实验三离散傅立叶变换.pptVIP

fs=100;N=128;n=0:N-1;t=n/fs;x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);y=fft(x,N);f=(0:length(y)-1)*fs/length(y);mag=abs(y);stem(f,mag);title(‘N=128点’)第31页,共46页，2024年2月25日，星期天第32页,共46页，2024年2月25日，星期天利用FFT进行功率谱的噪声分析已知带有测量噪声信号其中f1=50Hz,f2=120Hz,为均值为零、方差为1的随机信号，采样频率为1000Hz，数据点数N=512。试绘制信号的功率谱图。第33页,共46页，2024年2月25日，星期天t=0:0.001:0.6;x=sin(2*pi*50*t)+sin(2*pi*120*t);y=x+2*randn(1,length(t));Y=fft(y,512);P=Y.*conj(Y)/512;%求功率f=1000*(0:255)/512;subplot(2,1,1);plot(y);subplot(2,1,2);plot(f,P(1:256));第34页,共46页，2024年2月25日，星期天第35页,共46页，2024年2月25日，星期天序列长度和FFT的长度对信号频谱的影响。已知信号其中f1=15Hz,f2=40Hz,采样频率为100Hz.在下列情况下绘制其幅频谱。Ndata=32,Nfft=32;Ndata=32,Nfft=128;第36页,共46页，2024年2月25日，星期天fs=100;Ndata=32;Nfft=32;n=0:Ndata-1;t=n/fs;x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);y=fft(x,Nfft);mag=abs(y);f=(0:length(y)-1)’*fs/length(y);subplot(2,1,1)plot(f(1:Nfft/2),mag(1:Nfft/2))title(‘Ndata=32,Nfft=32’)第37页,共46页，2024年2月25日，星期天Nfft=128;n=0:Ndata-1;t=n/fs;x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);y=fft(x,Nfft);mag=abs(y);f=(0:length(y)-1)’*fs/length(y);subplot(2,1,2)plot(f(1:Nfft/2),mag(1:Nfft/2))title(‘Ndata=32,Nfft=128’)第38页,共46页，2024年2月25日，星期天第39页,共46页，2024年2月25日，星期天线性卷积的FFT算法在MATLAB实现卷积的函数为CONV，对于N值较小的向量，这是十分有效的。对于N值较大的向量卷积可用FFT加快计算速度。由DFT性质可知，若DFT[x1(n)]=X1(k),DFT[x2(n)]=X2(k)则若DFT和IDFT均采用FFT和IFFT算法，可提高卷积速度。第40页,共46页，2024年2月25日，星期天计算x1(n)和x2(n)的线性卷积的FFT算法可由下面步骤实现计算X1(k)=FFT[x1(n)];计算X2(k)=FFT[x2(n)];计算Y(k)=X1(k)X2(k);计算x1(n)*x2(n)=IFFT[Y(k)].第41页,共46页，2024年2月25日，星期天用函数conv和FFT计算同一序列的卷积，比较其计算时间。clock函数读取瞬时时钟etime(t1,t2)函数计算时刻t1,t2间所经历的时间。第42页,共46页，2024年2月25日，星期天四、练习题验证线性性质如果有两个有限长序列分别为x1(n)和x2(n)，长度分别为N1和N2，且y(n)=ax1(n)+bx2(n)，(a，b均为常数)则该y(n)的N点DFT为Y(k)=DFT[y(n)]=aX1(k)+bX2(k)(0=k=N-1)其中：N=max(N1,N2)，X1(k)和X2(k)分别为x1(n)和x2(n)的N点DFT。例：已知序列：x1(n)=[0,1,2,4]x2(n)=[1,0,1,0,1]第43页,共46页，20