FFT算法实现实验报告

FFT算法实现实验报告

辛旸 PB10210006

实验目的

1、加深对快速傅里叶变换的理解。

2、掌握FFT 算法及其程序的编写。

3、掌握算法性能评测的方法。

实验内容

1.编写自己的FFT算法：

代码如下：

function [ X ] = Sampling( x,N )

%myFFT实现FFT时域取样算法

% 输出：生成FFT序列X(k),输入：欲变换序列x（n），FFT变换长度N（可缺省）（1） if ~exist('N','var'); %检查是否有变换长度N输入

（2） N=length(x); %若无，则令N等于序列长度

（3） end

（4） if N

（5）x=x(:,1:N);

（6） else

（7）x=[x,zeros(1,N-length(x))]; %如果N大于序列长度，对序列补零进行延长（8） end;

（9） for i=1:1:length(x)/2+1; %判断N是2的多少次方

（10） if 2^i>=length(x); %若N不是2的整数幂

（11） N=2^i; %增大N为2的整数幂

（12） break;

（13） end

（14） end

（15）x=[x,zeros(1,N-length(x))]; %确保要变换的序列长度为2^i

（16） k1=zeros(1,N);

（17）X=zeros(1,N);

（18） w=zeros(1,N);

（19） for m=0:1:N-1; %确定反序序列k1和正序序列k的关系

（20） k=m;

（21） for n=i-1:-1:0; %从高位开始依次将各位移至反序位

（22） k1(m+1)=k1(m+1)+fix(k/(2^n))*(2^(i-1-n));

（23） k=rem(k,2^n);

（24） end;

（25） end

（26） for l=1:1:N;

（27）X(k1(l)+1)=x(l); %生成反序序列

（28） w(l)=exp(-1i*2*pi/N*(l-1)); %生成旋转因子

（29） end

（30） for l=0:1:i-1; %控制FFT运算级数

（31） for m=1:1:N; %每一级中有N/2个蝶形运算

（32） if rem((m-1),2^(l+1))<2^l; %找到蝶形运算的上半部分（33） b=X(m)+X(m+2^l)*w(2^(i-1-l)*rem((m-1),2^l)+1);

%将结果暂存至b

（34）X(m+2^l)=a(m)-X(m+2^l)*w(2^(i-1-l)*rem((m-1),2^l)+1);

（35）X(m)=b; %实现原位运算

（36） end

（37） end

（38） end

2.选择实验1中的典型信号序列验证算法的有效性：

为方便比较两个算法，编写了myCompare函数计算两种算法的运行时间，并绘制频谱曲线

代码如下：

function [ t1,t2,e ] = myCompare( x,N )

%myCompare函数：比较自己编写的算法与系统自带算法的差异

% 输入：与变换信号序列x（n）和欲变换长度N

% 输出：自己编写的函数的执行时间t1，系统自带函数的执行时间t2，两者计算序列的差异平方和e tic;

X1=myFFT(x,N);

t1=toc;

tic;

X2=fft(x,N);

t2=toc;

subplot(1,2,1);plot(abs(X1));xlabel('k');ylabel('X(k');title('ó?×??o±àD′μ?oˉêyμ?μ?μ?±???DòáD?μ?×');

subplot(1,2,2);plot(abs(X2));xlabel('k');ylabel('X(k');title('?μí3×?′?FFToˉêyμ?μ?μ?±???DòáD?μ?×');

e=sum((X1-X2).^2);

end

对理想采样信号A=444.128，α=50*2^(1/2)*π，Ω=50*2^(1/2)*π，T=1/1000，序列长度50，用自己编写的FFT算法和系统自带算法做64点FFT变换后绘制频域序列，如下：

对高斯序列，p=8，q=8，序列长度16，用自己编写的FFT算法和系统自带算法做16点FFT变换后绘制频域序列，如下：

对衰减正弦序列α=0.01，f=0.05，序列长度100，用自己编写的FFT算法和系统自带算法做128点FFT变换后绘制频域序列，如下：

由以上结果可知，自己编写的算法运行结果与系统自带算法一致，且可以对信号进行截断或补零后再做变换。

3.对所编制FFT算法进行性能评估：

与自己编写的DFT算法进行性能比较：

对N点序列进行DFT变换需要N2/2次复乘，而对N点序列做基2-FFT只需N/2*log2（N）次复乘，因此运算量减少了很多，且随着序列长度增加，运算量差异变大。

与系统自带FFT算法进行性能比较：

由于系统自带FFT函数用C语言实现，无法查看源代码，只知道效率更高，而且在计算任意点的DFT（不指定变换长度N）时，系统自带函数无需采取补零操作，而自己编写的函数会先补零再变换，改变了频域取样密度，会得到与系统自

带函数不同的结果。

比较自己编写的DFT算法、自己编写的FFT算法和系统自带算法三者运算时间，得到下表：

由此绘制曲线如图：

由比较结果可知，虽然运算时间曲线和理想曲线不完全相同，但三种算法的相对运算时间与理论预期一致。

实验总结及个人结论：

从对实验的比较结果中可知，自己编写的FFT算法有效且比自己编写的DFT算法快很多，但却始终比系统自带的算法慢，一方面是因为系统自带算法实现效率高，另一方面，在观察了自己编写的算法中各步执行时间后，发现函数用在生成反序序列的时间和实际进行FFT运算的时间相当，相当于多用了一倍的时间。另外，对任意长序列，自己编写的FFT算法只能补零后计算，而不能像系统自带函数一样算出实际的N点DFT。

