西电数字信号处理大作业文档格式.docx
- 文档编号:20596747
- 上传时间:2023-01-24
- 格式:DOCX
- 页数:24
- 大小:238.39KB
西电数字信号处理大作业文档格式.docx
《西电数字信号处理大作业文档格式.docx》由会员分享,可在线阅读,更多相关《西电数字信号处理大作业文档格式.docx(24页珍藏版)》请在冰豆网上搜索。
与m构造矩阵,xi向量与矩阵每一列相乘对应元素相加,构成DTFT后的矩阵
X2=x2*exp(-j*n'
X3=x3*exp(-j*n'
figure
(1);
subplot(3,2,1)
plot(m/pi,abs(X1));
xlabel('
\omega/π'
);
ylabel('
|H(e^j^\omega)|'
title('
采样频率为1000Hz时的幅度谱'
subplot(3,2,3)
plot(m/pi,abs(X2));
采样频率为300Hz时的幅度谱'
subplot(3,2,5)
plot(m/pi,abs(X3));
采样频率为200Hz时的幅度谱'
subplot(3,2,2)
plot(n,abs(x1));
n'
x1(t)'
采样频率为1000Hz时的时域波形'
subplot(3,2,4)
plot(n,abs(x2));
x2(t)'
采样频率为300Hz时的时域波形'
subplot(3,2,6)
plot(n,abs(x3));
x3(t)'
采样频率为200Hz时的时域波形'
波形图如下:
②时域离散信号、系统和系统响应分析。
Matlab源程序如下:
xb=[1];
xc=ones(1,10);
ha=ones(1,10);
hb=[1,2.5,2.5,1];
y=conv(xb,hb);
n1=0:
length(y)-1;
n2=0:
length(hb)-1;
figure
(1)
subplot(2,1,1);
stem(n1,y,'
filled'
y(n)'
y(n)的时域响应'
subplot(2,1,2);
stem(n1,hb,'
hb(n)'
hb(n)的时域相应'
w=linspace(-pi,pi,10000);
Y=y*exp(-j*n1'
*w);
Hb=hb*exp(-j*n2'
figure
(2)
subplot(2,2,1);
plot(w/pi,abs(Y));
幅度'
DTFT[y(n)]的幅度'
subplot(2,2,2);
plot(w/pi,angle(Y));
相位'
DTFT[y(n)]的相位'
subplot(2,2,3);
plot(w/pi,abs(Hb));
DTFT[Hb(n)]的幅度'
subplot(2,2,4);
plot(w/pi,angle(Hb));
DTFT[Hb(n)]的相位'
z=conv(xc,ha);
n3=0:
length(z)-1;
Z=z*exp(-j*n3'
figure(3);
plot(w/pi,abs(Z));
DTFT[z(n)]的幅度'
plot(w/pi,angle(Z));
DTFT[z(n)]的相位'
系统ha(n)对信号xc(n)的响应特性:
③由题目②中图2即可验证卷积定理。
(3)实验中的主要结论。
1.时域采样定理
只有当采样频率fs.max大于信号中最高频率fmax的2倍时(fs.max>
2fmax),即满足奈奎斯特定律的时候,采样之后的数字信号才能够不发生混叠,保留原有信号,不失真。
2.卷积定理:
时域卷积等于频域相乘。
3.任何函数和单位脉冲函数卷积得到的都是它本身。
4.当所取得N不同时,卷积出来的结果也不同。
(4)思考题
●在分析理想采样序列特性的实验中,采样频率不同时,相应理想采样序列的傅里叶变换频谱的数字频率度量是否都相同?
它们所对应的模拟频率是否相同?
为什么?
答:
数字频率度量不相同,但他们所对应的模拟频率相同。
由w=Ω*Ts得,采样间隔变化时模拟频率对应的数字频率会有相应的变化,故其度量会有所变化。
●在卷积定理验证的实验中,如果选用不同的频域采样点数M值,例如,选M=10和M=20,分别做序列的傅里叶变换,求得的结果有无差异?
