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...