应用FFT对信号进行频谱分析实验报告

实验 应用FFT 对信号进行频谱分析 一、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 进行新红啊频谱分析过程中可呢个出现的问题，以便在实际中正确应用FFT 。 二、实验原理 一个连续信号()a x t 的频谱可以用它的傅里叶变换表示为： ()()j t a a X j x t e dt +∞ -Ω-∞Ω=? （2-1） 如果对信号进行理想采样，可以得到离散傅里叶变换： ()()j n X e x n z ω +∞ --∞=∑ （2-2） 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。无限长的序列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里叶变换（DFT ），这一序列可以很好的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的长度是N 时，我们定义离散傅里叶变换为： 1 0()[()]()N kn N n X k DFT x n x n W -===∑ （2-3） DFT 是对序列傅里叶变换的灯具采样，因此可以用于序列的频谱分析。在利用DFT 进行频谱分析的时候可能有三种误差： （1）混叠现象 序列的频谱是采样信号频谱的周期延拓，周期是2/T π，因此当采样频率不满足奈奎斯特定理，即采样频率1/s f T =小于两倍的信号频率时，经过采样就会发生频谱混叠。这导致采样后的信号序列不能真实的反映原信号的频谱。 （2）泄漏现象 泄漏是不能和混叠完全分开的，因为泄漏导致频谱的扩展，从而造成混淆。为了减小混淆的影响，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的函数。这样就产生了栅栏效应。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。 三、实验内容和结果 1、观察高斯序列的时域和频域特性 （1）固定高斯序列()a x n 中的参数p=8，当q 为2，4，8时其时域和幅频特性分别如图 2.1，图2.2所示：

Matlab中的FFT使用说明

FFT是Fast Fourier Transform（快速傅里叶变换）的简称，FFT算法在MATLAB 中实现的函数是Y=fft（x,n）。刚接触频谱分析用到FFT时，几乎都会对MATLAB 的fft函数产生一些疑惑，下面以看一个例子（根据MATLA帮助修改）。 Fs = 2000; % 设置采样频率 T = 1/Fs; % 得到采用时间 L = 1000; % 设置信号点数，长度1 秒 t = (0:L-1)*T; % 计算离散时间， % 两个正弦波叠加 f1 = 80; A1 = 0.5; % 第一个正弦波100Hz，幅度0.5 f2 = 150; A2 = 1.0 ; % 第2个正弦波150Hz，幅度 1.0 A3 = 0.5; % 白噪声幅度； x = A1*sin(2*pi*f1*t) + A2*sin(2*pi*f2*t); % 产生离散时间信号； y = x + A3*randn(size(t)); % 叠加噪声； % 时域波形图 subplot(2,1,1) plot(Fs*t(1:50),x(1:50)) title('Sinusoids Signal') xlabel('time (milliseconds)') subplot(2,1,2) plot(Fs*t(1:50),y(1:50)) title('Signal Corrupted with Zero-Mean Random Noise') xlabel('time (milliseconds)') NFFT = 2A nextpow2(L); % 设置FFT点数，一般为2 的N次方，如1024，512 等Y = fft(y,NFFT)/L; % 计算频域信号， f = Fs/2*linspace(0,1,NFFT/2+1); %频率离散化，fft后对应的频率是-Fs/2到Fs/2,由NFFT个离散频点表示 % 这里只画出正频率； % Plot single-sided amplitude spectrum. figure; plot(f,2*abs(Y(1:NFFT/2+1))); % fft 后含幅度和相位，一般观察幅度谱，并把负频率加上去， title('Single-Sided Amplitude Spectrum of y(t)') xlabel('Frequency (Hz)')

用MATLAB进行FFT频谱分析

用MATLAB 进行FFT 频谱分析 假设一信号： ()()292.7/2cos 1.0996.2/2sin 1.06.0+++=t t R ππ 画出其频谱图。 分析： 首先，连续周期信号截断对频谱的影响。 DFT 变换频谱泄漏的根本原因是信号的截断。即时域加窗，对应为频域卷积，因此，窗函数的主瓣宽度等就会影响到频谱。 实验表明，连续周期信号截断时持续时间与信号周期呈整数倍关系时，利用DFT 变换可以得到精确的模拟信号频谱。举一个简单的例子： ()ππ2.0100cos +=t Y 其周期为0.02。截断时不同的持续时间影响如图一.1：（对应程序shiyan1ex1.m ） 图 错误！文档中没有指定样式的文字。.1 140.0160.0180.02 截断时，时间间期为周期整数倍，频谱图 0.0250.03 0100200300400500600 7008009001000 20 40 60 80 100 截断时，时间间期不为周期整数倍，频谱图

其次，采样频率的确定。 根据Shannon 采样定理，采样带限信号采样频率为截止频率的两倍以上，给定信号的采样频率应>1/7.92，取16。 再次，DFT 算法包括时域采样和频域采样两步，频域采样长度M 和时域采样长度N 的关系要符合M ≧N 时，从频谱X(k)才可完全重建原信号。 实验中信号R 经采样后的离散信号不是周期信号，但是它又是一个无限长的信号，因此处理时时域窗函数尽量取得宽一些已接近实际信号。 实验结果如图一.2：其中，0点位置的冲激项为直流分量0.6造成（对应程序为shiyan1.m ） 图 错误！文档中没有指定样式的文字。.2 ?ARMA （Auto Recursive Moving Average ）模型： 将平稳随机信号x(n)看作是零均值，方差为σu 2的白噪声u(n)经过线性非移变系统H(z)后的输出，模型的传递函数为 020406080100120140160180200 0.4 0.50.60.7 0.800.050.10.150.20.250.30.350.40.450.5 50100 150