有差异,所得到的结果点数不同
实验二:
用FFT作谱分析
(1)简述实验目的及实验原理。
实验目的
●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)。
●熟悉FFT算法原理和FFT子程序的应用。
●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。
(2)结合实验中所得给定典型序列幅频特性曲线,与理论结果比较,并分析说明误差产生的原因以及用FFT作谱分析时有关参数的选择方法。
1)Matlab源程序如下
N=64;
999;
fs=50;
T=1/fs;
x1=ones(1,4);
x2=[1,2,3,4,4,3,2,1];
x3=[4,3,2,1,1,2,3,4];
x4=cos(0.25*pi*n);
x5=sin(0.125*pi*n);
x6=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);
X10=fft(x1,N);
X20=fft(x2,N);
X30=fft(x3,N);
X40=fft(x4,N);
X50=fft(x5,N);
X60=fft(x6,N);
X1=fftshift(X10);
X2=fftshift(X20);
X3=fftshift(X30);
X4=fftshift(X40);
X5=fftshift(X50);
X6=fftshift(X60);
k1=0:
31;
k2=32:
63;
w1=2*pi*fs*k1/N;
w2=(2*pi*k2/N-2*pi)*fs;
w=[w2w1];
length(x1)-1;
stem(n1,x1);
x1(n)'
x1(n)的时域波形'
stem(w,abs(X1));
w'
|X1(k)|'
DFT(x1)幅频特性'
)
length(x2)-1;
stem(n2,x2);
x2(n)'
x2(n)的时域波形'
stem(w,abs(X2));
|X2(k)|'
DFT(x2)幅频特性'
figure(3)
length(x3)-1;
stem(n3,x3);
x3(n)'
x3(n)的时域波形'
stem(w,abs(X3));
|X3(k)|'
DFT(x3)幅频特性'
figure(4)
stem(w,abs(X4));
|X4(k)|'
DFT(x4)幅频特性'
figure(5)
stem(w,abs(X5));
|X5(k)|'
DFT(x5)幅频特性'
figure(6)
stem(w,abs(X6));
|X6(k)|'
DFT(x6)幅频特性'
(2)x(n)=x4(n)+x5(n)
8点离散傅立叶变换Matlab源程序如下:
N=8;
7;
xn=x4+x5;
X10=fft(xn,N);
stem(abs(X1));
axisauto;
k'
|Xn(k)|'
8点DFT[x(n)]幅频特性'
16点离散傅立叶变换Matlab源程序如下:
M=16;
15;
X20=fft(xn,M);
stem(abs(X2));
16点DFT[x(n)]幅频特性'
(3)x(n)=x4(n)+jx5(n)
x4=cos(0.25*pi*n*T);
x5=sin(0.125*pi*n*T);
xn=x4+j*x5;
(3)总结实验所得主要结论。
序列的N点离散傅里叶变换是其z变换在单位圆上的N点等间隔采样,也是其离散时间傅里叶变换在[0,2π]区间上的N点等间隔采样。
DFT的变换区间长度N不同,表示对X(z)的单位圆上,或对其离散时间傅里叶变换在[0,2π]区间上的采样间隔和采样点数不同,因而DFT的变换结果不同。
信号的DFT变换分为共轭对称部分合共个反对称部分,即信号的实部对应离散傅里叶变换的共轭对称部分,虚部对应离散信号的共轭反对称部分。
(4)思考题
●在N=8时,x2(n)和x3(n)的幅频特性会相同吗?
为什么?
N=16呢?
N=8时幅频特性一样,N=16时幅频特性不一样。
●如果周期信号的周期预先不知道,如何用FFT进行谱分析?
