#include
#include
/*********************************************************************
快速福利叶变换C函数
函数简介：此函数是通用的快速傅里叶变换C语言函数，移植性强，以下部分不依赖硬件。此函数采用联合体的形式表示一个复数，输入为自然顺序的复
数（输入实数是可令复数虚部为0），输出为经过FFT变换的自然顺序的
复数
使用说明：使用此函数只需更改宏定义FFT_N的值即可实现点数的改变，FFT_N的应该为2的N次方，不满足此条件时应在后面补0
函数调用：FFT(s);
时间：2010-2-20
版本：Ver1.0
参考文献：
**********************************************************************/
#include
#define PI 3.1415926535897932384626433832795028841971 //定义圆周率值#define FFT_N 128 //定义福利叶变换的点数
struct compx {float real,imag;}; //定义一个复数结构struct compx s[FFT_N]; //FFT输入和输出：从S[1]开始存放，根据大小自己定义
/*******************************************************************
函数原型：struct compx EE(struct compx b1,struct compx b2)
函数功能：对两个复数进行乘法运算
输入参数：两个以联合体定义的复数a,b
输出参数：a和b的乘积，以联合体的形式输出
*******************************************************************/
struct compx EE(struct compx a,struct compx b)
{
struct compx c;
c.real=a.real*b.real-a.imag*b.imag;
c.imag=a.real*b.imag+a.imag*b.real;
return(c);
}
/*****************************************************************
函数原型：void FFT(struct compx *xin,int N)
函数功能：对输入的复数组进行快速傅里叶变换（FFT）
输入参数：*xin复数结构体组的首地址指针，struct型
*****************************************************************/
void FFT(struct compx *xin)
{
int f,m,nv2,nm1,i,k,l,j=0;
struct compx u,w,t;
nv2=FFT_N/2; //变址运算，即把自然顺序变成倒位序，采用雷德算法
nm1=FFT_N-1;
for(i=0;i { if(i { t=xin[j]; xin[j]=xin[i]; xin[i]=t; } k=nv2; //求j的下一个倒位序 while(k<=j) //如果k<=j,表示j的最高位为1 { j=j-k; //把最高位变成0 k=k/2; //k/2，比较次高位，依次类推，逐个比较，直到某个位为0 } j=j+k; //把0改为1 } { int le,lei,ip; //FFT运算核，使用蝶形运算完成FFT运算f=FFT_N; for(l=1;(f=f/2)!=1;l++) //计算l的值，即计算蝶形级数 ; for(m=1;m<=l;m++) // 控制蝶形结级数 { //m表示第m级蝶形，l为蝶形级总数l=log（2）N le=2<<(m-1); //le蝶形结距离，即第m级蝶形的蝶形结相距le点 lei=le/2; //同一蝶形结中参加运算的两点的距离 u.real=1.0; //u为蝶形结运算系数，初始值为1 u.imag=0.0; w.real=cos(PI/lei); //w为系数商，即当前系数与前一个系数的商w.imag=-sin(PI/lei); for(j=0;j<=lei-1;j++) //控制计算不同种蝶形结，即计算系数不同的 蝶形结 { for(i=j;i<=FFT_N-1;i=i+le) //控制同一蝶形结运算，即计算系数相同蝶形结 { ip=i+lei; //i，ip分别表示参加蝶形运算的两个节点 t=EE(xin[ip],u); //蝶形运算，详见公式 xin[ip].real=xin[i].real-t.real; xin[ip].imag=xin[i].imag-t.imag; xin[i].real=xin[i].real+t.real; xin[i].imag=xin[i].imag+t.imag; } u=EE(u,w); //改变系数，进行下一个蝶形运算 } } } } /************************************************************ 函数原型：void main() 函数功能：测试FFT变换，演示函数使用方法 输入参数：无 输出参数：无 ************************************************************/ void main() { int i; for(i=0;i { s[i].real=sin(2*3.141592653589793*i/FFT_N); //实部为正弦波FFT_N点采样，赋值为1 s[i].imag=0; //虚部为0 } FFT(s); //进行快速福利叶变换 for(i=0;i s[i].real=sqrt(s[i].real*s[i].real+s[i].imag*s[i].imag); while(1); } #include #include /********************************************************************* 快速福利叶变换C程序包 函数简介：此程序包是通用的快速傅里叶变换C语言函数，移植性强，以下部分不依赖硬件。