用FFT对信号作频谱分析 实验报告

实验报告 实验三：用FFT 对信号作频谱分析 一、 实验目的与要求 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，以便正确应用FFT 。 二、 实验原理 用FFT 对信号作频分析是学习数字信号处理的重要内容，经常需要进行分析的信号是模拟信号的时域离散信号。对信号进行谱分析的重要问题是频谱分辨率D 和分析误差。频谱分辨率直接和FFT 的变换区间N 有关，因为FFT 能够实现的频率分辨率是2π/N ，因此要求2π/N 小于等于D 。可以根据此式选择FFT 的变换区间N 。误差主要来自于用FFT 作频谱分析时，得到的是离散谱，而信号（周期信号除外）是连续谱，只有当N 较大时，离散谱的包络才能逼近连续谱，因此N 要适当选择大一些。 三、 实验步骤及内容（含结果分析） （1）对以下序列进行FFT 分析： x 1(n)=R 4(n) x 2(n)= x 3(n)= 选择FFT 的变换区间N 为8和16两种情况进行频谱分析，分别打印出幅频特性曲线，并进行讨论、分析与比较。 【实验结果如下】： n+1 0≤n ≤3 8-n 4≤n ≤7 0 其它n 4-n 0≤n ≤3 n-3 4≤n ≤7 0 其它 n

实验结果图形与理论分析相符。（2）对以下周期序列进行谱分析： x4(n)=cos[(π/4)*n]

x5(n)= cos[(π/4)*n]+ cos[(π/8)*n] 选择FFT的变换区间N为8和16两种情况进行频谱分析，分别打印出幅频特性曲线，并进行讨论、分析与比较。 【实验结果如下】： （3）对模拟周期信号进行频谱分析： x6(n)= cos(8πt)+ cos(16πt)+ cos(20πt) 选择采样频率Fs=64Hz，FFT的变换区间N为16、32、64三种情况进行频谱分析，分别打印出幅频特性曲线，并进行讨论、分析与比较。 【实验结果如下】：

实验二 FFT算法的MATLAB实现

班级：学号：姓名 实验二FFT算法的MATLAB实现 （一）实验目的： （1）掌握用matlab进行FFT在数字信号处理中的高效率应用。 （2）学习用FFT对连续信号和时域离散信号进行谱分析。 （二）实验内容及运行结果： 题1：若x(n)=cos(nπ/6)是一个N=12的有限序列，利用MATLAB计算它的DFT 并进行IDFT变换同时将原图与IDFT变换后的图形进行对比。当求解IFFT变换中，采样点数少于12时，会产生什么问题。 程序代码： N=12; n=0:11; Xn=cos(n*pi/6); k=0:11; nk=n'*k; WN=exp(-j*2*pi/N) WNnk=WN.^nk XK=Xn*WNnk; figure(1) stem(Xn) figure(2) stem(abs(XK)) 运行结果：

IFFT变换中，当采样点数少于12时图像如下图显示：

分析：由图像可以看出，当采样点数小于12时，x(n)的频谱不变，周期为6，而XK 的频谱图发生改变。 题2：对以下序列进行谱分析 132()()103()8470x n R n n n x n n n =+≤≤?? =-≤≤??? 其他n 选择FFT 的变换区间N 为8和16点两种情况进行频谱分析，分别打印其幅频特 性曲线并进行对比、分析和讨论。 ㈠ 程序代码： x=ones(1,3);nx=0:2; x1k8=fft(x,8); F=(0:length(x1k8)-1)'*2/length(x1k8); %进行对应的频率转换 stem(f,abs(x1k8));%8点FFT title('8点FFTx_1(n)'); xlabel('w/pi'); ylabel('幅度'); N=8时：

按时间抽取的基2FFT算法分析与MATLAB实现

按时间抽取的基2FFT 算法分析及MATLAB 实现 一、DIT-FFT 算法的基本原理 基2FFT 算法的基本思想是把原始的N 点序列依次分解成一系列短序列，充分利用旋转因子的周期性和对称性，分别求出这些短序列对应的DFT ，再进行适当的组合，得到原N 点序列的DFT ，最终达到减少运算次数，提高运算速度的目的。 按时间抽取的基2FFT 算法，先是将N 点输入序列x(n)在时域按奇偶次序分解成2个N/2点序列x1(n)和x2(n)，再分别进行DFT 运算，求出与之对应的X1(k)和X2(k)，然后利用图1所示的运算流程进行蝶形运算，得到原N 点序列的DFT 。只要N 是2的整数次幂，这种分解就可一直进行下去，直到其DFT 就是本身的1点时域序列。 图1 DIT-FFT 蝶形运算流图 二、DIT-FFT 算法的运算规律及编程思想 1.原位计算 对N=M 2点的FFT 共进行M 级运算，每级由N/2个蝶形运算组成。在同一级中，每个蝶的输入数据只对本蝶有用，且输出节点与输入节点在同一水平线上，这就意味着每算完一个蝶后，所得数据可立即存入原输入数据所占用的数组元素(存储单元)，经过M 级运算后，原来存放输入序列数据的N 个存储单元中可依次存放X(k)的N 个值，这种原位(址)计算的方法可节省大量内存。 2.旋转因子的变化规律 N 点DIT ―FFT 运算流图中，每个蝶形都要乘以旋转因子p W N ，p 称为旋转因子的指数。例如N ＝8 ＝3 2 时各级的旋转因子： 第一级：L=1， 有1个旋转因子：p W N =J /4W N =J 2L W J=0 第二级：L=2，有2个旋转因子：p W N =J /2W N =J 2L W J=0,1 第三级：L=3，有4个旋转因子：p W N =J W N =J 2L W J=0,1,2,3 对于N ＝M 2的一般情况，第L 级共有1 -L 2个不同的旋转因子： p W N =J 2L W J=0,1,2,… ,1 -L 2－1 L 2=M 2×M -L 2 = N ·M -L 2 故： 按照上面两式可以确定第L 级运算的旋转因子

