抽樣訊號的頻譜中所含頻率成分是什麼

2021-03-04 05:33:53 字數 5427 閱讀 1940

1樓:anyway中國

就是訊號的頻率成分分布。前提是取樣率及抽樣率符合那奎斯特取樣頻率。

若不符合,頻譜發生混疊,抽樣訊號的頻譜中所含頻率成分將不能真實實際訊號。

2樓:燕大師團

將原始訊號頻譜以取樣角頻率為週期進行頻譜搬移

3樓:匿名使用者

包含1,原始訊號頻率;

2.抽樣時鐘的頻率;

2.原始訊號與抽樣時鐘頻率的像加減

調幅訊號含有哪些頻率成分?

4樓:anyway中國

假設載波頻率為f0,調製訊號頻率為f1,那麼,調幅訊號的頻率成分包含f0±f1兩種頻率成分。

5樓:在河之洲的人

對於普通調幅,從頻域來講即載波頻率、載波頻率與調製訊號頻率的和、載波頻率與調製訊號頻率的差。後兩者是邊頻,包含了所需要的資訊。

6樓:匿名使用者

載波fc,被調製訊號f,調製後的訊號中有三個頻率成分,fc,fc-f,fc+f

7樓:匿名使用者

訊號頻率,載波頻率,兩頻率的和頻,兩頻率的差頻。

8樓:匿名使用者

就是訊號頻率及高頻訊號,其中高頻訊號是傳輸訊號的工具

9樓:乘正貳卉

調幅波的典型頻譜:以載波為中心,兩邊對稱的上下邊帶(調製訊號)。

所以有:載波700mhz,和頻700mhz+1khz,差頻700mhz-1khz。

matlab中進行fft譜分析,如何將頻譜圖的橫座標轉換成頻率?

10樓:匿名使用者

[x,fs,bite]=wavread('c:\windows\media\windows xp 啟動.wav',[1000 1499]);

z=x(:,1);

y=fft(z);

y=fftshift(x);

sound(x,fs,bite);

subplot(2,1,1);plot(abs(y));

將零頻分量移至頻譜中心的函式

格式:y=fftshift(x)

功能:用來重新排列x=fft(x)的輸出,把x 的左右兩半進行交換,從而將零頻分量移至頻譜中心。

11樓:楊好巨蟹座

一.呼叫方法

x=fft(x);

x=fft(x,n);

x=ifft(x);

x=ifft(x,n)

用matlab進行譜分析時注意:

(1)函式fft返回值的資料結構具有對稱性。

例:n=8;

n=0:n-1;

xn=[4 3 2 6 7 8 9 0];

xk=fft(xn)

→xk =

39.0000 -10.7782 + 6.

2929i 0 - 5.0000i 4.7782 - 7.

7071i 5.0000 4.7782 + 7.

7071i 0 + 5.0000i -10.7782 - 6.

2929i

xk與xn的維數相同,共有8個元素。xk的第乙個數對應於直流分量,即頻率值為0。

(2)做fft分析時,幅值大小與fft選擇的點數有關,但不影響分析結果。在ifft時已經做了處理。要得到真實的振幅值的大小,只要將得到的變換後結果乘以2除以n即可。

二.fft應用舉例

例1:x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t)。取樣頻率fs=100hz,分別繪製n=128、1024點幅頻圖。

clf;

fs=100;n=128; %取樣頻率和資料點數

n=0:n-1;t=n/fs; %時間序列

x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %訊號

y=fft(x,n); %對訊號進行快速fourier變換

mag=abs(y); %求得fourier變換後的振幅

f=n*fs/n; %頻率序列

subplot(2,2,1),plot(f,mag); %繪出隨頻率變化的振幅

xlabel('頻率/hz');

ylabel('振幅');title('n=128');grid on;

subplot(2,2,2),plot(f(1:n/2),mag(1:n/2)); %繪出nyquist頻率之前隨頻率變化的振幅

xlabel('頻率/hz');

ylabel('振幅');title('n=128');grid on;

%對訊號取樣資料為1024點的處理

fs=100;n=1024;n=0:n-1;t=n/fs;

x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %訊號

y=fft(x,n); %對訊號進行快速fourier變換

mag=abs(y); %求取fourier變換的振幅

f=n*fs/n;

subplot(2,2,3),plot(f,mag); %繪出隨頻率變化的振幅

xlabel('頻率/hz');

ylabel('振幅');title('n=1024');grid on;

subplot(2,2,4)

plot(f(1:n/2),mag(1:n/2)); %繪出nyquist頻率之前隨頻率變化的振幅

xlabel('頻率/hz');

ylabel('振幅');title('n=1024');grid on;

執行結果:

fs=100hz,nyquist頻率為fs/2=50hz。整個頻譜圖是以nyquist頻率為對稱軸的。並且可以明顯識別出訊號中含有兩種頻率成分:

15hz和40hz。由此可以知道fft變換資料的對稱性。因此用fft對訊號做譜分析,只需考察0~nyquist頻率範圍內的福頻特性。

若沒有給出取樣頻率和取樣間隔,則分析通常對歸一化頻率0~1進行。另外,振幅的大小與所用取樣點數有關,採用128點和1024點的相同頻率的振幅是有不同的表現值,但在同一幅圖中,40hz與15hz振動幅值之比均為4:1,與真實振幅0.

