连续信号(三) | 周期信号的频谱分析 | 傅里叶级数展开式 + 频谱特性
连续信号的频域分析
由信号正交分解的思想可知,由于三角函数集是完备正交函数集,任意信号都可以分解为三角函数表达形式,换言之,任意信号都可视为一系列正弦信号的组合,这些正弦信号的频率、相位等特性势必反映了原信号的性质,这样出现了用频率域的特性来描述时间域信号的方法,即信号的频域分析法。频率特性是信号的客观性质,如光线的颜色、声音的音调,比信号的时域特性更能反映信号的基本特性。
周期信号的频谱分析
周期信号:
x(t)=x(t+mT)m=0,±1,±2,⋯x(t)=x(t+mT) \quad m=0,\pm1,\pm2,\cdots x(t)=x(t+mT)m=0,±1,±2,⋯
信号的角频率为$w=2\pi f $
(一)周期信号的傅里叶级数展开式
狄利赫里条件:
- 函数x(t)x(t)x(t)在一个周期内绝对可积,即∫−T02T02∣x(t)∣dt<∞\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}|x(t)|dt<\infty∫−2T02T0∣x(t)∣dt<∞
- 函数在一个周期内只有有限个不连续点,在这些点上函数取有限值
- 函数在一个周期内只有有限个极大值和极小值
通常的周期信号都满足该条件。
一个周期为T0=2πw0T_0=\frac{2\pi}{w_0}T0=w02π的周期信号,只要满足狄利赫里(Dirichlet)条件,都可以分解成三角函数表达式,即
x(t)=a02+∑n=1∞(ancosnw0t+bnsinnw0t)(1)x(t)=\frac{a_0}{2}+\sum_{n=1}^\infty(a_ncos\,nw_0t+b_nsin\,nw_0t) \tag{1} x(t)=2a0+n=1∑∞(ancosnw0t+bnsinnw0t)(1)
上式的无穷级数称为三角傅里叶级数。式中,an(n=0,1,2,⋯)、bn(n=0,1,2,⋯)a_n(n=0,1,2,\cdots)、b_n(n=0,1,2,\cdots)an(n=0,1,2,⋯)、bn(n=0,1,2,⋯)为傅里叶系数。
为了求得傅里叶系数,可将式(1)两边在一个周期内(为简单起见−T02∼T02-\frac{T_0}{2}\sim \frac{T_0}{2}−2T0∼2T0)对时间进行积分,则得
∫−T02T02x(t)dt=∫−T02T02a02dt+0=12a0T0a0=2T0∫−T02T02x(t)dt(2)\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}x(t)dt=\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}\frac{a_0}{2}dt+0=\frac{1}{2}a_0T_0 \\ a_0=\frac{2}{T_0}\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}x(t)dt \quad\quad\quad (2) ∫−2T02T0x(t)dt=∫−2T02T02a0dt+0=21a0T0a0=T02∫−2T02T0x(t)dt(2)
同理,将式(1)两边乘以cosnw0tcos\,nw_0tcosnw0t后在一个周期内求积分,并利用三角函数集的正交特性,得
∫−T02T02x(t)cosnw0tdt=∫−T02T02ancosnw0t⋅cosnw0tdt=12anT0an=2T0∫−T02T02x(t)cosnw0tdtn=1,2,⋯(3)\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}x(t)cos\,nw_0tdt=\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}a_ncos\,nw_0t·cos\,nw_0tdt = \frac{1}{2}a_nT_0 \\ a_n=\frac{2}{T_0}\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}x(t)cos\,nw_0tdt \quad n=1,2,\cdots \quad \quad(3) ∫−2T02T0x(t)cosnw0tdt=∫−2T02T0ancosnw0t⋅cosnw0tdt=21anT0an=T02∫−2T02T0x(t)cosnw0tdtn=1,2,⋯(3)