频域分析实验报告

频域分析实验报告 班级： 学号： 姓名：

一、实验内容： 1利用计算机作出开环系统的波特图； 2、观察记录控制系统的开环频率特性； 3、控制系统的开环频率特性分析。 二、仿真原理： 对数频率特性图（波特图）： 对数频率特性图包括了对数幅频特性图和对数相频特性图。横坐标为频率w，采用对数分度，单位为弧度/秒；纵坐标均匀分度，分别为幅值函数20lgA(w)，以dB表示；相角，以度表示。MATLAB提供了函数bode()来绘制系统的波特图，其用法如下： （1）bode(num，den)：可绘制出以连续时间多项式传递函数表示的系统的波特图。 （2）当带输出变量[mag，pha，w]或[mag，pha]引用函数时，可得到系统波特图相应的幅值mag、相角pha及角频率点w矢量或只是返回幅值与相角。相角以度为单位，幅值可转换为分贝单位：magdb=20×log10(mag) 二、实验验证 1、用Matlab作Bode图。要求:画出对应Bode图。 （1）G(S)=25/S2+4s+25 （7）G(S)=9(s2+0.2s+1)/s(s2+1.2s+9)；

图 1 图 2 (1)G(S)=25/S2+4s+25 可以看成是一个比例环节和一个振荡环节组成，所以k=1，T1=0.04,因为v=0，所以在转折频率之前都为20lgk，因为k=1所以斜率为0，经过转折频率，分段直线斜率的变化量为-40db/dec。

（7）G(S)=9(s2+0.2s+1)/s(s2+1.2s+9)； 可以看成是一个二阶微分环节和一个积分环节和一个振荡环节组成，化常数为1后，v=1，t1=1，t2=1/3，所以我们可以看到，在起始阶段是-20*vdb/dec，所以一开始斜率为-20db/dec。当经过1/3的转折频率之后分段直线的改变量为40db/dec，当经过1的转折频率之后分段直线的改变量为-40db/dec。故图像如图所示。 第二题： 典型二阶系统Gs=Wn2/s2+2ζWns+Wn2，试绘制取不同值时的Bode图。取Wn=8，ζ=0.1，0.2，0.3，,0.5，0.6； 图 3 如图所示。

FFT的定点DSP实现

1 引言 CCS(Code Composer Studio)是TI公司的DSP集成开发环境。它提供了环境配置、源文件编辑、程序调试、跟踪和分析等工具,帮助用户在一个软件环境下完成编辑、编译链接、调试和数据分析等工作。与TI提供的早期软件开发工具相比,利用CCS能够加快软件开发进程,提高工作效率。CCS一般工作在两种模式下:软件仿真器和与硬件开发板相结合的在线编程。前者可以脱离DSP芯片,在PC机上模拟DSP指令集与工作机制,主要用于前期算法实现和调试。后者实时运行在DSP芯片上,可以在线编制和调试应用程序。 2 C语言和汇编语言的混合编程 TMS320 C5000系列的软件设计通常有三种方法: (1) 用C语言开发; (2) 用汇编语言开发; (3) C和汇编的混合开发。 其中用C语言开发具有兼容性和可移植的优点,有利于缩短开发周期和减少开发难度,但是在运算量较大的情况下,C代码的效率还是无法和手工编写的汇编代码的效率相比,比如FFT运算,用汇编语言开发的效率高,程序执行速度快,而且可以合理利用芯片的硬件资源,但是开发难度较大,开发周期长,而且可读性和可移植性差。C和汇编的混合编程则可以充分利用前两者的优点,以达到最佳利用DSP资源的目的。但是,采用C和汇编语言混合编程必须遵循相关函数调用规则和寄存器调用规则,否则会给程序的开发带来意想不到的问题。 2.1 C语言和汇编语言混合编程的四种方法 (1) 独立编写汇编程序和C程序,分开编译或汇编成各自的目标代码模块,再用链接器将二者链接起来。这种方法比较灵活,但是设计者必须自己维护各汇编模块的入口和出口代码,自己计算传递的参数在堆栈中的偏移量,工作量较大,但是能做到对程序的绝对控制。 (2) 在C程序中使用汇编程序中定义的变量和常数。 (3) 在C程序中内嵌汇编语句。这种方法可以实现C语言无法实现的一些硬件控制功能,如修改中断控制寄存器。 (4) 将C语言编译生成相应的汇编代码,手工修改和优化C编译器生成的汇编代码。采用这种方法可以控制C编译器,从而产生具有交叉列表的汇编程序,而设计者可以对其中的汇编语句进行修改,然后对汇编程序进行编译,产生目标文件。

