哈工大数字信号处理实验报告.doc

数字信号处理实验报告 学院:航天学院 班级:12 学号: 姓名: 实验一： 用FFT作谱分析 实验目的： (1) 进一步加深DFT算法原理和基本性质的理解(因为FFT只是DFT的一种快速算法， 所以FFT的运算结果必然满足DFT的基本性质)。 (2) 熟悉FFT算法原理和FFT子程序的应用。 (3) 学习用FFT对连续信号和时域离散信号进行谱分析的方法，了解可能出现的分析误差及其原因，以便在实际中正确应用FFT。 实验原理： DFT的运算量： 一次完整的DFT运算总共需要次复数乘法和复数加法运算，因而直接计算DFT时，乘法次数和加法次数都和成正比，当N很大时，运算量很客观的。例如，当N=8时，DFT运算需64位复数乘法，当N=1024时，DFT运算需1048576次复数乘法。而N的取值可能会很大，因而寻找运算量的途径是很必要的。 FFT算法原理： 大多数减少离散傅里叶变换运算次数的方法都是基于的对称性和周期性。 （1）对称性 （2）周期性 由此可得 这样： 1.利用第三个方程的这些特性，DFT运算中有些项可以合并； 2.利用的对称性和周期性，可以将长序列的DFT分解为短序列的DFT。前面已经说过，DFT的运算量是与成正比的，所以N越小对计算越有利，因而小点数序列的DFT比大点数序列的DFT运算量要小。 快速傅里叶变换算法正是基于这样的基本思路而发展起来的，她的算法基本上可分成两大类，即按时间抽取法和按频率抽取法。 我们最常用的是的情况，该情况下的变换成为基2快速傅里叶变换。 完成一次完整的FFT计算总共需要次复数乘法运算和次复数加法运算。很明显，N越大，FFT的优点就越突出。 2.实验步骤 (1) 复习DFT的定义、 性质和用DFT作谱分析的有关内容。 (2) 复习FFT算法原理与编程思想， 并对照DIT-FFT运算流图和程序框图。 (3) 编制信号产生程序， 产生以下典型信号供谱分析用： (4) 按实验内容要求， 上机实验， 并写出实验报告。 上机实验内容 (1) 画出2 中所给出的信号，并逐个进行谱分析（即画出幅频特性）。下面给出针对各信号的FFT变换区间N以及对连续信号x6(t)的采样频率fs， 供实验时参考。 x1(n), x2(n), x3(n), x4(n), x5(n): N=8, 16 x6(t): fs=64(Hz), N=16, 32, 64（n=0:1:69） (2) 令x(n)=x4(n)+x5(n)， 用FFT计算 8 点和 16 点离散傅里叶变换， X(k)=DFT［x(n)］ (3) 令x(n)=x4(n)+jx5(n)， 重复(2)。 （1）: 所有图像按统一排布顺序由上至下依次：原时间序列、N=8时的幅频特性、N=16时的幅频特性。 误差分析：理论FFT频谱为一个抽样信号，由图形看出，随着采样率的提高，得到的FFT频谱分辨率就越高，当N趋于无限时频谱包络接近理论的抽样函数。 误差分析：理论FFT频谱为一个抽样函数平方的信号，由图形看出，随着采样率的提高，得到的FFT频谱分辨率就越高，当N趋于无限时频谱包络接近理论的抽样函数。 误差分析：由图形看出，随着采样率的提高，得到的FFT频谱分辨率就越高，但对于这个函数来说，N仍然过小，因此幅频特性曲线与理论结果有较大差距。 误差分析：这个函数的理论FFT抽样频谱为单位冲激函数，因此只要满足抽样定理，FFT都可以与理论图形一样的曲线。当N=8时，不满足抽样定理，因此产生了混叠失真，当N=8时，满足抽样定理，因此可得到与理论曲线一致的图形。 误差分析：这个函数的理论FFT抽样频谱为单位冲激函数，因此只要满足抽样定理，FFT都可以与理论图形一样的曲线。当N=8时，不满足抽样定理，因此产生了混叠失真，当N=16时，满足抽样定理，因此可得到与理论曲线一致的图形。 误差分析：这个函数的理论FFT抽样频谱为有三个不同频率分量的单位冲激函数，因此只要满足抽样定理，FFT都可以与理论图形一样的曲线。当N=16时，不满足抽样定理，因此产生了混叠失真，当N=32,64时，满足抽样定理，因此可得到与理论曲线一致的图形。 （2） 误差分析：这个函数的理论FFT抽样频谱为有两个不同频率分量的单位冲激函数，因此只要满足抽样定理，FFT都可以与理论图形一样的曲线。当N=8时，不满足抽样定理，因此产生了混叠失真，当N=16时，满足抽样定理，因此可得到与理论曲线一致的图形。 （3）这个函数的理论FFT抽样频谱为有两个不同频率分量的单位冲激函数，因此只要满足抽样定理