类似地,将式(1)两边乘以sinw0tsin\,w_0tsinw0t后在一个周期内求积分,得
bn=2T0∫−T02T02x(t)sinnw0tdtn=1,2,⋯b_n=\frac{2}{T_0}\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}x(t)sin\,nw_0tdt \quad n=1,2,\cdots bn=T02∫−2T02T0x(t)sinnw0tdtn=1,2,⋯
显然式(2)可以合并到式(3)中,并且ana_nan和bnb_nbn分别是n的偶函数和奇函数。将式(1)中的同频率项合并,得
x(t)=A02+∑n=1∞Ancos(nw0t+φn)(4)x(t)=\frac{A_0}{2}+\sum_{n=1}^\infty A_ncos(nw_0t+\varphi_n) \tag{4} x(t)=2A0+n=1∑∞Ancos(nw0t+φn)(4)
式中
A0=a0,An=an2+bn2,φn=−arctanbnan(5)A_0=a_0, \quad A_n =\sqrt{a_n^2+b_n^2} ,\quad \varphi_n=-arctan\frac{b_n}{a_n} \quad \tag{5} A0=a0,An=an2+bn2,φn=−arctananbn(5)
式(4)是三角傅里叶级数的另外一种形式,它表明一个周期信号可以分解为直流分量和一系列余弦或正弦形式的交流分量。由式(2)可进一步知道,其中的直流分量是信号在一个周期内的平均值。
信号的三角傅里叶级数形式具有比较明确的物理意义,但运算不方便。在连续信号的时域描述中知道,正弦型信号和复指数型信号具有同一性。而且复指数函数集{ejnw0t}(n=0,±1,±2,⋯)\{e^{jnw_0t}\}(n=0,\pm 1,\pm 2,\cdots){ejnw0t}(n=0,±1,±2,⋯)在t0,t0+2πw0t_0,t_0+\frac{2\pi}{w_0}t0,t0+w02π内是完备正交函数集,因此,可以得出傅里叶级数的指数形式。
式(4)可以写成
x(t)=A02+∑n=1∞An2[ej(nw0t+φn)+e−j(nw0t+φn)]=A02+12∑n=1∞Anejφnejnw0t+12∑n=1∞Ane−jφne−jnw0tx(t)=\frac{A_0}{2}+\sum_{n=1}^\infty\frac{A_n}{2}[e^{j(nw_0t+\varphi_n)}+e^{-j(nw_0t+\varphi_n)}] \\ =\frac{A_0}{2}+\frac{1}{2}\sum_{n=1}^\infty A_ne^{j\varphi_n}e^{jnw_0t}+\frac{1}{2}\sum_{n=1}^{\infty}A_ne^{-j\varphi_n}e^{-jnw_0t} x(t)=2A0+n=1∑∞2An[ej(nw0t+φn)+e−j(nw0t+φn)]=2A0+21n=1∑∞Anejφnejnw0t+21n=1∑∞Ane−jφne−jnw0t
由式(5)可知,AnA_nAn是n的偶函数,φn\varphi_nφn是n的奇函数,上式可写为