MATLAB中FFT结果的物理意义

FFT结果的物理意义 最近正在做一个音频处理方面的项目，以前没有学过fft，只是知道有这么个东西，最近这一用才发现原来欠缺这么多，最基本的，连fft的输入和输出各自代表什么都不知道了，终于在网上查到这样的一点资料，得好好保存了，也欢迎大家分享。 FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。虽然很多人都知道FFT是什么，可以用来做什么，怎么去做，但是却不知道FFT之后的结果是什意思、如何决定要使用多少点来做FFT。现在圈圈就根据实际经验来说说FFT结果的具体物理意义。一个模拟信号，经过ADC采样之后，就变成了数字信号。采样定理告诉我们，采样频率要大于信号频率的两倍，这些我就不在此罗嗦了。 采样得到的数字信号，就可以做FFT变换了。N个采样点，经过FFT之后，就可以得到N个点的FFT结果。为了方便进行FFT运算，通常N取2的整数次方。假设采样频率为Fs，信号频率F，采样点数为N。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。具体跟原始信号的幅度有什么关系呢？假设原始信号的峰值为A，那么FFT的结果的每个点（除了第一个点直流分量之外）的模值就是A的N/2倍。而第一个点就是直流分量，它的模值就是直流分量的N倍。而每个点的相位呢，就是在该频率下的信号的相位。第一个点表示直流分量（即0Hz），而最后一个点N的再下一个点（实际上这个点是不存在的，这里是假设的第N+1个点，也可以看做是将第一个点分做两半分，另一半移到最后）则表示采样频率Fs，这中间被N-1个点平均分成N等份，每个点的频率依次增加。例如某点n所表示的频率为：Fn=(n-1)*Fs/N（ps：横坐标第n个点对应的频率值Fn的计算公式。整个横坐标代表了采样频率Fs，被分为N点。故其频率分辨率为Fs/N）。由上面的公式可以看出，Fn所能分辨到频率为为Fs/N，如果采样频率Fs为1024Hz，采样点数为1024点，则可以分辨到1Hz。1024Hz的采样率采样1024点，刚好是1秒，也就是说，采样1秒时间的信号并做FFT，则结果可以分析到1Hz，如果采样2秒时间的信号并做FFT，则结果可以分析到0.5Hz。如果要提高频率分辨力，则必须增加采样点数，也即采样时间。频率分辨率和采样时间是倒数关系。 假设FFT之后某点n用复数a+bi表示，那么这个复数的模就是An=根号a*a+b*b，相位就是Pn=atan2(b,a)。根据以上的结果，就可以计算出n点（n≠1，且n<=N/2）对应的信号的表达式为：An/(N/2)*cos(2*pi*Fn*t+Pn)，即2*An/N*cos(2*pi*Fn*t+Pn)。对于n=1点的信号，是直流分量，幅度即为A1/N。由于FFT结果的对称性，通常我们只使用前半部分的结果，即小于采样频率一半的结果。 好了，说了半天，看着公式也晕，下面圈圈以一个实际的信号来做说明。假设我们有一个信号，它含有2V的直流分量，频率为50Hz、相位为-30度、幅度为3V的交流信号，以及一个频率为75Hz、相位为90度、幅度为1.5V的交流信号。用数学表达式就是如下：S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)式中cos参数为弧度，所以-30度和90度要分别换算成弧度。我们以256Hz的采样率对这个信号进行采样，总共采样256点。按照我们上面的分析，Fn=(n-1)*Fs/N，我们可以知道，每两个点之间的间距就是1Hz，第n个点的频率就是n-1。我们的信号有3个频率：0Hz、50Hz、75Hz，应该分别在第1个点、第51个点、第76个点上出现峰值，其它各点应该接近0。实际情况如何呢？我们来看看FFT的结果的模值如图所示。

MATLAB关于FFT频谱分析的程序

MATLAB关于FFT频谱分析的程序 %***************1.正弦波****************% fs=100;%设定采样频率 N=128; n=0:N-1; t=n/fs; f0=10;%设定正弦信号频率 %生成正弦信号 x=sin(2*pi*f0*t); figure(1); subplot(231); plot(t,x);%作正弦信号的时域波形 xlabel('t'); ylabel('y'); title('正弦信号y=2*pi*10t时域波形'); grid; %进行FFT变换并做频谱图 y=fft(x,N);%进行fft变换 mag=abs(y);%求幅值 f=(0:length(y)-1)'*fs/length(y);%进行对应的频率转换 figure(1); subplot(232); plot(f,mag);%做频谱图 axis([0,100,0,80]); xlabel('频率(Hz)'); ylabel('幅值');

title('正弦信号y=2*pi*10t幅频谱图N=128'); grid; %求均方根谱 sq=abs(y); figure(1); subplot(233); plot(f,sq); xlabel('频率(Hz)'); ylabel('均方根谱'); title('正弦信号y=2*pi*10t均方根谱'); grid; %求功率谱 power=sq.^2; figure(1); subplot(234); plot(f,power); xlabel('频率(Hz)'); ylabel('功率谱'); title('正弦信号y=2*pi*10t功率谱'); grid; %求对数谱 ln=log(sq); figure(1); subplot(235); plot(f,ln);

