前言

为了帮助同学们完成痛苦的实验课程设计，本作者将其作出的实验结果及代码贴至CSDN中，供同学们学习参考。如有不足或描述不完善之处，敬请各位指出，欢迎各位的斧正！

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、实验原理与方法

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2π/N，因此要求2π/N≤N。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、实验环境

Matlab 7.0及Matlab 2018b

四、实验内容及步骤

（1）对以下序列进行谱分析。

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谱分析。

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）对模拟周期信号进行谱分析

选择采样频率 F s = 64 H z F_s=64Hz Fs=64Hz，变换区间N=16,32,64三种情况进行谱分析。分别打印其幅频特性，并进行分析和讨论。

五、实验结果截图（含分析）

实验程序清单

%实验3程序exp3.m
%用FFT对信号作频谱分析
clear;close all
%===实验内容(1)===
x1n=ones(1,4);%产生序列向量x1(n)=R4(n)
M=8;xa=1:(M/2);xb=(M/2):-1:1;x2n=[xa,xb];%产生长度为8的三角波序列x2(m)
x3n=[xb,xa];
X1k8=fft(x1n,8);%计算x1n的8点DFT
X1k16=fft(x1n,16);%计算x1n的16点DFT
X2k8=fft(x2n,8);%计算x2n的8点DFT
X2k16=fft(x2n,16);%计算x2n的16点DFT
X3k8=fft(x3n,8);%计算x3n的8点DFT
X3k16=fft(x3n,16);%计算x3n的16点DFT
%以下绘制幅频特性曲线
subplot(2,2,1);mstem(X1k8);%绘制8点DFT的幅频特性图
title('(1a)8点DFT[x_1(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X1k8))])
subplot(2,2,3);mstem(X1k16);%绘制16点DFT的幅频特性图
title('(1b)16点DFT[x_1(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X1k16))])
figure(2)
subplot(2,2,1);mstem(X2k8);%绘制8点DFT的幅频特性图
title('(2a)8点DFT[x_2(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X2k8))])
subplot(2,2,2);mstem(X2k16);%绘制16点DFT的幅频特性图
title('(2b)16点DFT[x_2(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X2k16))])
subplot(2,2,3);mstem(X3k8);%绘制8点DFT的幅频特性图
title('(3a)8点DFT[x_3(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X3k8))])
subplot(2,2,4);mstem(X3k16);%绘制16点DFT的幅频特性图
title('(3b)16点DFT[x_3(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X3k16))])
%实验内容(2)周期序列谱分析=================
N=8;n=0:N-1;%FFT的变换区间N=8
x4n=cos(pi*n/4);
x5n=cos(pi*n/4)+cos(pi*n/8);
X4k8=fft(x4n);%计算x4n的8点DFT
X5k8=fft(x5n);%计算x5n的8点DFT
N=16;n=0:N-1;%FFT的变换区间N=16
x4n=cos(pi*n/4);
x5n=cos(pi*n/4)+cos(pi*n/8);
X4k16=fft(x4n);%计算x4n的16点DFT
X5k16=fft(x5n);%计算x5n的16点DFT
figure(3)
subplot(2,2,1);mstem(X4k8);%绘制8点DFT的幅频特性图
title('(4a)8点DFT[x_4(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X4k8))])
subplot(2,2,3);mstem(X4k16);%绘制16点DFT的幅频特性图
title('(4b)16点DFT[x_4(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X4k16))])
subplot(2,2,2);mstem(X5k8);%绘制8点DFT的幅频特性图
title('(5a)8点DFT[x_5(n)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X5k8))])
subplot(2,2,4);mstem(X5k16);%绘制16点DFT的幅频特性图
title('(5b)16点DFT[x_5(m)]');xlabel('ω/π');ylabel('幅度');
axis([0,2,0,1.2*max(abs(X5k16))])
%实验内容(3)模拟周期信号谱分析==========
figure(4)
Fs=64;T=1/Fs;
N=16;n=0:N-1;%FFT的变换区间N=16
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);%对x6(t)16点采样
X6k16=fft(x6nT);%计算x6nT的16点DFT
X6k16=fftshift(X6k16);%将零频率移到频谱中心
Tp=N*T;F=1/Tp;%频率分辨率F
k=-N/2:N/2-1;fk=k*F;%产生16点DFT对应的采样点频率(以零频率为中心)
subplot(3,1,1);stem(fk,abs(X6k16),'.');box on%绘制8点DFT的幅频特性图
title('(6a)16 点|DFT[x_6(nT)]|');xlabel('f(Hz)');ylabel('幅度');
axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(X6k16))])
N=32;n=0:N-1;%FFT的变换区间N=16
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);%对x6(t)32点采样
X6k32=fft(x6nT);%计算x6nT的32点DFT
X6k32=fftshift(X6k32);%将零频率移到频谱中心
Tp=N*T;F=1/Tp;%频率分辨率F
k=-N/2:N/2-1;fk=k*F;%产生16点DFT对应的采样点频率(以零频率为中心)
subplot(3,1,2);stem(fk,abs(X6k32),'.');box on %绘制8点DFT的幅频特性图
title('(6b)32点|DFT[x_6(nT)]|');xlabel('f(Hz)');ylabel('幅度');
axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(X6k32))])
N=64;n=0:N-1;%FFT的变换区间N=16
x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);%对x6(t)64点采样
X6k64=fft(x6nT);%计算x6nT的64点DFT
X6k64=fftshift(X6k64);%将零频率移到频谱中心
Tp=N*T;F=1/Tp;%频率分辨率F
k=-N/2:N/2-1;fk=k*F;%产生16点DFT对应的采样点频率(以零频率为中心)
subplot(3,1,3);stem(fk,abs(X6k64),'.');box on%绘制8点DFT的幅频特性图
title('(6a)64点|DFT[x_6(nT)]|');xlabel('f(Hz)');ylabel('幅度');
axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(X6k64))])