x(t)=A02+12∑n=1∞Anejwnejnw0t+12∑n=−1−∞Anejφnejnw0tx(t)=\frac{A_0}{2}+\frac{1}{2}\sum_{n=1}^{\infty}A_ne^{jw_n}e^{jnw_0t}+\frac{1}{2}\sum_{n=-1}^{-\infty}A_ne^{j\varphi_n}e^{jnw_0t} x(t)=2A0+21n=1∑∞Anejwnejnw0t+21n=−1∑−∞Anejφnejnw0t
考虑到φ0=0\varphi_0=0φ0=0,A0A_0A0可以表示为A0ejw0ejnw0tA_0e^{jw_0}e^{jnw_0t}A0ejw0ejnw0t,上式可进一步写为
x(t)=12∑n=−∞∞Anejφnejnw0t=∑n=−∞∞X(nw0)ejnw0tx(t)=\frac{1}{2}\sum_{n=-\infty}^{\infty}A_ne^{j\varphi_n}e^{jnw_0t}=\sum_{n=-\infty}^{\infty}X(nw_0)e^{jnw_0t} x(t)=21n=−∞∑∞Anejφnejnw0t=n=−∞∑∞X(nw0)ejnw0t
这是傅里叶级数的指数形式,其中复数量X(nw0)=12AnejφnX(nw_0)=\frac{1}{2}A_ne^{j\varphi_n}X(nw0)=21Anejφn称为复傅里叶系数,是n(或nw0nw_0nw0)的函数,可求得如下
X(nw0)=12Anejφn=12[Ancosφn+jAnsinφn]=12(an−jbn)=1T0∫−T02T02x(t)cosnw0tdt−j1T0∫−T02T02x(t)sinnw0tdt=1T0∫−T02T02x(t)e−jnw0tdtn=0,±1,±2,⋯(6)X(nw_0)=\frac{1}{2}A_ne^{j\varphi_n}=\frac{1}{2}[A_ncos\varphi_n+jA_nsin\varphi_n] = \frac{1}{2}(a_n-jb_n) \\ =\frac{1}{T_0}\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}x(t)cos\,nw_0tdt-j\frac{1}{T_0}\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}x(t)sin\,nw_0tdt \\ =\frac{1}{T_0}\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}x(t)e^{-jnw_0t}dt \quad n=0,\pm1,\pm 2,\cdots \quad \quad (6) X(nw0)=21Anejφn=21[Ancosφn+jAnsinφn]=21(an−jbn)=T01∫−2T02T0x(t)cosnw0tdt−jT01∫−2T02T0x(t)sinnw0tdt=T01∫−2T02T0x(t)e−jnw0tdtn=0,±1,±2,⋯(6)
式中,Ancosφn=an,Ansinφn=−bnA_ncos\varphi_n=a_n,A_nsin\varphi_n=-b_nAncosφn=an,Ansinφn=−bn,很容易从式(5)看出。
例1:求下图所示的周期矩形脉冲信号的复指数形式傅里叶级数表示式。
矩形脉冲信号在一个周期内可表示为
x(t)={E−τ2≤t≤τ20其他x(t)=\begin{cases} E & -\frac{\tau}{2}\leq t\leq \frac{\tau}{2} \\ 0 & 其他 \end{cases} x(t)={E0−2τ≤t≤2τ其他
按式(6)可求得复指数形式傅里叶系数
X(nw0)=1T0∫−T02T02x(t)e−jnw0tdt=EτT0sin12nw0τ12nw0τX(nw_0)=\frac{1}{T_0}\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}x(t)e^{-jnw_0t}dt=\frac{E\tau}{T_0}\frac{sin\frac{1}{2}nw_0\tau}{\frac{1}{2}nw_0\tau} X(nw0)=T01∫−2T02T0x(t)e−jnw0tdt=T0Eτ21nw0τsin21nw0τ