控制系统的频域分析实验报告

实验名称： 控制系统的频域分析 实验类型：________________同组学生姓名：__________ 一、实验目的和要求 用计算机辅助分析的方法，掌握频率分析法的三种方法，即Bode 图、Nyquist 曲线、Nichols 图。 二、实验内容和原理 （一）实验原理 1．Bode(波特)图 设已知系统的传递函数模型： 1 1211121)(+-+-+???+++???++=n n n m m m a s a s a b s b s b s H 则系统的频率响应可直接求出： 1 1211121)()()()()(+-+-+???+++???++=n n n m m m a j a j a b j b j b j H ωωωωω MATLAB 中，可利用bode 和dbode 绘制连续和离散系统的Bode 图。 2．Nyquist(奈奎斯特)曲线 Nyquist 曲线是根据开环频率特性在复平面上绘制幅相轨迹，根据开环的Nyquist 线，可判断闭环系统的稳定性。 反馈控制系统稳定的充要条件是，Nyquist 曲线按逆时针包围临界点(-1，j0)p 圈，为开环传递函数位于右半s 一平面的极点数。在MATLAB 中，可利用函数nyquist 和dnyquist 绘出连续和离散系统的乃氏曲线。 3．Nicho1s(尼柯尔斯)图 根据闭环频率特性的幅值和相位可作出Nichols 图，从而可直接得到闭环系统的频率特性。在 MATLAB 中，可利用函数nichols 和dnichols 绘出连续和离散系统的Nichols 图。 （二）实验内容 1．一系统开环传递函数为 ) 2)(5)(1(50)(-++=s s s s H 绘制系统的bode 图，判断闭环系统的稳定性，并画出闭环系统的单位冲击响应。 2．一多环系统 ) 10625.0)(125.0)(185.0(7.16)(+++=s s s s s G 其结构如图所示 试绘制Nyquist 频率曲线和Nichols 图，并判断稳定性。 （三）实验要求

实验五 用FFT对信号做频谱分析(数字信号实验)

备注：（1）、按照要求独立完成实验内容。 （2）、实验结束后，把电子版实验报告按要求格式改名，由实验教师批阅记录后；实验室 统一刻盘留档。 实验五 用FFT 对信号做频谱分析 一、实验目的 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，以便正确应用FFT 。 二、实验原理 用FFT 对信号作频谱分析是学习数字信号处理的重要内容。经常需要进行谱分析的信号是模拟信号和时域离散信号。对信号进行谱分析的重要问题是频谱分辨率D 和分析误差。频谱分辨率直接和FFT 的变换区间N 有关，因为FFT 能够实现的频率分辨率是 ，因此要求 。可以根据此式选择FFT 的变换区间N 。误差主要来自于用FFT 作频谱分析时，得到的是离散谱，而信号（周期信号除外）是连续谱，只有当N 较大时离散谱的包络才能逼近于连续谱，因此N 要适当选择大一些。 周期信号的频谱是离散谱，只有用整数倍周期的长度作FFT ，得到的离散谱才能代表周期信号的频谱。如果不知道信号周期，可以尽量选择信号的观察时间长一些。 对模拟信号进行谱分析时，首先要按照采样定理将其变成时域离散信号。如果是模拟周期信号，也应该选取整数倍周期的长度，经过采样后形成周期序列，按照周期序列的谱分析进行。 三、实验内容（包括代码与产生的图形及分析讨论） 1. 对以下序列进行谱分析: 1423()() 1,03 ()8,47 0, 4,03()3, 470, x n R n n n x n n n n n n x n n n n =+≤≤?? =-≤≤???-≤≤?? =-≤≤???

选择FFT 的变换区间N 为8和16 两种情况进行频谱分析。分别打印其幅频特性曲线, 并进行对比、分析和讨论。 解：（1）)(1n x 代码如下： x1n=[ones(1,4)]; X1k8=fft(x1n,8); X1k16=fft(x1n,16); subplot(2,1,1);mstem(X1k8); title('(1a) 8μ?DFT[x_1(n)]');xlabel('|?/|D');ylabel('·ù?è'); axis([0,2,0,1.2*max(abs(X1k8))]) subplot(2,1,2);mstem(X1k16); title('(1b)16μ?DFT[x_1(n)]');xlabel('|?/|D');ylabel('·ù?è'); axis([0,2,0,1.2*max(abs(X1k16))]) 图形如下： ω/π 幅度 (1a) 8点DFT[x 1(n)] ω/π 幅度 (1b)16点DFT[x 1(n)] （2）)(2n x 代码如下： M=8;xa=1:(M/2); xb=(M/2):-1:1; x2n=[xa,xb];

信号与系统实验报告实验三 连续时间LTI系统的频域分析

实验三 连续时间LTI 系统的频域分析 一、实验目的 1、掌握系统频率响应特性的概念及其物理意义； 2、掌握系统频率响应特性的计算方法和特性曲线的绘制方法，理解具有不同频率响应特性的滤波器对信号的滤波作用； 3、学习和掌握幅度特性、相位特性以及群延时的物理意义； 4、掌握用MA TLAB 语言进行系统频响特性分析的方法。 基本要求：掌握LTI 连续和离散时间系统的频域数学模型和频域数学模型的MATLAB 描述方法，深刻理解LTI 系统的频率响应特性的物理意义，理解滤波和滤波器的概念，掌握利用MATLAB 计算和绘制LTI 系统频率响应特性曲线中的编程。 二、实验原理及方法 1 连续时间LTI 系统的频率响应 所谓频率特性，也称为频率响应特性，简称频率响应（Frequency response ），是指系统在正弦信号激励下的稳态响应随频率变化的情况，包括响应的幅度随频率的变化情况和响应的相位随频率的变化情况两个方面。 上图中x(t)、y(t)分别为系统的时域激励信号和响应信号，h(t)是系统的单位冲激响应，它们三者之间的关系为：)(*)()(t h t x t y =，由傅里叶变换的时域卷积定理可得到： )()()(ωωωj H j X j Y = 3.1 或者： ) () ()(ωωωj X j Y j H = 3.2 )(ωj H 为系统的频域数学模型，它实际上就是系统的单位冲激响应h(t)的傅里叶变换。即 ? ∞ ∞ --= dt e t h j H t j ωω)()( 3.3