此程序包采用联合体的形式表示一个复数，输入为自然顺序的复 数（输入实数是可令复数虚部为0），输出为经过FFT变换的自然顺序的 复数.此程序包可在初始化时调用create_sin_tab()函数创建正弦函数表， 以后的可采用查表法计算耗时较多的sin和cos运算，加快可计算速度 使用说明：使用此函数只需更改宏定义FFT_N的值即可实现点数的改变，FFT_N的应该为2的N次方，不满足此条件时应在后面补0。若使用查表法计算sin值和 cos值，应在调用FFT函数前调用create_sin_tab()函数创建正弦表 函数调用：FFT(s); 时间：2010-2-20 版本：Ver1.1 参考文献： **********************************************************************/ #include #define FFT_N 128 //定义福利叶变换的点数 #define PI 3.1415926535897932384626433832795028841971 //定义圆周率值 struct compx {float real,imag;}; //定义一个复数结构 struct compx s[FFT_N]; //FFT输入和输出：从S[0]开始存放，根据大小自己定义float SIN_TAB[FFT_N/2]; //定义正弦表的存放空间 /******************************************************************* 函数原型：struct compx EE(struct compx b1,struct compx b2) 函数功能：对两个复数进行乘法运算 输入参数：两个以联合体定义的复数a,b 输出参数：a和b的乘积，以联合体的形式输出 *******************************************************************/ struct compx EE(struct compx a,struct compx b) { struct compx c; c.real=a.real*b.real-a.imag*b.imag; c.imag=a.real*b.imag+a.imag*b.real; return(c); } /****************************************************************** 函数原型：void create_sin_tab(float *sin_t) 函数功能：创建一个正弦采样表，采样点数与福利叶变换点数相同 输入参数：*sin_t存放正弦表的数组指针 输出参数：无 ******************************************************************/ void create_sin_tab(float *sin_t) { int i; for(i=0;i sin_t[i]=sin(2*PI*i/FFT_N); } /****************************************************************** 函数原型：void sin_tab(float pi) 函数功能：采用查表的方法计算一个数的正弦值 输入参数：pi 所要计算正弦值弧度值，范围0--2*PI，不满足时需要转换 输出参数：输入值pi的正弦值 ******************************************************************/ float sin_tab(float pi) { int n; float a; n=(int)(pi*FFT_N/2/PI); if(n>=0&&n a=SIN_TAB[n]; else if(n>=FFT_N/2&&n a=-SIN_TAB[n-FFT_N/2]; return a; } /****************************************************************** 函数原型：void cos_tab(float pi) 函数功能：采用查表的方法计算一个数的余弦值 输入参数：pi 所要计算余弦值弧度值，范围0--2*PI，不满足时需要转换 输出参数：输入值pi的余弦值 ******************************************************************/ float cos_tab(float pi) { float a,pi2; pi2=pi+PI/2; if(pi2>2*PI) pi2-=2*PI; a=sin_tab(pi2); return a; } /***************************************************************** 函数原型：void FFT(struct compx *xin,int N) 函数功能：对输入的复数组进行快速傅里叶变换（FFT） 输入参数：*xin复数结构体组的首地址指针，struct型 输出参数：无 *****************************************************************/ void FFT(struct compx *xin) { int f,m,nv2,nm1,i,k,l,j=0; struct compx u,w,t; nv2=FFT_N/2; //变址运算，即把自然顺序变成倒位序，采用雷德算法nm1=FFT_N-1; for(i=0;i { if(i { t=xin[j]; xin[j]=xin[i]; xin[i]=t; } k=nv2; //求j的下一个倒位序 while(k<=j) //如果k<=j,表示j的最高位为1 { j=j-k; //把最高位变成0 k=k/2; //k/2，比较次高位，依次类推，逐个比较，直到某个位为0 } j=j+k; //把0改为1 } { int le,lei,ip; //FFT运算核，使用蝶形运算完成FFT运算f=FFT_N; for(l=1;(f=f/2)!