matlab验证采样定理

%matlab验证采样定理

%该程序用于画出原信号的图形以及其DFT图形

clear;

t = -0.1:0.001:0.1;%该参数用于画原信号图形

k = 0:200;%时域取样

n = -999:0;%频域取样

f = sin(2*pi*60*t)+cos(2*pi*25*t);%原函数, 由t的取值可得f有201个值

s = exp(-j*2*pi/length(k));

skn = s.^(k‘*n);%代公式

F = f*skn;%对原函数进行傅里叶变换,

%此处f是1*201的矩阵,则skn必须满足201*X的矩阵

%得到的f是1*X的矩阵

subplot(2,1,1)

plot(t, f);%画出采原函数序列图

title(‘原信号‘);

xlabel(‘时间t(s)‘);

j = 1:length(F);

subplot(2,1,2)

plot(j,abs(F),‘r‘)%画出序列的DFT图

title(‘原信号的DFT图‘);

3.2: Signal_2.m

%该函数用于画出离散的采样波形图和由采样信号重建的信号图

%绘制离散的采样波形图

function Signal_Rebuilt(frequency)

%需要输入采样频率frequency

T= 1/frequency;%抽样周期

gs = -0.1:T:0.1;

fg = sin(2*pi*60*gs)+cos(2*pi*25*gs);

subplot(2,1,1)

stem(gs, fg)

title(‘采样信号‘);

xlabel(‘时间t(s)‘);

%绘制由采样信号重建的信号图

y = -0.1:0.001:0.1;

ln = -0.1/T:0.1/T;

M=ones(length(ln),1)*y-ln‘*T*ones(1,length(y));

fs = fg*sinc(frequency*M);

subplot(2,1,2)

plot(y,fs,‘r‘)

title(‘重建信号‘);

xlabel(‘时间t(s)‘);

%绘制由采样信号重建的信号的DFT图

k = 0:200;

n = -999:0;

s = exp(-j*2*pi/length(k));

skn = s.^(k‘*n);

F = fs*skn;

figure(3)

g = 1:length(F);

plot(g, abs(F))

时间: 2024-11-10 00:58:44

matlab验证采样定理的相关文章

转载:奈奎斯特采样定理

原文:http://xilinx.eetrend.com/article/10399 现实世界接触到的诸如电信号.光信号.声音信号等这些信号都是随时间连续变化的,称之为连续信号.但对于计算机来说,处理这些连续的信号显然是无能为力,要使计算机能够识别.计算.处理这些连续信号就必须将其转化为离散信号,将连续信号转换为离散信号的过程就叫采样.常用的mp3.数码照片.视频等都是经过了采样,才能应用于计算机上.采样后,计算机得到的是离散的点,用这些离散的点来代替连续的线就势必会产生误差,那么这个误差是不是

[傅里叶变换及其应用学习笔记] 十九. 采样定理在音乐上的应用

采样定理在音乐上的应用 人可以听到20~20000Hz的声音,上限为20000Hz,即$\frac{p}{2} = 20000$,$p=40000$.那么采样率至少要为40000.CD的采样率采用44100(44.1kHz),据传,在采集模拟信号时采用44100,是因为这些采集的机器以该采样率设置时最为正常,而并非出于理论上的考虑. 在采样时,若采用低于40000的采样率,就会造成声音的高频部分混叠(alias),也有人把这个说成是“低频混叠了变为高频部分,而高频的部分被混叠为低频部分”,实际上

关于傅里叶分析与香农采样定理

主要内容: 1.傅里叶分析 2.香农采样定理 一.傅里叶变换 参考: 傅里叶分析之掐死教程 http://zhuanlan.zhihu.com/wille/19763358 二.香农采样定理 香农采样定理说,只要采样频率大于被采样信号最高频率的两倍,就能完全恢复. 链接:http://www.zhihu.com/question/24490634/answer/28430016来源:知乎 Nyquist采样定理是连接连续和离散的桥梁 现实世界接触到的诸如电信号.光信号.声音信号等这些信号都是随时

空间谱专题03:时空特性与采样定理

作者:桂. 时间:2017-08-27  08:07:30 链接:http://www.cnblogs.com/xingshansi/p/7439558.html  一.一阶无模糊特性 在DOA ambiguity vs. array configuration for subspace-based DF method 一文,关于first-order ambiguity of arbitrary array for subspace-based DF(direction finding) me

DSP5509之采样定理

1. 在实际种信号是模拟连续的,但是AD采样确实离散的数字的,根据采样定理,采样频率要是模拟信号的频率2倍以上采样到的值才没问题. 2. 打开工程 unsigned int nADC0[256]; main() { int i; unsigned int uWork; EnableAPLL(); SDRAM_init(); InitADC(); PLL_Init(144); InitCTR(); InitMcBSP(); while ( 1 ) { for ( i=0;i<256;i++ ) {

Matlab验证公式取值范围

一.问题来源 t = 2xy/(x+y);融合相似度和信任度,我需要验证值域是不是[0,1]: 二.求解 clear all; clc; %linspace(0:1,0.1)这样是错的,第三个参数是段数,不是间距,应该是11,分成11分 x = 0:0.1:1; y = x; [x,y] = meshgrid(x,y); %注意除法必须是点除 z = 2*x.*y./(x+y); surf(x,y,z);          注意x和y,x是按行平铺,y是按列平铺,原来没注意,查看了meshgri

【转】小波与小波包、小波包分解与信号重构、小波包能量特征提取 暨 小波包分解后实现按频率大小分布重新排列(Matlab 程序详解)

转:https://blog.csdn.net/cqfdcw/article/details/84995904 小波与小波包.小波包分解与信号重构.小波包能量特征提取   (Matlab 程序详解) -----暨 小波包分解后解决频率大小分布重新排列问题 本人当前对小波理解不是很深入,通过翻阅网络他人博客,进行汇总总结,重新调试Matlab代码,实现对小波与小波包.小波包分解与信号重构.小波包能量特征提取,供大家参考,后续将继续更新! 本人在分析信号的过程中发现,按照网上所述的小波包分解方法理解

【Android开发经验】移动设备的“声波通信/验证”的实现——SinVoice开源项目介绍(一)

转载请注明出处:http://blog.csdn.net/zhaokaiqiang1992 在APP市场上,经常有一些充满新意的应用让我们眼前一亮,比如微信的面对面加好友,支付宝的声波支付等等,都是通过声波的方式进行握手通信,今天这篇文章将介绍声波通信和声波验证的实现原理和代码实现. 首先介绍一下声波验证的原理.如果我们想发出声音,就必须震动,说话是声带在震动,手机能播放音乐是喇叭在震动.既然发出声音必须震动,那么就有震动快慢之分,我们把震动的快慢叫做声音的频率.频率低的声音低沉有力,能传播很远

matlab绘图简单笔记

一般绘图分两种:时域和频域 信号表示基本都一致,掌握常用的几种信号表示即可.指数,余弦,阶跃,脉冲,sinc,复指数,随机信号. 绘图前首先需要明白的一点是,x轴是绘图依据,是一组数据序列,若是时域图,那么x轴就是时间序列:若是频域图,那么x轴就是一组频率序列.这组序列必然有最大值和最小值.需要留意. (1) 时域 在时域中绘图时,主要就是x轴的绘制.在时域图中x轴一般以时间为坐标. 所以绘图时,需要注意采样间隔时间和采样频率.依据采样定理中的描述,采样频率一般要大于信号频率的两倍. matla