x(t)=EτT0∑n=−∞∞Sa(nw0τ2)ejnw0tx(t)=\frac{E\tau}{T_0}\sum_{n=-\infty}^{\infty}Sa(\frac{nw_0\tau}{2})e^{jnw_0t} x(t)=T0Eτn=−∞∑∞Sa(2nw0τ)ejnw0t
对于实信号x(t)x(t)x(t),由于X∗(t)=x(t)X^*(t)=x(t)X∗(t)=x(t),有
x(t)=∑n=−∞∞X∗(nw0)e−jnw0tx(t)=\sum_{n=-\infty}^{\infty}X^*(nw_0)e^{-jnw_0t} x(t)=n=−∞∑∞X∗(nw0)e−jnw0t
用-n代替n,则
x(t)=∑n=−∞∞X∗(−nw0)ejnw0tx(t)=\sum_{n=-\infty}^{\infty}X^*(-nw_0)e^{jnw_0t} x(t)=n=−∞∑∞X∗(−nw0)ejnw0t
复傅里叶系数的重要性质:X∗(−nw0)=X(nw0)X^*(-nw_0)=X(nw_0)X∗(−nw0)=X(nw0)或X∗(nw0)=X(−nw0)X^*(nw_0)=X(-nw_0)X∗(nw0)=X(−nw0)
取样函数为sinxx\frac{sinx}{x}xsinx,记作Sa(x)Sa(x)Sa(x),它是偶函数,当x→0x\to 0x→0时,Sa(x)=1Sa(x)=1Sa(x)=1为最大值,随着∣x∣|x|∣x∣的增大而总趋势衰减,x=±π,±2π,⋯x=\pm \pi,\pm 2\pi,\cdotsx=±π,±2π,⋯为过零点,每2π2\pi2π起伏一次,于是X(nw0)X(nw_0)X(nw0)可写成X(nw0)=EτT0Sa(nw0τ2),n=0,±1,⋯X(nw_0)=\frac{E\tau}{T_0}Sa(\frac{nw_0\tau}{2}),\quad n=0,\pm1,\cdotsX(nw0)=T0EτSa(2nw0τ),n=0,±1,⋯
可见例1所表示的周期矩形脉冲信号的复傅里叶系数是在Sa(wτ2)Sa(\frac{w\tau}{2})Sa(2wτ)包络函数上以w0w_0w0等间隔取得的样本,其最大值(n=0处)(n=0处)(n=0处)和过零点都由占空比τT0\frac{\tau}{T_0}T0τ决定。
(二)周期信号的频谱
周期信号可以分解为一系列正弦型信号之和,即
x(t)=A02+∑n=1∞Ancos(nw0t+φn)x(t)=\frac{A_0}{2}+\sum_{n=1}^{\infty}A_ncos(nw_0t+\varphi_n) x(t)=2A0+n=1∑∞Ancos(nw0t+φn)
它表明一个周期为T0=2πw0T_0=\frac{2\pi}{w_0}T0=w02π的信号,除直流分量(信号在一个周期内的平均值)外,包含了频率为原信号频率以及原信号频率的整数倍的一系列正弦型信号,分别将它们称为基波信号(n=1)(n=1)(n=1)(也称为,一次谐波信号)、二次谐波信号(n=2)(n=2)(n=2),以及三次、四次···谐波信号,它们的振幅分别为对应的AnA_nAn,相位分别为对应的φn\varphi_nφn。可见周期信号的傅里叶级数展开式全面地描述了组成原信号的各正弦分量的特征:各谐波分量的频率、幅度和相位。因此也就等于全面地描述了原信号x(t)x(t)x(t)本身。换言之,对于一个周期信号,只要了信号的基频w0w_0w0、各谐波的幅度AnA_nAn和相位φn\varphi_nφn,就等于掌握了该信号的所有特征。
