正余弦信号DFT频谱分析(续)

上一篇讲到实际可以通过补零的方法增加序列长度,使得最后增大N来增加视在分辨率。但是它无法解决频率泄漏的问题。频率泄漏的根本原因在于窗的选择。

由于矩形窗突然截断,频谱旁瓣相对幅度过大,导致泄漏的分量很多。因此和FIR滤波器的思路一样,我们想到了其他窗。

接上次的例子,矩形窗:

ts = 0.01;

n = 0:24;

y = [sin(2*pi*20*n*ts),zeros(1,999)];

xk = abs(fft(y,1024));

stem(xk);

频谱如图:

我们换三角窗:yd = [y.*triang(25)‘,zeros(1,999)];注意先加权再补零吧(其实不是很确定的说)。频谱如下:

汉明窗:

虽然主瓣宽度加宽了,但咱可以继续加大N啊,所以不是问题,关键是现在频谱不泄漏了。

时间: 2024-12-13 09:42:18

正余弦信号DFT频谱分析(续)的相关文章

余弦信号DFT频谱分析(继续)

以前谈到序列的实际长度可以通过零填充方法加入,使得最终增加N添加表观分辨率. 但它并没有解决泄漏频率的问题. 根本原因在于泄漏窗口选择的频率. 由于矩形窗突然被切断,频谱旁瓣相对幅度过大,造成泄漏分量很.因此,与FIR路一样,我们想到了其它窗. 接上次的样例,矩形窗: ts = 0.01; n = 0:24; y = [sin(2*pi*20*n*ts),zeros(1,999)]; xk = abs(fft(y,1024)); stem(xk); 频谱如图: 我们换三角窗:yd = [y.*t

正余弦信号的DFT频谱分析

一般的,对正余弦信号进行采样并DFT运算,画出频谱图,会发现频谱并不干净.这种现象称为频谱泄漏.因为DFT运算只能是有限序列,突然的截断产生了泄漏. 会有这样的特殊情况,当采样截取的刚好是整数个周期,则频谱图显得特别干净.可以理解为刚好取的完整周期,周期性明显了,频率就比较单一. 为此做了matlab实验: ts = 0.01;%采样率100Hz n = 0:N-1; y = sin(2*pi*20*n*ts);%20Hz信号,每周期采5个点 xk = abs(fft(y,N));%注意根据ff

MATLAB信号与系统分析(五)——连续时间信号的频谱分析

一.实验目的: 1.掌握傅立叶级数(FS),学会分析连续时间周期信号的频谱分析及MATLAB实现: 2.掌握傅立叶变换(FT),了解傅立叶变换的性质以及MATLAB实现. 二.利用符号运算求傅里叶级数的系数 1.复习几个函数: F1=int(f,v,a,b) - 对f表达式的v变量在(a,b)区间求定积分 F2=subs(s,OLD,NEW)-用新变量NEW代替S中的指定变量OLD. F3=vpa(x,n) : 显示可变精度计算:x为符号变量,n表示要精确计算的位数. 2.周期函数的傅里叶级数的

再续FFT:信号的频谱分析

摘自:http://www.ilovematlab.cn/thread-119939-1-1.html http://www.360doc.com/content/13/1208/18/13670635_335496776.shtml 对于下面这句话该怎么理解? 假设采样频率为Fs,信号频率F,采样点数为N.那么FFT之后结果就是一个为N点的复数.每一个点就对应着一个频率点.这个点的模值,就是该频率值下的幅度特性.具体跟原始信号的幅度有什么关系呢?假设原始信号的峰值为A,那么FFT的结果的每个点

利用cordic 算法产生正/余弦波形

引言:本文旨在通过该算法产生正余弦波形(不使用IP核). 一.仿真波形 如上所示,dout_sin 和dout_cos 通过补码形式输出三角函数的值,其中使用dout_vld指示信号的有效性. 二.代码下载 点我下载,然后自己加入到modelsim中就可以仿真了. 信号说明: 如上所示,只要给din_vld 和din即可,din的范围是0 - 359. 三.推荐知识参考 参考资料 四.cordic的个人理解(待续) 原文地址:https://www.cnblogs.com/cofin/p/918

【pyqtgraph绘图】案例-动态的正余弦波形图

先看一个简单的小例子: 完整代码: import numpy as np import pyqtgraph as pg import sys from PyQt5.QtWidgets import QWidget,QApplication,QFrame,QGridLayout,QVBoxLayout class Example(QWidget): def __init__(self): super(Example, self).__init__() self.initUI() self.gene

CORDIC算法计算正余弦

网上有很多关于CORDIC算法的资料,看了之后觉得还是wikipedia讲述的更加清晰,特此总结+转载 http://en.wikipedia.org/wiki/CORDIC 算法思想 CORDIC算法是一种对目标值进行逼近的迭代算法,且迭代次数越多精度越高.迭代过程中仅仅需要除2运算和加减运算,因此特别适合硬件方式实现.在单位圆中,圆上角β点的x坐标和y坐标分别对应β的cos和sin值,因此,求角β的正弦值的CORDICn次迭代过程如下: 1.以(1,0)为初始点,向靠近β的方向旋转arcta

余弦信号的傅里叶变换分析

1 加窗 对离散周期信号时域加窗会将无限长周期信号截断为有限长,于是在频域上原离散谱就会变为连续谱,由此降低分辨率(原单根谱线展开为窗函数谱的移位,因此分辨率主要受窗函数主瓣宽度影响)并产生泄漏(两个相邻谱线互相影响,因此泄漏主要受主瓣与旁瓣相对幅度的影响). 矩形窗具有最窄的主瓣,但同时有最高的旁瓣. 2 谱采样 加窗序列的DFT给出了加窗序列(记为v[n])的傅里叶变换(记为V(ejω))的等间隔采样.由于采样点未必位于V(ejω)的峰值点,所以DFT峰的幅度不一定等于V(ejω)峰的幅度.

旋转坐标法计算正余弦

A.保持一组 角度对应的函数价值-基础角度 B.将需要计算的角表示成那些基础角度的倍数之和 1. 采用sin cos 的2角和差公式,采用递归方式拆解成基础角度函数进行计算 2. Taylor 的 sin cos 展开式 --不需要A B步骤 3. 旋转角度法