function mstem(Xk)
M=length(Xk);
k=0:M-1;
wk=2*k/M;
stem(wk,abs(Xk),'.');
box on;%绘制M点DFT的幅频特性图
xlabel('ω/π');
ylabel('幅度');
axis([0,2,0,1.2*max(abs(Xk))]);

实验程序运行结果及分析讨论

用DFT（或FFT）分析频谱，绘制频谱图时，最好将X(k)的自变量k换算成对应的频率，作为横坐标便于观察频谱。
ω k = 2 π N k , k = 0 , 1 , 2 , ⋯ , N − 1 \omega_k=\frac{2\pi}{N}k,k=0,1,2,\cdots,N-1 ωk=N2πk,k=0,1,2,⋯,N−1
为了便于读取频率值，最好关于π归一化，即以 ω π \frac{\omega}{\pi} πω作为横坐标。
1、实验内容（1）
图（1a）和（1b）说明 x 1 ( n ) = R 4 ( n ) x_1(n)=R_4(n) x1(n)=R4(n)的8点DFT和16点DFT分别是 x 1 ( n ) x_1(n) x1(n)的频谱
函数的8点和16点采样：
因为 x 3 ( n ) = x 2 ( n + 3 ) 8 R 8 ( n ) x_3(n)=x_2(n+3)_8R_8(n) x3(n)=x2(n+3)8R8(n)的8点DFT的模相等，如图（2a）和（3a）。但是，当 N=16 时， x 3 ( n ) x_3(n) x3(n)与 x 2 ( n ) x_2(n) x2(n)不满足循环移位关系，所以图（2b）和（3b）的模不同。
2、实验内容（2），对周期序列谱分析
x 4 ( n ) = c o s π 4 n x_4(n)=cos\frac{\pi}{4}n x4(n)=cos4πn的周期为8，所以N=8和N=16均是其周期的整数倍，得到正确的单一频率正弦波的频谱，仅在0.25π处有1根单一谱线。如图（4b）和（4b）所示。
x 5 ( n ) = c o s π 4 n + c o s π 8 n x_5(n)=cos\frac{\pi}{4}n+cos\frac{\pi}{8}n x5(n)=cos4πn+cos8πn的周期为16，所以N=8不是其周期的整数倍，得到的频谱不正确，如图（5a）所示。N=16 是其一个周期，得到正确的频谱，仅在0.25π和0.125π处有2根单一谱线, 如图（5b）所示。
3、实验内容（3），对模拟周期信号谱分析
x 6 ( n ) = c o s 8 π t + c o s 16 π t + c o s 20 π t x_6(n)=cos8\pi t+cos16\pi t+cos20\pi t x6(n)=cos8πt+cos16πt+cos20πt
x 6 ( t ) x_6(t) x6(t)有 3 个频率成分， f 1 = 4 H z , f 2 = 8 H z , f 3 = 10 H z f_1=4Hz,f_2=8Hz,f_3=10Hz f1=4Hz,f2=8Hz,f3=10Hz。所以 x 6 ( t ) x_6(t) x6(t)的周期为0.5s。采样频率 F s = 64 H z = 16 f 1 = 8 f 2 = 6.4 f 3 F_s=64Hz=16f_1=8f_2=6.4f_3 Fs=64Hz=16f1=8f2=6.4f3。变换区间N=16时，观察时间 T p = 16 T = 0.25 s T_p=16T=0.25s Tp=16T=0.25s，不是 x 6 ( t ) x_6(t) x6(t)的整数倍周期，所以所得频谱不正确，如图（6a）所示。变换区间N=32,64时，观察时间Tp=0.5s，1s，是 x 6 ( t ) x_6(t) x6(t)的整数周期，所以所得频谱正确，如图（6b）和（6c）所示。图中3根谱线正好位于4Hz,8Hz,10Hz处。变换区间N=64时频谱幅度是变换区间N=32时2倍，这种结果正好验证了用DFT对中期序列谱分析的理论。
注意：
（1）用DFT（或FFT）对模拟信号分析频谱时，最好将X(k)的自变量 k 换算成对应的模拟频率fk，作为横坐标绘图，便于观察频谱。这样，不管变换区间N取信号周期的几倍，画出的频谱图中有效离散谐波谱线所在的频率值不变，如图（6b）和（6c）所示。
f k = F s N k = 1 N T k = 1 T p k , k = 0 , 1 , 2 , ⋯ , N − 1 f_k=\frac{F_s}{N}k=\frac{1}{NT}k=\frac{1}{T_p}k,k=0,1,2,\cdots,N-1 fk=NFsk=NT1k=Tp1k,k=0,1,2,⋯,N−1
（2）本程序直接画出采样序列N点DFT的模值，实际上分析频谱时最好画出归一化幅度谱，这样就避免了幅度值随变换区间N变化的缺点。本实验程序这样绘图只要是为了验证了用DFT对中期序列谱分析的理论。