由于H(j ω)实际上是系统单位冲激响应h(t)的傅里叶变换，如果h(t)是收敛的，或者说是绝对可积（Absolutly integrabel ）的话，那么H(j ω)一定存在，而且H(j ω)通常是复数，因此，也可以表示成复数的不同表达形式。在研究系统的频率响应时，更多的是把它表示成极坐标形式： ) ()()(ω?ωωj e j H j H = 3.4 上式中，)j (ωH 称为幅度频率相应（Magnitude response ），反映信号经过系统之后，信号各频率分量的幅度发生变化的情况，)(ω?称为相位特性（Phase response ），反映信号经过系统后，信号各频率分量在相位上发生变换的情况。)(ωj H 和)(ω?都是频率ω的函数。 对于一个系统，其频率响应为H(j ω)，其幅度响应和相位响应分别为)(ωj H 和)(ω?，如果作用于系统的信号为t j e t x 0)(ω=，则其响应信号为 t j e j H t y 0)()(0ωω= t j j e e j H 00)(0)(ωω?ω=))((000)(ω?ωω+=t j e j H 3.5 若输入信号为正弦信号，即x(t) = sin(ω0t )，则系统响应为 ))(sin(|)(|)sin()()(00000ω?ωωωω+==t j H t j H t y 3.6 可见，系统对某一频率分量的影响表现为两个方面，一是信号的幅度要被)(ωj H 加权，二是信号的相位要被)(ω?移相。 由于)(ωj H 和)(ω?都是频率ω的函数，所以，系统对不同频率的频率分量造成的幅度和相位上的影响是不同的。 2 LTI 系统的群延时 从信号频谱的观点看，信号是由无穷多个不同频率的正弦信号的加权和（Weighted sum ）所组成。正如刚才所述，信号经过LTI 系统传输与处理时，系统将会对信号中的所有频率分量造成幅度和相位上的不同影响。从相位上来看，系统对各个频率分量造成一定的相位移（Phase shifting ），相位移实际上就是延时（Time delay ）。群延时（Group delay ）的概念能够较好地反

用matlab实现fft算法

A1=str2double(get(handles.edit8,'String')); A2=str2double(get(handles.edit9,'String')); F1=str2double(get(handles.edit10,'String')); F2=str2double(get(handles.edit11,'String')); Fs=str2double(get(handles.edit12,'String')); N=str2double(get(handles.edit13,'String')); t=[0:1/Fs:(N-1)/Fs]; x=A1*sin(2*pi*F1*t)+A2*sin(2*pi*F2*t); %信号x的离散值 axes(handles.axes1) %在axes1中作原始信号图 plot(x); grid on m=nextpow2(x);N=2^m; % 求x的长度对应的2的最低幂次m if length(x)

FFT详细分析

MATLAB中FFT的使用方法 2009-08-22 11:00 说明：以下资源来源于《数字信号处理的MATLAB实现》万永革主编 一.调用方法 X=FFT(x)； X=FFT(x，N)； x=IFFT(X); x=IFFT(X,N) 用MATLAB进行谱分析时注意： （1）函数FFT返回值的数据结构具有对称性。 例： N=8; n=0:N-1; xn=[4 3 2 6 7 8 9 0]; Xk=fft(xn) → Xk = 39.0000 -10.7782 + 6.2929i 0 - 5.0000i 4.7782 - 7.7071i 5.0000 4.7782 + 7.7071i 0 + 5.0000i -10.7782 - 6.2929i Xk与xn的维数相同，共有8个元素。Xk的第一个数对应于直流分量，即频率值为0。 （2）做FFT分析时，幅值大小与FFT选择的点数有关，但不影响分析结果。在IFFT时已经做了处理。要得到真实的振幅值的大小，只要将得到的变换后结果乘以2除以N即可。 二.FFT应用举例 例1：x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t)。采样频率fs=100Hz，分别绘制N=128、1024点幅频图。 clf; fs=100;N=128; %采样频率和数据点数 n=0:N-1;t=n/fs; %时间序列

x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %信号 y=fft(x,N); %对信号进行快速Fourier变换 mag=abs(y); %求得Fourier变换后的振幅 f=n*fs/N; %频率序列 subplot(2,2,1),plot(f,mag); %绘出随频率变化的振幅 xlabel('频率/Hz'); ylabel('振幅');title('N=128');grid on; subplot(2,2,2),plot(f(1:N/2),mag(1:N/2)); %绘出Nyquist频率之前随频率变化的振幅 xlabel('频率/Hz'); ylabel('振幅');title('N=128');grid on; %对信号采样数据为1024点的处理 fs=100;N=1024;n=0:N-1;t=n/fs; x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %信号 y=fft(x,N); %对信号进行快速Fourier变换 mag=abs(y); %求取Fourier变换的振幅 f=n*fs/N; subplot(2,2,3),plot(f,mag); %绘出随频率变化的振幅 xlabel('频率/Hz'); ylabel('振幅');title('N=1024');grid on; subplot(2,2,4) plot(f(1:N/2),mag(1:N/2)); %绘出Nyquist频率之前随频率变化的振幅xlabel('频率/Hz'); ylabel('振幅');title('N=1024');grid on; 运行结果：