设一个定长的m值,先取2m,看2m/m的误差是否大,如大的话再取4m,看4m/2m的误差是否大,如不大,4m(4倍的m值)则可近似原来点的谱分析。
实验三:
用窗函数法设计FIR数字滤波器
(1)掌握用窗函数法设计FIR数字滤波器的原理和方法。
(2)熟悉线性相位FIR数字滤波器特性。
(3)了解各种窗函数对滤波特性的影响。
(2)实验结果
●矩型窗、升余弦窗、改进升余弦窗和二阶升余弦窗的窗函数及频谱特
Matlab源程序如下:
N=31;
wdrec=boxcar(N);
[hrec,w]=freqz(wdrec,1);
subplot(1,2,1)
stem(wdrec);
\omega(n)'
矩形窗函数'
subplot(1,2,2);
plot(w/pi,10*log(abs(hrec)/abs(hrec
(1))));
ω/Π'
W(\omega)/dB'
矩形窗函数幅度特性'
wdhan=hanning(N);
[hhan,w]=freqz(wdhan,1);
stem(wdhan);
汉宁窗函数'
plot(w/pi,10*log(abs(hhan)/abs(hhan
(1))));
汉宁窗函数幅度特性'
wdham=hamming(N);
[hham,w]=freqz(wdham,1);
stem(wdham);
汉明窗函数'
plot(w/pi,10*log(abs(hham)/abs(hham
(1))));
汉明窗函数幅度特性'
wdblack=blackman(N);
[hblack,w]=freqz(wdblack,1);
stem(wdblack);
布莱克曼窗函数'
plot(w/pi,10*log(abs(hblack)/abs(hblack
(1))));
布莱克曼窗函数幅度特性'
●利用不同窗函数与hd(n)构成系统,其单位脉冲相应及频谱特性
a=(N-1)/2;
fp=120;
fs=150;
Fs=1000;
%以上数据自由选取
wc=(fp+fs)/Fs;
h1=fir1(N-1,wc,boxcar(N));
h2=fir1(N-1,wc,hanning(N));
h3=fir1(N-1,wc,hamming(N));
h4=fir1(N-1,wc,blackman(N));
[H1,w]=freqz(h1,1);
[H2,w]=freqz(h2,1);
[H3,w]=freqz(h3,1);
[H4,w]=freqz(h4,1);
stem(h1);
h1(n)'
矩形窗数字滤波器单位脉冲响应'
plot(w/pi,10*log(abs(H1)/abs(H1
(1))));
矩形窗数字滤波器幅频特性'
stem(h2);
h2(n)'
汉宁窗数字滤波器单位脉冲响应'
plot(w/pi,10*log(abs(H2)/abs(H2
(1))));
汉宁窗数字滤波器幅频特性'
stem(h3);
h3(n)'
汉明窗数字滤波器单位脉冲响应'
plot(w/pi,10*log(abs(H3)/abs(H3
(1))));
汉明窗数字滤波器幅频特性'
stem(h4);
h4(n)'
布莱克曼窗数字滤波器单位脉冲响应'
plot(w/pi,10*log(abs(H4)/abs(H4
(1))));
布莱克曼窗数字滤波器幅频特性'
(3)总结用窗函数法设计FIR滤波器的主要特点。
FIR滤波器目前常用的设计方法有窗函数法和频率采样法,窗函数法是从时域进行设计,而频率采样法是从频域进行设计.窗函数法由于简单、物理意义清晰,因而得到了较为广泛的应用.
窗函数法设计的基本思想是:
首先根据技术指标要求,选取合适的阶数N和窗函数的类型w(n),使其幅频特性逼近理想滤波器幅频特性.其次,因为理想滤波器的hd(n)是无限长的,所以需要对hd(n)进行截断,数学上称这种方法为窗函数法.简而言之,用窗函数法设计FIR滤波器是在时域进行的,先用傅里叶变换求出理想滤波器单位抽样相应hd(n),然后加时间窗w(n)对其进行截断,以求得FIR滤波器的单位抽样响应h(n).
(3)思考题
(1)如果给定通带截止频率和阻带截止频率以及阻带最小衰减,如何用窗函数法设计线性相位低通滤波器?
写出设计步骤。
①根据所需设计的数字滤波器类型,确定线性相位数字滤波器类型,
②选择合适的窗函数;
③确定理想低通数字滤波器的频率响应函数;
④计算理想低通数字滤波器的单位脉冲响应;
⑤加窗得到设计结果;
如果要求用窗函数法设计带通滤波器,且给定上、下边带截止频率为ω1和ω2,试求理想带通的单位脉冲响应hd(n)。
hd(n)=1/2π∫w1w0e-jwaejnwdw+1/2π∫w2w3e-jwaejnwdw(其中w0=-w0-wc,w1=-w0+wc,w2=w0-wc,w3=w0+wc)
计算整理后可得:
hd(n)=2/((n-a)*π)*sin[(n-a)wc]*cos[(n-a)w0]
=2wc/π*sa[(n-a)wc]*cos[(n-a)w0]
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数字信号 处理 作业