六、思考题

（1）对于周期序列，如果周期不知道，如何用FFT进行谱分析？
（2）如何选择FFT的变换区间？（包括非周期信号和周期信号）
（3）当N=8时， x 2 ( n ) x_2(n) x2(n)和 x 3 ( n ) x_3(n) x3(n)的幅频特性会相同吗？为什么？N=16呢？
答：（1）如果 x ( n ) x(n) x(n)的周期预先不知道，可截取M点进行DFT，即

再将截取长度扩大1倍，截取

比较 x M ( k ) x_M(k) xM(k)和 x 2 M ( k ) x_2M(k) x2M(k)，如果两者的主谱差别满足分析误差需求，则以 x M ( k ) x_M(k) xM(k)或 x 2 M ( k ) x_2M(k) x2M(k)近似表示 x ( n ) x(n) x(n)，否则，继续将截取长度加倍，直至前后两次分析所得主谱频率差别满足误差要求。设最后截取长度为iM，则 X i M ( k 0 ) X_{iM}(k_0) XiM(k0)表示 ω = 2 π i M k 0 \omega=\frac{2\pi}{iM}k_0 ω=iM2πk0点的谱线强度。
（2）频谱分辨率直接D和FFT的变换区间N有关，因为FFT能够实现的频率分辨率是 2 π N \frac{2\pi}{N} N2π，因此要求 2 π N ≤ D \frac{2\pi}{N}\leq{D} N2π≤D。可以根据此式选择FFT的变换区间N。
（3）当N=8时， x 3 ( n ) x_3(n) x3(n)与 x 2 ( n ) x_2(n) x2(n)的幅频特性会相同
当N=16时， x 3 ( n ) x_3(n) x3(n)与 x 2 ( n ) x_2(n) x2(n)的幅频特性会不同

数字信号处理第三次试验：用FFT对信号作频谱分析相关推荐

基于MATLAB的数字信号处理(3) 用FFT对信号作频谱分析
文章目录一.实验目的二.实验原理与方法三.实验内容及步骤 1. 有限长序列 2. 周期序列 3. 模拟周期信号四.回答思考题五.实验总结一.实验目的学习用 FFT 对连续信号和时域离散信 ...
数字信号处理实验三用fft对信号作频谱分析_机器学习中的音频特征：理解Mel频谱图...
如果你像我一样,试着理解mel的光谱图并不是一件容易的事.你读了一篇文章,却被引出了另一篇,又一篇,又一篇,没完没了.我希望这篇简短的文章能澄清一些困惑,并从头解释mel的光谱图. 信号信号是一定量 ...
数字信号处理第五次试验：FIR数字滤波器设计与软件实现
数字信号处理第五次试验:FIR数字滤波器设计与软件实现前言一.实验目的二.实验原理与方法三.实验环境四.实验内容及步骤五.实验结果截图(含分析) 六.思考题前言为了帮助同学们完成痛苦的 ...
数字信号处理第四次试验：IIR数字滤波器设计及软件实现
数字信号处理第四次试验:IIR数字滤波器设计及软件实现前言一.实验目的二.实验原理与方法三.实验环境四.实验内容及步骤五.实验结果截图(含分析) 六.思考题前言为了帮助同学们完成痛苦的 ...
matlab 数字信号波形图,数字信号处理第三次实验代码及波形图
数字信号处理第三次实验一.实验目的: 1.掌握离散时间系统的DFT 的MATLAB 实现: 2.熟悉DTFT 和DFT 之间的关系. 3.了解信号不同变形的DFT 与原信号DFT 之间的关系二.实 ...
数字信号处理（一）利用FFT对信号进行频谱分析
数字信号处理(一)利用FFT对信号进行频谱分析 1．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). ( ...
理解数字信号处理的三把钥匙
理解数字信号处理的三把钥匙在数字信号处理大厦中,有许许多多的小房间,有的门上写着"DFT",有的门上写着"滤波",有的门上写着"卷积",有 ...
用计算机进行频谱分析时,实验四-利用FFT对信号进行频谱分析1112
实验四利用DFT 对信号进行频谱分析一.目的要求 (1) 进一步加深对线性卷积的理解和分析能力: (2) 通过编程,上机调试程序,进一步增强使用计算机解决问题的能力: (3) 掌握线性卷积与循环卷 ...
MATLAB利用FFT对信号进行频谱分析
1.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)熟悉FFT算法原理和FFT程序的应用. (3) ...

数字信号处理第三次试验：用FFT对信号作频谱分析