5:2是一致的。為了與真實振幅對應,需要將變換後結果乘以2除以n。

例2:x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t),fs=100hz,繪製:

(1)資料個數n=32,fft所用的取樣點數nfft=32;

(2)n=32,nfft=128;

(3)n=136,nfft=128;

(4)n=136,nfft=512。

clf;fs=100; %取樣頻率

ndata=32; %資料長度

n=32; �t的資料長度

n=0:ndata-1;t=n/fs; %資料對應的時間序列

x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %時間域訊號

y=fft(x,n); %訊號的fourier變換

mag=abs(y); %求取振幅

f=(0:n-1)*fs/n; %真實頻率

subplot(2,2,1),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅

xlabel('頻率/hz');ylabel('振幅');

title('ndata=32 nfft=32');grid on;

ndata=32; %資料個數

n=128; %t採用的資料長度

n=0:ndata-1;t=n/fs; %時間序列

x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);

y=fft(x,n);

mag=abs(y);

f=(0:n-1)*fs/n; %真實頻率

subplot(2,2,2),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅

xlabel('頻率/hz');ylabel('振幅');

title('ndata=32 nfft=128');grid on;

ndata=136; %資料個數

n=128; �t採用的資料個數

n=0:ndata-1;t=n/fs; %時間序列

x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);

y=fft(x,n);

mag=abs(y);

f=(0:n-1)*fs/n; %真實頻率

subplot(2,2,3),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅

xlabel('頻率/hz');ylabel('振幅');

title('ndata=136 nfft=128');grid on;

ndata=136; %資料個數

n=512; �t所用的資料個數

n=0:ndata-1;t=n/fs; %時間序列

x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);

y=fft(x,n);

mag=abs(y);

f=(0:n-1)*fs/n; %真實頻率

subplot(2,2,4),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅

xlabel('頻率/hz');ylabel('振幅');

title('ndata=136 nfft=512');grid on;

結論:(1)當資料個數和fft採用的資料個數均為32時,頻率解析度較低,但沒有由於添零而導致的其他頻率成分。

(2)由於在時間域內訊號加零,致使振幅譜中出現很多其他成分,這是加零造成的。其振幅由於加了多個零而明顯減小。

(3)fft程式將資料截斷,這時解析度較高。

(4)也是在資料的末尾補零,但由於含有訊號的資料個數足夠多,fft振幅譜也基本不受影響。

對訊號進行頻譜分析時,資料樣本應有足夠的長度,一般fft程式中所用資料點數與原含有訊號資料點數相同,這樣的頻譜圖具有較高的質量,可減小因補零或截斷而產生的影響。

例3:x=cos(2*pi*0.24*n)+cos(2*pi*0.26*n)

(1)資料點過少,幾乎無法看出有關訊號頻譜的詳細資訊;

(2)中間的圖是將x(n)補90個零,幅度頻譜的資料相當密,稱為高密度頻譜圖。但從圖中很難看出訊號的頻譜成分。

(3)訊號的有效資料很長,可以清楚地看出訊號的頻率成分,乙個是0.24hz,乙個是0.26hz,稱為高解析度頻譜。

可見,取樣資料過少,運用fft變換不能分辨出其中的頻率成分。新增零後可增加頻譜中的資料個數,譜的密度增高了,但仍不能分辨其中的頻率成分,即譜的解析度沒有提高。只有資料點數足夠多時才能分辨其中的頻率成分。

模擬訊號的頻譜對其經過抽樣後得到的數碼訊號的頻譜有何區別

原有模擬訊號的頻譜只在0到fh 訊號的最高頻率 之間,抽樣後的頻譜則有很多,分別分布在取樣頻率各次諧波的兩側。抽樣訊號與數碼訊號的區別,怎麼從圖能直觀的看出來?數碼訊號是抽樣 訊號進行量化然後模數轉換後的結果,比方說我現在按照捨入的策略進行量化,抽樣得一串串行為 1.2,1.3,2.7,2.3,3....

實偶訊號 實奇訊號的頻譜又有何特點

有三個特點 離散性,諧波性,收斂性 1 負頻率是有明確物理意義的,絕大多數學校教課書都是沒有寫明。2.首先確認頻率是什麼?在單位圓座標軸上,頻率就是單位時間內,旋轉的週期數。擴充套件資料 頻譜是頻率譜密度的簡稱,是頻率的分布曲線。複雜振盪分解為振幅不同和頻率不同的諧振蕩,這些諧振蕩的幅值按頻率排列的...

訊號與系統裡的頻譜圖是怎樣畫的,訊號與系統中的波形圖和頻譜圖有區別麼

頻譜圖有兩塊,一塊是幅度跟w的關係,另一塊是相位fai跟頻率的關係,前者只要求模就可以算出函式從而畫圖,後者用虛部除以實部,然後求arctan可以算出函式,再把函式畫圖即可 頻譜圖有兩塊,一塊是幅度跟w的關係,另一塊是相位fai跟頻率的關係,前者只要求模就可以算出函式從而畫圖,後者用虛部除以實部,然...