用FFT对信号作频谱分析实验报告

实验一报告、用FFT 对信号作频谱分析 一、实验目的 学习用FFT 对连续信号和时域离散信号进行频谱分析的方法，了解可能出现的分析误差及其原因，以便正确应用FFT 。 二、实验内容 1．对以下序列进行频谱分析： ()() ()()4231038470n 4033 470n x n R n n n x n n n n n x n n n =+≤≤?? =-≤≤???-≤≤?? =-≤≤??? 其它其它 选择FFT 的变换区间N 为8和16两种情况进行频谱分析。分别打印其幅频特性曲线，并进行对比，分析和讨论。 2．对以下周期序列进行频谱分析： ()()45cos 4 cos cos 4 8 x n n x n n n π π π ==+ 选择FFT 的变换区间N 为8和16两种情况分别对以上序列进行频谱分析。分别打印其幅频特性曲线，并进行对比、分析和讨论。 3.对模拟信号进行频谱分析： ()8cos8cos16cos20x t t t t πππ=++ 选择采样频率64s F Hz =，对变换区间N=16，32，64 三种情况进行频谱分析。分别 打印其幅频特性，并进行分析和讨论。

三、实验程序 1.对非周期序列进行频谱分析代码： close all;clear all; x1n=[ones(1,4)]; M=8;xa=1:(M/2);xb=(M/2):-1:1;x2n=[xa,xb]; x3n=[xb,xa]; X1k8=fft(x1n,8);X1k16=fft(x1n,16); X2k8=fft(x2n,8);X2k16=fft(x2n,16); X3k8=fft(x3n,8);X3k16=fft(x3n,16); subplot(3,2,1);mstem=(X1k8);title('(1a)8点DFT[x_1(n)]'); subplot(3,2,2);mstem=(X1k16);title('(1b)16点DFT[x_1(n)]'); subplot(3,2,3);mstem=(X2k8);title('(2a)8点DFT[x_2(n)]'); subplot(3,2,4);mstem=(X2k16);title('(2b)16点DFT[x_2(n)]'); subplot(3,2,5);mstem=(X3k8);title('(3a)8点DFT[x_3(n)]'); subplot(3,2,6);mstem=(X3k16);title('(3b)16点DFT[x_3(n)]'); 2.对周期序列进行频谱分析代码： N=8;n=0:N-1; x4n=cos(pi*n/4); x5n=cos(pi*n/4)+cos(pi*n/8); X4k8=fft(x4n); X5k8=fft(x5n); N=16;n=0:N-1; x4n=cos(pi*n/4); x5n=cos(pi*n/4)+cos(pi*n/8); X4k16=fft(x4n); X5k16=fft(x5n); figure(2) subplot(2,2,1);mstem(X4k8);title('(4a)8点 DFT[x_4(n)]'); subplot(2,2,2);mstem(X4k16);title('(4b)16点DFT[x_4(n)]'); subplot(2,2,3);mstem(X5k8);title('(5a)8点DFT[x_5(n)]'); subplot(2,2,4);mstem(X5k16);title('(5a)16点DFT[x_5(n)]') 3.模拟周期信号谱分析 figure(3) Fs=64;T=1/Fs; N=16;n=0:N-1; x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T); X6k16=fft(x6nT); X6k16=fftshift(X6k16);

利用MATLAB实现信号DFT的计算

07级电信（2）班 刘坤洋 24 实验一 利用MATLAB 实现信号DFT 的计算 一、实验目的： 1、熟悉利用MATLAB 计算信号DFT 的方法 2、掌握利用MATLAB 实现由DFT 计算线性卷积的方法 二、实验设备：电脑、matlab 软件 三、实验内容： 1、练习用matlab 中提供的内部函数用于计算DFT （1） fft （x ），fft （x ，N ），ifft （x ），ifft （x ，N ）的含义及用法 （2） 在进行DFT 时选取合适的时域样本点数N 请举例，并编程实现 题目： 源程序： >> N=30; %数据的长度 >>L=512; %DFT 的点数 >>f1=100; f2=120; >>fs=600; %抽样频率 >>T=1/fs; %抽样间隔 >>ws=2*pi*fs; >>t=(0:N-1)*T; >>f=cos(4*pi*f1*t)+cos(4*pi*f2*t); >>F=fftshift(fft(f,L)); >>w=(-ws/2+(0:L-1)*ws/L)/(2*pi); >>hd=plot(w,abs(F)); >>ylabel('幅度谱') >> xlabel('频率/Hz') 的频谱 分析利用)π4cos()π4cos()(DFT 21t f t f t x +=Hz 600,Hz 120,Hz 10021===s f f f

>> title('my picture') 结果图： （3） 在对信号进行DFT 时选择hamming 窗增加频率分辨率 请举例，并编程实现 题目： 源程序：>> N=50; %数据的长度 >>L=512; %DFT 的点数 >>f1=100;f2=150; >>fs=600; %抽样频率 >>T=1/fs; %抽样间隔 >>ws=2*pi*fs; >>t=(0:N-1)*T; >>f=cos(4*pi*f1*t)+0.15*cos(4*pi*f2*t); 的频谱 分析利用)π4cos(15.0)π4cos()(DFT 21t f t f t x +=Hz 600,Hz 150,Hz 10021===s f f f