实验二 应用FFT对信号进行频谱分析

更新时间:2023-11-09 00:31:01 阅读量: 教育文库 文档下载

说明:文章内容仅供预览,部分内容可能不全。下载后的文档,内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的,是否完整无缺。

实验二 应用FFT对信号进行频谱分析

20090401310074 海南大学

实验二 应用FFT对信号进行频谱分析

一、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、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。

二、实验原理

i.

模拟信号频率?和采样得到的数字信号频率?的关系:

???T??/fs

ii. DTFT与对应的理想采样信号的频谱之间的对应关系为:

^Xa(j?)?X(ejw)|???T

即DTFT与FT的关系为:

X(ej?)?1T??r???Xa[j(?T?2?Tr)]

就是说,只要知道了采样序列的频谱,就可以得到相应的连续信号的频谱。(满足耐奎斯特采样定理)

iii.

DFT是对离散时间序列的频域采样,是对ZT上单位圆上的均匀采样,或者是

DTFT上[0,2?]的等间距采样。当满足频域的采样定理时,便可以由频域的采样值恢复ZT或者是DTFT。所以能用DFT对信号进行频谱分析。当采样的点数足够时,便能用它的包络作为模拟信号的近似谱。近似的过程中,可能会有混叠现象,泄露现象和栅栏效应这三种误差。 iv.

离散傅立叶变换DFT:

N?1X(k)??x(n)Wn?0nkN,k?0,1,2...,N?1

x(n)?IDFT?X(k)??1NN?1?X(k)Wn?0?nkN,n?0,1,2...,N?1

2

实验二 应用FFT对信号进行频谱分析

反变换与正变换的区别在于WN变为WN?1,并多了一个1N的运算。因为WN和WN?1对于推导按时间抽取的快速傅立叶变换算法并无实质性区别,因此借助FFT来实现IFFT.

三、实验内容和结果:

1. 高斯序列的时域和频域特性:

高斯序列的时域表达式:

?(n?p)?eq,0?n?15xa(n)??

?0,其它?i. 固定参数p=8,改变参数q的值,记录时域和频域的特性如下图。

2

图 1

结论:从时域图中可以看到,q参数反应的是高斯序列能量的集中程度:q越小,能量越集中,序列偏离中心衰减得越快,外观上更陡峭。同时,随着q的增大,时域序列总的能量是在增大的。频域上,对应的,随着q的增加,由于时域序列偏离中心的衰减的缓慢,则高频分量也就逐渐减,带宽变小:时域上总的能量增大,故也可以看到低频成分的幅度都增大。

ii. 固定参数q,改变参数p,记录时域和频域的特性如下图 2.

3

实验二 应用FFT对信号进行频谱分析

图 2

结论:p是高斯序列的对称中心,p的变化在时域表现为序列位置的变化。由于选取的矩形窗函数一定,p值过大时,会带来高斯序列的截断。并且随着p的增大,截断的越来越多。对应地,看频域上的变化:截断的越多,高频的成分也在增多,以至发生谱间干扰,泄露现象变得严重。从图中可以看到,在p=13时,已经有混叠存在。当p=14时,混叠进一步加大,泄露变得更明显。

2. 衰减正弦序列的时域和幅频特性:

?e??nsin(2?fn),0?n?15xb(n)??

?0,其它改变参数f,记录时域和幅频特性如下图3.

图 3

4

实验二 应用FFT对信号进行频谱分析

结论:随着f的增大,时域上可以看到,序列的变化明显快多了。从幅度谱上看,序列的高频分量逐渐增多,低频分量逐渐减小,以至于发生严重的频谱混叠。当f增大到一定的程度,从图中可以看到,f=0.4375和f=0.5625时的幅度谱是非常相似的,此时已经很难看出其幅度谱的区别。

3. 三角序列的时域表达式和对应的时域和幅频特性如图 4:

?n?1,0?n?3?xc(n)??8?n,4?n?7

?0,其它n?

图 4

结论:随着fft取点数的增多,能够看到的幅度谱的频率分量变得丰富,得到的是高密度更高的谱,也就是减轻了栅栏效应。但是这种截断后补零的方法不能提高物理频率的分辨率。因为截断已经使频谱变模糊,补零后使采样间隔减小,但得到的频谱采样的包络任然是已经变模糊的频谱,所以频谱的分辨率没有提高。因此,要提到频率的分辨率,就必须对原始信号截取的长度加长,也就是增加采样时间T0的长度。

另外,可以看到,三角序列的频谱几乎集中在低频区,旁瓣的幅度非常小。 4. 反三角序列的时域表达式和对应的时域和频域特性如图 5:

?4?n,0?n?3?xd(n)??n?3,4?n?7

??0,其它n5

实验二 应用FFT对信号进行频谱分析

图 5

结论:同样,随着fft取点数的增多,能够看到的幅度谱的频率分量变得丰富,得到的是高密度更高的谱,减轻了栅栏效应。

另外,可以看到,求8点的fft时,三角序列和反三角序列的幅频特性是一样的。原因在于:反三角序列xd(n)可以看成是三角序列xc(n)的4点圆周移位,即

xd(n)?xc((n?4))NRN(n),根据DFT的圆周移位性质,则有Xd(k)?WNXc(k).由

4kkk于N=8,所以WN=(-1),即Xd(k)?(?1)Xc(k),故Xd(k)?Xc(k).

4k不过,当补零之后,能够看到的频率成分增多,可以发现,反三角序列的频谱较宽,旁瓣的分量很多。

四、调用fft函数计算ifft的函数

原理:

x(n)?ifft[X(k)]?1NN?1?X(k)Wk?0?nkN

变换上式有:

x(n)?1NN?1[?X(k)WN]

k?0*nk*于是,可以调用fft模块,即

6

本文来源:https://www.bwwdw.com/article/44yv.html

Top