=1;l++) //计算l的值，即计算蝶形级数 ; for(m=1;m<=l;m++) // 控制蝶形结级数 { //m表示第m级蝶形，l为蝶形级总数l=log（2）N le=2<<(m-1); //le蝶形结距离，即第m级蝶形的蝶形结相距le点lei=le/2; //同一蝶形结中参加运算的两点的距离 u.real=1.0; //u为蝶形结运算系数，初始值为1 u.imag=0.0; //w.real=cos(PI/lei); //不适用查表法计算sin值和cos值 // w.imag=-sin(PI/lei); w.real=cos_tab(PI/lei); //w为系数商，即当前系数与前一个系数的商 w.imag=-sin_tab(PI/lei); for(j=0;j<=lei-1;j++) //控制计算不同种蝶形结，即计算系数不同的蝶形结{ for(i=j;i<=FFT_N-1;i=i+le) //控制同一蝶形结运算，即计算系数相同蝶形结 { ip=i+lei; //i，ip分别表示参加蝶形运算的两个节点 t=EE(xin[ip],u); //蝶形运算，详见公式 xin[ip].real=xin[i].real-t.real; xin[ip].imag=xin[i].imag-t.imag; xin[i].real=xin[i].real+t.real; xin[i].imag=xin[i].imag+t.imag; } u=EE(u,w); //改变系数，进行下一个蝶形运算 } } } } /************************************************************ 函数原型：void main() 函数功能：测试FFT变换，演示函数使用方法 输入参数：无 输出参数：无 ************************************************************/ void main() { int i; create_sin_tab(SIN_TAB); for(i=0;i { s[i].real=sin(2*3.141592653589793*i/FFT_N); //实部为正弦波FFT_N点采样，赋值为1 s[i].imag=0; //虚部为0 } FFT(s); //进行快速福利叶变换 for(i=0;i while(1); } #include #include /********************************************************************* 快速福利叶变换C程序包 函数简介：此程序包是通用的快速傅里叶变换C语言函数，移植性强，以下部分不依赖硬件。此程序包采用联合体的形式表示一个复数，输入为自然顺序的复 数（输入实数是可令复数虚部为0），输出为经过FFT变换的自然顺序的 复数.此程序包可在初始化时调用create_sin_tab()函数创建正弦函数表， 以后的可采用查表法计算耗时较多的sin和cos运算，加快可计算速度.与 Ver1.1版相比较，V er1.2版在创建正弦表时只建立了1/4个正弦波的采样值， 相比之下节省了FFT_N/4个存储空间 使用说明：使用此函数只需更改宏定义FFT_N的值即可实现点数的改变，FFT_N的应该为2的N次方，不满足此条件时应在后面补0。若使用查表法计算sin值和 cos值，应在调用FFT函数前调用create_sin_tab()函数创建正弦表 函数调用：FFT(s); 时间：2010-2-20 版本：Ver1.2 参考文献： **********************************************************************/ #include #define FFT_N 128 //定义福利叶变换的点数 #define PI 3.1415926535897932384626433832795028841971 //定义圆周率值 struct compx {float real,imag;}; //定义一个复数结构struct compx s[FFT_N]; //FFT输入和输出：从S[0]开始存放，根据大小自己定义float SIN_TAB[FFT_N/4+1]; //定义正弦表的存放空间 /******************************************************************* 函数原型：struct compx EE(struct compx b1,struct compx b2) 函数功能：对两个复数进行乘法运算 输入参数：两个以联合体定义的复数a,b 输出参数：a和b的乘积，以联合体的形式输出 *******************************************************************/ struct compx EE(struct compx a,struct compx b) { struct compx c; c.real=a.real*b.real-a.imag*b.imag; c.imag=a.real*b.imag+a.imag*b.real; return(c); } 函数原型：void create_sin_tab(float *sin_t) 函数功能：创建一个正弦采样表，采样点数与福利叶变换点数相同 输入参数：*sin_t存放正弦表的数组指针 输出参数：无 ******************************************************************/ void create_sin_tab(float *sin_t) { int