时间抽样定理.docxVIP

1、实验内容 给定连续时间信号x(t) e  实验 4 时间抽样定理 1000 t 以足够小的时间间隔，在足够长的时间内画出信号时域图形。 X ( j ) 。以足够小的频率间隔，在足够大的 2. 用公式计算信号的频谱 频率范围内，画出其频谱图，估计信号的带宽。 以抽样频率 3000Hz 对 x(t) 抽样，得到离散时间信号 x(n) ，画出 其图形，标明坐标轴。 1) X (e j ) ，画出频谱图形， 标明坐标轴。 用 DTFT计算 x(n) 的频谱 ? 2) 由 1 ）得到原信号 X ( j ) ，在模拟频域上考察 x(t) 的频谱的估计 对原信号频谱的逼近程度，计算均方误差。 x(n) 理想内插后得到原信号的估计，从连续时间域上考察信号 的恢复程度，计算均方误差。 抽样频率为 800 samples/second ，重做 3。 对比和分析，验证时域抽样定理。 2、编程原理、思路和公式 对 x（t ）进行等间隔采样，得到 x（ n），T=1/fs 。采样信号的频 谱函数是原模拟信号频谱的周期延拓，延拓周期是 2*pi*fs 。对频带 限于 fc 的模拟信号，只有当 fs2fc 时，采样后频谱才不会发生频谱 混叠失真。 Matlab 中无法计算连续函数。但是可以让 fs 足够大，频谱混叠 可以忽略不计，从而可以对采样序列进行傅里叶变换，这里使用之前 编好的子程序 dtft 。 程序分别设定了 3 种采样频谱， 10000Hz、3000Hz、800Hz 分别对 应题目 1、3、4。采样时间区间均为 0.1s 。同时，画的是幅度归一化 的频谱图，便于比较。 在网上查到一种内插函数的算法： 理想内插运用内插公式 xa（ t ） =x（n）g（t-nT ）求和。其中 g（t ）=sinc （Fs*t ），编程时，设定一 个 ti 值求 xa（ti ），一个行向量 x（n）和一个等长的由 n’构成的列向量 g（ti-n ’T）相乘。构成一个行数与 n 同长而列数与 t 同长的矩 阵，因此要把两项分别扩展成这样的序列。这只要把 t 右乘列向量 ones（length （ n）,1 ） , 把 n’ T 左乘行向量 ones（1，length （t ）） 即可。 设 t 向量长为 M，n=1：N-1，就可生成 t-n ’T 的矩阵，把它命名为 TNM，则 TNM=ones（length （ n）,1 ）-n ’T*ones（ 1，length （t ））。 3、程序脚本，并注释 4、仿真结果、图形 运行后 (均方误差结果 ) 运行： 5、结果分析和结论 由不同 fs 条件下的频谱图可以看出：当 f2000Hz 时，频谱幅度 的值很小。所以，Fs=3000Hz 的采样序列的频谱混叠很小； 而 fs=800Hz 时，频谱混叠较大。 以奈奎斯特采样频率 Fs/2 处的频谱幅度来比较其混叠，可以看出采样频率减小，混叠现象越大。 由计算出的均方误差也可以看出，采样频率越大，频率的逼近程度越大。 内插结果如图的连续曲线所示， 图中的离散序列是原始模拟信号的采样真值。图和均方误差中容易看出， Fs=3000Hz 的采样序列内插重构的信号误差比 Fs=400Hz 时小得多。可见，误差主要由频率混叠失真引起。当然，采样序列的样本较少也会引起误差增大。 另外， xa（t）的变化程度越大处误差也越大。 我自行设置内插函数 g（ t）的采样间隔 dt 为 x（ n）的采样间隔 T 的 1/3 ，所以，误差数组 xa-xo 每隔两点就出现一次零。 这与时域内插定理也是相符的。 6、遇到的问题、解决方法及收获 采样定理以占有带宽来换取传输质量，一直在频谱图中体现 fs 大时，所占的带宽也大，但是最终也没有实现。但是 fs 本身就是其频 带宽带，也可以证明该点。 内插定理理解不透彻，导致算法理解费力，最终还是实现了预期 结果。