实验4DFT变换的性质及应用.docx
- 文档编号:9619189
- 上传时间:2023-02-05
- 格式:DOCX
- 页数:15
- 大小:626.04KB
实验4DFT变换的性质及应用.docx
《实验4DFT变换的性质及应用.docx》由会员分享,可在线阅读,更多相关《实验4DFT变换的性质及应用.docx(15页珍藏版)》请在冰豆网上搜索。
实验4DFT变换的性质及应用
课程编号
实验项目序号
本科学生实验卡和实验报告
信息科学与工程学院
通信工程专业2013级 1301班
课程名称:
数字信号处理
实验项目:
DFT变换的性质及应用
2015~~2016学年第二学期
学号:
201308030104_姓名:
___王少丹_____专业年级班级:
____通信1301______
_____四合院____实验室组别________实验日期__2016年_5月__22日
课程名称
数字信号处理
实验课时
4
实验项目名称
和编号
DFT变换的性质及应用
同组者姓名
实验目的
1、实现信号的DFT变换
2、了解DFT应用:
(1)用DFT计算卷积
1、 线性卷积
y(n)=x(n)*h(n)
设两序列分别的长度是N和M,线性卷积后的序列长度为(N+M-1)
2、 循环卷积
和的N点DFT分别为:
X1(k)=DFT[]
X2(k)=DFT[]
如果X(k)=X1(k)X2(k),0≤k≤N-1
则:
x(n)=IDFT[X(k)]=
x(n)
3、 循环卷积的计算
由于DFT有快速算法FFT,当N很大时,在频域计算的速度快得多,因而常用DFT(FFT)计算循环卷积。
4、 利用循环卷积计算线性卷积
在实际应用中,为了分析时域离散线性系统对序列进行滤波处理等,需要计算两个序列的线性卷积。
与计算循环卷积一样,为了提高运算速度,也希望用DFT(FFT)计算线性卷积。
而DFT只能直接用来计算循环卷积。
(2)用DFT对序列进行谱分析
所谓信号的谱分析,就是计算信号的傅立叶变换。
连续信号与系统的傅立叶分析显然不便于直接用计算机进行计算,使其应用受到限制,而DFT是一种时域和频域均离散化的变换,适合数值运算。
对连续信号和系统,可以通过时域采样,应用DFT进行近似谱分析。
1、用DFT对连续信号进行谱分析
傅立叶变换理论:
若信号持续时间有限长,则其频谱无限宽;若频谱有限宽,则其持续时间无限长。
所以,严格地讲,持续时间有限的带限信号是不存在的。
但在工程中,常用DFT对连续信号进行谱分析。
对于持续时间无限长的信号,采样点数太多以至无法存储和计算,只好截取有限点;对于频谱很宽的信号,为防止时域采样后频谱混叠失真,可用预滤波法滤除幅度较小的高频成分,使连续信号的带宽小于折叠频率。
这样,连续信号持续时间为有限长,为有限带宽。
为了利用DFT对进行频谱分析,先对进行时域采样得x(n),再对x(n)进行DFT得到X(k),X(k)为x(n)的傅立叶变换在频率区间[0,2p]上的N点等间隔采样。
这里X(k)和x(n)均为有限长。
所以用DFT对连续信号进行谱分析是近似的,其近似程度与信号带宽、采样频率和截取长度有关。
2、用DFT进行谱分析存在的问题
栅栏效应:
只能看见N个离散采样点的谱特性,看不到的全部频谱特性。
由于栅栏效应,有可能漏掉(挡住)大的频谱分量。
为了把原来被“栅栏”挡住的频谱分量检测出来,可以采用在原序列尾部补零的方法,改变序列长度N(即改变DFT变换区间长度),从而增加频域采样点数和采样点位置,使原来漏掉的某些频谱分量被检测出来。
实验环境
MATLAB
实验内容
和原理
实验步骤
方法
关键代码
Dft1.m:
function[am,pha]=dft1(x)
N=length(x);
w=exp(-j*2*pi/N);
fork=1:
N
sum=0;
forn=1:
N
sum=sum+x(n)*w^(k-1)*(n-1);
end
am(k)=abs(sum);
pha(k)=angle(sum);
end
dft2.m:
function[am,pha]=dft2(x)
N=length(x);
n=[0:
N-1];
k=[0:
N-1];
w=exp(-j*2*pi/N);
nk=n'*k;
wnk=w.^(nk);
Xk=x*wnk;
am=abs(Xk);
pha=angle(Xk)
dft3.m:
function[amfft,phafft]=dft3(x)
N=length(x);
Xk=fft(x);
amfft=abs(Xk);
phafft=angle(Xk);
实验结果:
用三种不同的DFT程序计算x(n)(0.9)^n(n=0,1,2,…,7)的傅立叶变换X(k),并比较三种程序的计算机运行时间