指数形式的傅里叶级数表达式中复数量X(nw0)=12AnejφnX(nw_0)=\frac{1}{2}A_ne^{j\varphi_n}X(nw0)=21Anejφn是离散频率nw0nw_0nw0的复函数,其模∣X(nw0)∣=12An|X(nw_0)|=\frac{1}{2}A_n∣X(nw0)∣=21An反映了各谐波分量的幅度,它的相角φn\varphi_nφn反映了各谐波分量的相位,因此它能完全描述任意波形的周期信号。我们把复数量X(nw0)X(nw_0)X(nw0)随频率nw0nw_0nw0的分布称为信号的频谱,X(nw0)X(nw_0)X(nw0)也称为周期信号的频谱函数,正如波形是信号在时域的表示,频谱是信号在频域的表示。有了频谱的概念,可以在频域描述信号和分析信号,实现从时域到频域的转变。
由于X(nw0)X(nw_0)X(nw0)包含了幅度和相位的分布,通常把其幅度∣X(nw0)∣|X(nw_0)|∣X(nw0)∣随频率的分布称为幅度频谱,简称幅频,相位φn\varphi_nφn随频率的分布称为相位频谱,简称相频。为了直观,往往以频率为横坐标、各谐波分量的幅度或相位为纵坐标,画出幅频和相频的变化规律,称为信号的频谱图。
例2:画出例1的信号的频谱图,并进行频谱分析。
已求出
X(nw0)=EτT0Sa(nw0τ2)X(nw_0)=\frac{E\tau}{T_0}Sa(\frac{nw_0\tau}{2}) X(nw0)=T0EτSa(2nw0τ)
可见X(nw0)X(nw_0)X(nw0)为实数,其相位只有0和±π\pm\pi±π,故可以直接画出其频谱图,即把幅频和相频合成一个图,下图,画出了E=1,T0=4τE=1,T_0=4\tauE=1,T0=4τ的频谱图。
由频谱图可以得出周期矩形脉冲信号的频谱具有三个特点:
(1)离散性:频谱是非周期性的离散的线状频谱,称它们为谱线,连接各谱线顶点的曲线为包络线,它反映了各频率分量的幅度随频率变化的情况。
(2)谐波性:谱线以基波频率w0w_0w0为间隔等距离分布,表明周期矩形脉冲信号只包含直流分量、基波分量和各次谐波分量。
当T0T_0T0不变而改变τ\tauτ不变而改变τ\tauτ从而使信号的占空比改变时,由于w0w_0w0不变,所以谱线之间的间隔不变,但随着τ\tauτ的减小(脉冲宽度减小),第一个过零点的频率增大,谱线的幅度减小。而将τ\tauτ固定,通过改变T0T_0T0来改变信号的占空比时,随着T0T_0T0增大,基波频率w0w_0w0减少,谱线将变得更密集,但第一个过零点的频率不变,谱线的幅度有所降低。作为极端情况,如果周期T0T_0T0无限增长,周期信号变成了非周期信号,这时,相邻谱线的间隔将趋于零,成为连续频谱。
(3)收敛性:谱线幅度整体上具有减小的趋势,同时,由于各谱线的幅度按包络线Sa(12nw0τ)Sa(\frac{1}{2}nw_0\tau)Sa(21nw0τ)的规律变化而等间隔地经过零点,较高幅值的谱线都集中在第一个过零点(w=nw0=2πτw=nw_0=\frac{2\pi}{\tau}w=nw0=τ2π)范围内,表明信号的能量绝大部分由该频率范围的各谐波分量决定,通常把这个频率范围称为周期矩形脉冲信号的频带宽度或带宽,用符号wbw_bwb或fbf_bfb表示。信号的带宽是信号频率特性中的重要指标,它具有实际意义。信号在其带宽内集中了大部分的能量,因此在允许一定失真的条件下,只需传送带宽内的各频率分量就行了;当信号通过某一系统时,要求系统的带宽与信号的带宽匹配,否则,若系统的带宽小于信号的带宽,信号中包含的一部分谐波分量和能量就不能顺利地通过系统。由上可知,脉冲宽度τ\tauτ越小,带宽wbw_bwb越大,频带内所含的分量越多。
以上三个特点时任何满足狄利赫里条件的周期信号的频谱所共同具有的。
例3:求出复指数信号ejw0te^{jw_0t}ejw0t的频谱。
解:复指数信号ejw0te^{jw_0t}ejw0t的复傅里叶系数为
