用FFT对信号进行频谱分析.docx

实验报告 题目： 用FFT对信号进行频谱分析 课程名称： 成 绩： 目录 TOC \o 1-3 \h \z \u 1 实验目的 1 2 实验环境 1 3 实验原理 1 4 实验内容 5 4.1 实验操作 5 4.2 实验结果及分析 6 5 实验思考题 20 PAGE PAGE 15 1 实验目的 1.在理论学习的基础上，通过本次实验。加深对快速傅里叶变换的理解，熟悉FFT算法及其程序的编写。 2.熟悉应用FFT对典型信号进行频谱分析的方法。 3.了解应用FFT进行信号频谱分析过程中可能出现的问题，以便在实际中正确应用FFT。 2 实验环境 计算机。 Mtable软件。 3 实验原理 1.一个连续信号xa(t)的频谱可以用它的傅里叶变换表示为： Xa(jΩ)=-? 如果对该信号进行理想采样，可以得到： x(n)=X 同样可以对该序列进行Z变换，其中T为采样周期： X(Z)=-?+? 当z=ejω X(ejω)= 其中ω称为数字频率，它和模拟域频率的关系为： ω=ΩT= 式中fs是采样频率。上式说明数字频率是模拟频率对采样率f X(ejω)= 即序列的频谱是采样信号频谱的周期延拓。从上式可以看出，只要分析采样序列的频谱，就可以得到相应的连续信号的频谱。注意：这里的信号必须是带限信号，采样也必须满足奈奎斯特定理。 在各种信号序列中，有限长序列在数字信号处理中占有很重要的地位。无限长的序歹往往可以用有限长序列来逼近。对于有限长的序列我们可以使用离散傅立叶变换(DFT),一变换可以很好地反?应序列的频域特性，并且容易利用快速算法在计算机上实现当序列白度是N时，我们定义离散傅立叶变换为: X(k)=DFT[x(n)]=n=0N-1 其中WNkn x(n)=IDFT[X(k)]=1N 根据式（2-3）和（2-7）令z=WN X(z)|Z=WN-k = 可以得到X(k)=X(z)|z=WN-k =ej2πNk, W 2.DFT是对序列傅立叶变换的等距采样，因此可以用于序列的频谱分析。在运用DFT进行频谱分析的时候可能有三种误差，分析如下: （1）混淆现象：从式(2-6)中可以看出，序列的频谱是采样信号频谱的周期延拓，周期是2π/T，因此当采样速率不满足奈奎斯特定理，即采样频率f s= 1/T小于两倍的信号(这里指的是实信号)频率时，经过采样就会发生频谱混淆。这导致采样后的信号序列频谱不能真实地反映原信号的频谱。所以，在利用DFT分析连续信号频谱的时候，必须注意这一问题。避免混淆现象的唯一方法是保证采样的速率足够高，使频谱交叠的现象不出现。这就告诉我们，在确定信号的采样频率之前，需要对频谱的性质有所了解。在一 （2）泄露现象：实际中的信号序列往往很长，甚至是无限长序列。为了方便，我们往往用截短的序列来近似它们。这样可以使用较短的DFT来对信号进行频谱分析。这种截短等价于给原信号序列乘以一个矩形窗函数。而矩形窗函数的频谱不是有限带宽的，从而它和原信号的频谱进行卷积以后会扩展原信号的频谱。值得一提的是，泄漏是不能和混淆完全分离开的，因为泄露导致频谱的扩展，从而造成混淆。为了减小泄漏的影响，可以选择适当的窗函数使频谱的扩散减到最小。 （3）栅栏效应：因为DFT是对单位圆上z变换的均匀采样，所以它不可能将频谱视为一个连续函数，这样就产生了栅栏效应。从某种角度来看，用DFT来观看频谱就好像通过一个栅栏来观看一幅景象，只能在离散点上看到真实的频谱。这样的话就会有一些频谱的峰点或谷点被“栅栏”挡住，不能被我们观察到。减小栅栏效应的一个方法是在源序列的末端补一些零值，从而变动DFT的点数。这种方法的实质是认为地改变了对真实频谱采样的点数和位置，相当于搬动了“栅栏”的位置，从而使得原来被挡住的一些频谱的峰点或谷点显露出来。注意，这时候每根谱线多对应的频率和原来的已经不相同了。 从上面的分析过程可以看出，DFT可以用于信号的频谱分析，但必须注意可能产生的误差，在应用过程中要尽可能减小和消除这些误差的影响。快速傅立叶变换FFT并不是与DFT不相同的另一种变换，而是为了减少DFT运算次数的一种快速算法。它是对变换式(2-7)进行一次次的分解，使其成为若干小点数DFT的组合，从而减小运算量。常用的FFT是以2为基数，其长度N=2M 4 实验内容 4.1 实验操作 4.1.1观察高斯序列的时域和频域特性 固定信号xa(n)中的参数p=8,改变q的值，使q分别等于2,4,8。观察它们的时域和幅频特性，了