T1 任务2、给定x(n)=nR16(n),h(n)=R8(n)利用DFT实现两序列的线性卷积运算,并研究DFT的点数与混叠的关系,并用stem(n,y)画出相应的图形 代码: dft4.m: %%%%%%%%%%%%%%%%%%%ÈÎÎñ2%%%%%%%%%%%%%%%% %N1+N2-1=23<32 N=32; x=[0: 15]; xx=[x,zeros(1,16)]; h=[ones(1,8),zeros(1,24)]; Xk=fft(xx,N); Hk=fft(h,N); Yk=Xk.*Hk; y=ifft(Yk,N); n=0: N-1; stem(n,y); holdon %N=N1=16 N1=16; x1=[0: 15]; h1=[ones(1,8),zeros(1,8)]; Xk1=fft(x1,N1); Hk1=fft(h1,N1); Yk1=Xk1.*Hk1; y1=ifft(Yk1,N1); n1=0: N-1; stem(n1,y1,'.','m'); 任务3、讨论序列补零及增加数据长度对信号频谱的影响 (1)求出序列x(n)=cos(0.48n)+cos(0.52n)基于有限个样点n=10的频谱; (2)求n=100时,取x(n)的前10个,后90个设为零,得到x(n)的频谱; (3)增加x(n)有效的样点数,取100个样点得到x(n)的频谱 实验代码: 任务一: n=[0: 7]; x=(0.9).^n; figure (1) [am,pha]=dft1(x); t1=cputime subplot(3,1,1); stem(x); subplot(3,1,2); stem(am); subplot(3,1,3); stem(pha); figure (2) [am,pha]=dft2(x) t2=cputime subplot(3,1,1); stem(x); subplot(3,1,2); stem(am); subplot(3,1,3); stem(pha); figure(3) [amfft,phafft]=dft3(x) t3=cputime subplot(3,1,1); stem(x); subplot(3,1,2); stem(am); subplot(3,1,3); stem(pha); 任务三: dft5.m: %%%%%%%%%%%%%%ÈÎÎñ3%%%%%%%%%%%%%%%%% %x(n)基于10个样点的频谱 figure (1) n=[0: 1: 99]; x=cos(0.48*pi*n)+cos(0.52*pi*n); n1=[0: 1: 9];y1=x(1: 1: 10); subplot(2,1,1);stem(n1,y1);title('signalx(n),0<=n<=9');xlabel('n') axis([0,10,-2.5,2.5]) Y1=fft(y1);magY1=abs(Y1(1: 1: 6)); k1=0: 1: 5;w1=2*pi/10*k1; subplot(2,1,2);stem(w1/pi,magY1);title('10µãDFT'); xlabel('w/pi'),axis([0,1,0,10]) %在10个样点的基础上添90个零,得到密度高的频谱 figure (2) n3=[0: 1: 99];y3=[x(1: 1: 10)zeros(1,90)];%添90个零,得到100个数据 subplot(2,1,1);stem(n3,y3);title('signalx(n),0<=n<=9+90');xlabel('n') axis([0,100,-2.5,2.5]) Y3=fft(y3);magY3=abs(Y3(1: 1: 51)); k3=0: 1: 50;w3=2*pi/100*k3; subplot(2,1,2);stem(w3/pi,magY3);title('100µãDFT'); xlabel('w/pi'),axis([0,1,0,10]) %增加x(n)有效的样点数,取100个样点 figure(3) n=[0: 1: 99]; x=cos(0.48*pi*n)+cos(0.52*pi*n); subplot(2,1,1);stem(n,x);title('signalx(n),0<=n<=99');xlabel('n') axis([0,100,-2.5,2.5]) X=fft(x);magX=abs(X(1: 1: 51)); k=0: 1: 50;w=2*pi/100*k; subplot(2,1,2);stem(w/pi,magX);title('100µãDFT'); xlabel('w/pi'),axis([0,1,0,60]) 测试记录 实验数据与理论相符。 分析 结论 小结 离散傅里叶变换(DiscreteFourierTransform,缩写为DFT),是傅里叶变换在时域和频域上都呈离散的形式,将信号的时域采样变换为其DTFT的频域采样。 在形式上,变换两端(时域和频域上)的序列是有限长的,而实际上这两组序列都应当被认为是离散周期信号的主值序列。 即使对有限长的离散信号作DFT,也应当将其看作其周期延拓的变换。 在实际应用中通常采用快速傅里叶变换计算DFT。 离散傅里叶变换的性质: 线性,循环移位定理,循环卷积定理, 以下由实验教师填写 记事 评议 成绩评定 平时成绩_______实验报告成绩________综合成绩_________ 指导教师签名: 如有侵权请联系告知删除,感谢你们的配合!
- 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:
- 实验 DFT 变换 性质 应用