X(nw0)=1T0∫−T02T02ejw0tejnw0tdt=12j(1−n)π[ej(1−n)π−e−j(1−n)π]=sin(1−n)π(1−n)π={1n=10n≠1X(nw_0)=\frac{1}{T_0}\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}e^{jw_0t}e^{jnw_0t}dt=\frac{1}{2j(1-n)\pi}[e^{j(1-n)\pi}-e^{-j(1-n)\pi}]\\ =\frac{sin(1-n)\pi}{(1-n)\pi}= \begin{cases} 1 & n=1 \\ 0 & n\neq 1 \end{cases} X(nw0)=T01∫−2T02T0ejw0tejnw0tdt=2j(1−n)π1[ej(1−n)π−e−j(1−n)π]=(1−n)πsin(1−n)π={10n=1n=1
可见仅在w0w_0w0处有幅度为1的分量,说明复指数信号是正弦信号的一种表现形式。
例4:分别求出cosw0tcosw_0tcosw0t和sinw0tsinw_0tsinw0t的频谱。
对于余弦信号cosw0tcosw_0tcosw0t有
X(nw0)=1T0∫−T02T02cosw0te−jnw0tdt={12n=±10n≠±1X(nw_0)=\frac{1}{T_0}\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}cosw_0te^{-jnw_0t}dt= \begin{cases} \frac{1}{2} & n=\pm 1 \\ 0 & n\neq \pm 1 \end{cases} X(nw0)=T01∫−2T02T0cosw0te−jnw0tdt={210n=±1n=±1
对于正弦信号sinw0tsinw_0tsinw0t有
X(nw0)=1T0∫−T02T02sinw0te−jnw0tdt={−j2n=1j2n=−10n≠±1X(nw_0)=\frac{1}{T_0}\int_{-\frac{T_0}{2}}^{\frac{T_0}{2}}sinw_0te^{-jnw_0t}dt = \begin{cases} -\frac{j}{2} & n=1 \\ \frac{j}{2} & n=-1 \\ 0 & n\neq \pm1 \end{cases} X(nw0)=T01∫−2T02T0sinw0te−jnw0tdt=⎩⎪⎨⎪⎧−2j2j0n=1n=−1n=±1
它们的幅频相同。
负频率概念:频率作为周期信号变化快慢的一个度量,它只能是正值,即实际上只存在正频率,但在它的复指数形式的傅里叶级数表示法中会出现负频率,这只是数学上表示的需要,正是正、负频率的两个分量合起来(正负频率的幅度之和)才表示一个实际存在的正弦谐波分量。因此,cosw0tcosw_0tcosw0t和sinw0tsinw_0tsinw0t都是w0w_0w0处幅度为1的物理信号。此外,cosw0tcosw_0tcosw0t和sinw0tsinw_0tsinw0t的相频是不同的,sinw0tsinw_0tsinw0t信号的相位滞后于cosw0tcosw_0tcosw0t信号的相位π2\frac{\pi}{2}2π。
连续信号(三) | 周期信号的频谱分析 | 傅里叶级数展开式 + 频谱特性相关推荐
- 南京邮电大学电工电子(数电)实验报告——周期信号的频谱分析 连续时间系统模拟
文章目录 一.周期信号频谱分析 (1)实验目的 (2)实验原理及设计过程 (3)实验电路图 (4)实验数据分析和实验结果 二.连续时间系统模拟 (1)实验目的 (2)实验原理及设计过程 (3)实验电路 ...
- 连续信号(七)| 周期信号的傅里叶变换
周期信号的傅里叶变换 在一个周期内绝对可积的周期信号可以用傅里叶级数来表示,在无限区间内绝对可积的非周期信号可以用傅里叶变换来表示,分别解决了周期信号和非周期信号的频谱问题.实际上,通过在变换中引入冲 ...
- 使用MATLAB绘制周期信号的,周期信号频域分析及MATLAB实现.ppt
周期信号频域分析及MATLAB实现.ppt 第七章 信号频域分析及 MATLAB 实现 7.1 周期信号的傅利叶级数与信号的频谱 7.2 周期信号的频谱分析及MATLAB实现 7.3 用MATLAB分 ...
