xlabel(frequency in radians); ylabel(argX[exp(jw)]/radians); (2) x=[ones(1,8),zeros(1,248)]; t=cputime; [Am2,pha2]=dft2(x); t2=cputime-t n=[0:(length(x)-1)]; w=(2*pi/length(x))*n; figure(2) subplot(2,1,1), plot(w,Am2,b); grid; title(Magnitude part); xlabel(frequency in radians); ylabel(|X(exp(jw))|); subplot(2,1,2), plot(w,pha2,r); grid; title(Phase Part); xlabel(frequency in radians); ylabel(argX[exp(jw)]/radians); (3) x=[ones(1,8),zeros(1,248)]; t=cputime; [Am3,pha3]=dft3(x); t3=cputime-t; n=[0:(length(x)-1)]; w=(2*pi/length(x))*n; figure(3) subplot(2,1,1), plot(w,Am3,b); grid; title(Magnitude part); xlabel(frequency in radians); ylabel(|X(exp(jw))|); subplot(2,1,2), plot(w,pha3,r); grid; title(Phase Part); xlabel(frequency in radians); ylabel(argX[exp(jw)]/radians) 从以上运行结果可以看出，调用FFT库函数直接计算X(k)速度最快，矩阵运算次之，用循环变量逐点计算运行速度最慢。因此FFT算法大大提高了DFT的实用性。 2、利用DFT实现两序列的卷积运算，并研究DFT点数与混叠的关系。 给定x(n)=nR16(n)，h(n)=R8(n)，用FFT和IFFT分别求线性卷积和混叠结果输出，并用函数stem(n,y)画出相应图形。 源程序如下： N=16; x=[0:N-1]; h=ones(1,8); 线性卷积： Xk1=fft(x,23); %做23点fft Hk1