- 周期信号的傅里叶级数展开分析(利用MATLAB)
实验三 周期信号的傅里叶级数展开分析 一.实验目的 1.掌握周期信号傅里叶级数分析的理论方法. 2.用MATLAB实现周期信号的傅里叶级数分解与综合. 3.用MATLAB实现周期信号的单边频谱及双边频 ...
- 领悟《信号与系统》之 非周期信号的傅里叶变换
非周期信号的傅里叶变换 一.非周期信号的傅里叶变换 二. 典型信号的傅立叶变换 1.单边指数信号 2.偶双边指数 3. 矩阵脉冲信号 4. 奇双边指数 5. 符号函数 6. 冲激信号 7. 阶跃信号 ...
- 【信号与系统】(十五)傅里叶变换与频域分析——非周期信号的频谱--傅里叶变换
文章目录 非周期信号的频谱--傅里叶变换 1 频谱密度函数 1.1 引出 1.2 频谱密度函数 2 傅里叶变换 2.1 傅里叶变换 2.2 傅里叶反变换 2.3 傅里叶变换对 2.4 说明 3 常用函 ...
- 非正弦周期信号的傅里叶级数展开式
非正弦周期信号的傅里叶级数展开式 标准信号的生成 方波:x1=square(2pi4t); Duty cycle is 50%(default);Frequency is 4Hz x2=square( ...
- 用MATLAB做周期三角波的傅里叶级数,Matlab 周期方波信号傅里叶级数展开
方波信号为: 傅里叶级数展开为: 程序运行结果: 程序代码: clear x = -6:0.01:6; T = 4; f = x; for N = 1:length(f) temp = rem(abs ...
- matlab复杂周期信号类建立,实验五 基于Matlab的信号频谱分析(复杂)
本次实验注意:<实验五MALTAB基础知识(简单)> <实验五 基于Matlab的信号频谱分析(复杂)> 选作一个即可 实验五 基于Matlab的信号频谱分析 (一) 实验目的 ...
最新文章
- 智能车竞赛技术报告 | 智能车视觉 - 南京邮电大学 - 栅库砸车跑路队
- 3-unit5 ISCSI
- 遇到的Ajax相关问题
- [云炬创业基础笔记] 第三章测试4
- python学习(三)数字类型示例
- RabbitMQ绑定(bindings)
- 计算机硬件知识教学的信息化手段,《计算机硬件组成》教学设计
- Java查找一个字符串中所有匹配某正则的子串
- 华尔街日报:微软告别盖茨时代
- CCLayer中Touch事件(Standard Touch Delegate Targeted Touch Delegate)
- Redis分布式锁方案
- 05-Vue报错 Uncaught SyntaxError: Identifier has already been declared和路由
- C++ std::shared_ptr是什么意思
- H.264 NAL层解析
- sqlite数据库文件的下载编译和VS中数据库创建demo
- 【批量身份证图片识别】如何批量OCR识别身份证图片或复印件并导出至excel表格或文本格式,下面教你方法
- BeEF-XSS详细使用教程
- 用Date计算日期相差多少天
- ThreeJS - 动态更换fbx模型的某个子Mesh现有的纹理贴图为指定的纹理贴图
- TransE模型的python代码实现
热门文章
- Apache Solr漏洞总结(比较全面的哦)
- PDMan国产建模工具
- java单例模式保存微信access_token
- html5中三级下拉菜单实现案例
- 看了朱有鹏老师嵌入式开发板刷机课程后总结
- unity用代码控制材质emission color时,勾选了emission后启动不能正常控制自发光颜色的问题解决
- 总结Ansible中常用模块
- 中国出海秀:暴涨153% 国产游戏在韩7月又占前十半壁江山
- dota2 java_分享一款自己的开源 app:提供 DOTA2 游戏相关资讯与视频,基于 RetrofitRxJava,mvp,GreenDao...
- 名帖189 米芾 行书《萧闲堂记》