i; for(i=0;i<=FFT_N/4;i++) sin_t[i]=sin(2*PI*i/FFT_N); } /****************************************************************** 函数原型：void sin_tab(float pi) 函数功能：采用查表的方法计算一个数的正弦值 输入参数：pi 所要计算正弦值弧度值，范围0--2*PI，不满足时需要转换 输出参数：输入值pi的正弦值 ******************************************************************/ float sin_tab(float pi) { int n; float a; n=(int)(pi*FFT_N/2/PI); if(n>=0&&n<=FFT_N/4) a=SIN_TAB[n]; else if(n>FFT_N/4&&n { n-=FFT_N/4; a=SIN_TAB[FFT_N/4-n]; } else if(n>=FFT_N/2&&n<3*FFT_N/4) { n-=FFT_N/2; a=-SIN_TAB[n]; } else if(n>=3*FFT_N/4&&n<3*FFT_N) { n=FFT_N-n; a=-SIN_TAB[n]; } return a; } 函数原型：void cos_tab(float pi) 函数功能：采用查表的方法计算一个数的余弦值 输入参数：pi 所要计算余弦值弧度值，范围0--2*PI，不满足时需要转换 输出参数：输入值pi的余弦值 ******************************************************************/ float cos_tab(float pi) { float a,pi2; pi2=pi+PI/2; if(pi2>2*PI) pi2-=2*PI; a=sin_tab(pi2); return a; } /***************************************************************** 函数原型：void FFT(struct compx *xin,int N) 函数功能：对输入的复数组进行快速傅里叶变换（FFT） 输入参数：*xin复数结构体组的首地址指针，struct型 输出参数：无 *****************************************************************/ void FFT(struct compx *xin) { int f,m,nv2,nm1,i,k,l,j=0; struct compx u,w,t; nv2=FFT_N/2; //变址运算，即把自然顺序变成倒位序，采用雷德算法 nm1=FFT_N-1; for(i=0;i { if(i { t=xin[j]; xin[j]=xin[i]; xin[i]=t; } k=nv2; //求j的下一个倒位序 while(k<=j) //如果k<=j,表示j的最高位为1 { j=j-k; //把最高位变成0 k=k/2; //k/2，比较次高位，依次类推，逐个比较，直到某个位为0 } j=j+k; //把0改为1 } { int le,lei,ip; //FFT运算核，使用蝶形运算完成FFT运算f=FFT_N; for(l=1;(f=f/2)!=1;l++) //计算l的值，即计算蝶形级数 ; for(m=1;m<=l;m++) // 控制蝶形结级数 { //m表示第m级蝶形，l为蝶形级总数l=log（2）N le=2<<(m-1); //le蝶形结距离，即第m级蝶形的蝶形结相距le点 lei=le/2; //同一蝶形结中参加运算的两点的距离 u.real=1.0; //u为蝶形结运算系数，初始值为1 u.imag=0.0; //w.real=cos(PI/lei); //不适用查表法计算sin值和cos值 // w.imag=-sin(PI/lei); w.real=cos_tab(PI/lei); //w为系数商，即当前系数与前一个系数的商w.imag=-sin_tab(PI/lei); for(j=0;j<=lei-1;j++) //控制计算不同种蝶形结，即计算系数不同的蝶形结 { for(i=j;i<=FFT_N-1;i=i+le) //控制同一蝶形结运算，即计算系数相同蝶形结 { ip=i+lei; //i，ip分别表示参加蝶形运算的两个节点 t=EE(xin[ip],u); //蝶形运算，详见公式 xin[ip].real=xin[i].real-t.real; xin[ip].imag=xin[i].imag-t.imag; xin[i].real=xin[i].real+t.real; xin[i].imag=xin[i].imag+t.imag; } u=EE(u,w); //改变系数，进行下一个蝶形运算 } } } } /************************************************************ 函数原型：void main() 函数功能：测试FFT变换，演示函数使用方法 输入参数：无 输出参数：无 ************************************************************/ void main() { int i; create_sin_tab(SIN_TAB); for(i=0;i { s[i].real=sin(2*3.141592653589793*i/FFT_N); //实部为正弦波FFT_N点采样，赋值为1 s[i].imag=0; //虚部为0 } FFT(s); //进行快速福利叶变换 for(i=0;i s[i].real=sqrt(s[i].real*s[i].real+s[i].imag*s[i].imag); while(1); } 实验八 利用FFT 实现快速卷积 一、 实验目的 （1） 通过这一实验，加深理解FFT 在实现数字滤波（或快速卷积）中的重要作用，更好的利用FFT 进行数字信号处理。 （2） 进一步掌握循环卷积和线性卷积两者之间的关系。 二、 实验原理与方法 数字滤波器根据系统的单位脉冲响应h(n)是有限长还是无限长可分为有限长单位脉冲响应（Finite Impulse Response ）系统（简记为FIR 系统）和无限长单位脉冲响应（Infinite Impulse Response ）系统（简记为IIR 系统）。 对于FIR 滤波器来说，除了可以通过数字网络来实现外，也可以通过FFT 的变换来实现。 一个信号序列x(n)通过FIR 滤波器时，其输出应该是x(n)与h(n)的卷积： ∑+∞ -∞ =-= =m m n h m x n h n x n y )()()(*)()( 或 ∑+∞ -∞ =-= =m m n x m h n x n h n y ) ()()(*)()( 当h(n)是一个有限长序列，即h(n)是FIR 滤波器，且10-≤≤N n 时 ∑-=-=1 0) ()()(N m m n x m h n y 在数字网络（见图6.1）类的FIR 滤波器中，普遍使用的横截型结构（见下图6.2 图6.1 滤波器的数字网络实现方法 图6.2 FIR 滤波器横截型结构 y(n) y(n) -1-1-1-1 应用FFT 实现数字滤波器实际上就是用FFT 来快速计算有限长度列间的线性卷积。 粗略地说，这种方法就是先将输入信号x(n)通过FFT 变换为它的频谱采样 值X(k)，然后再和FIR 滤波器的频响采样值H(k)相乘，H(k)可事先存放在存储器中，最后再将乘积H(k)X(k)通过快速傅里叶变换（简称IFFT ）还原为时域序列，即得到输出y(n)如图6.3所示。 图6.3 数字滤波器的快速傅里叶变换实现方法 现以FFT 求有限长序列间的卷积及求有限长度列与较长序列间的卷积为例来讨论FFT 的快速卷积方法。 （1） 序列)(n x 和)(n h 的列长差不多。设)(n x 的列长为1N ，)(n h 的列长为2N ，要求 )()(n x n y =N ∑-=-==1 ) ()()(*)()(N r r n h r x n h n x n h 用FFT 完成这一卷积的具体步骤如下： i. 为使两有限长序列的线性卷积可用其循环卷积代替而不发生混叠，必须选择循环卷积长度121-+≥N N N ，若采用基2-FFT 完成卷积运 算，要求m N 2=（m 为整数）。 ii. 用补零方法使)(n x ，)(n h 变成列长为N 的序列。 ?? ?-≤≤-≤≤=10 10)()(11N n N N n n x n x ?? ?-≤≤-≤≤=10 1 0)()(22N n N N n n h n h iii. 用FFT 计算)(),(n h n x 的N 点离散傅里叶变换 )()(k X n x FFT ??→? )()(k H n h FFT ??→? iv. 做)(k X 和)(k H 乘积，)()()(k H k X k Y ?= v. 用FFT 计算)(k Y 的离散傅里叶反变换得 y(n) C语言实现FFT(快速傅里叶变换) 函数原型:空快速傅立叶变换(Struct Compx *xin，Intn) 函数函数:对输入复数组执行快速傅立叶变换(FFT)输入参数:*xin复结构组的第一个地址指针。结构输出参数:no * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *结构compx u，w，t。 nv2 =快速傅立叶变换_ N/2；nm1 =快速傅立叶变换_ N-1；(I = 0；i Matlab傅里叶变换傅里叶逆变换 %% 信号经过傅里叶变换然后进行傅里叶逆变换后信号的变化 clear all;clc; %------Author&Date------ %Author: %Date: 2013/07/31 %========================================================================== Fs=8e3; %采样率 t=0:1/Fs:1; %采样点 len=length(t); %采样长度 f1=10; %频率1 f2=100; %频率2 f3=1000; %频率3 A1=1; %幅度1 A2=0.8; %幅度2 A3=0.3; %幅度3 MaxS=A1+A2+A3; %信号幅度的最大值 signal=A1*sin(2*pi*f1*t)+A2*sin(2*pi*f2*t)+A3*sin(2*pi*f3*t); X=fft(signal,len); %傅里叶变换 magX=abs(X); %信号的幅度 angX=angle(X); %信号的相位 Y=magX.*exp(1i*angX); %信号的频域表示 y=ifft(Y,len); %信号进行傅里叶逆变换 y=real(y); er=signal-y; %原始信号和还原信号的误差 subplot(311);plot(t,signal);axis([0 1 -MaxS MaxS]);xlabel('时间');ylabel('振幅');title('原始信号'); subplot(312);plot(t,y);axis([0 1 -MaxS MaxS]);xlabel('时间');ylabel('振幅');title('还原信号'); subplot(313);plot(t,er);xlabel('时间');ylabel('振幅');title('误差'); % End Script 快速傅里叶变换FFT的FPGA设计与实现 学生姓名郭衡 班级电科1704 学号17419002064 指导教师谭会生 成绩 2020年5 月20 日 快速傅里叶变换FFT 的设计与实现 一、研究项目概述 非周期性连续时间信号x(t)的傅里叶变换可以表示为：= )(?X dt t j e t x ? ∞ ∞ --1 )(?，式中计算出来的是信号x(t)的连续频谱。但是，在实际的控制系统中能够式中计算出来的是信号x(t)的连续频谱。但是，在实际的控制系统中能够算信号x(t)的频谱。 有限长离散信号x(n)，n=0，1，…，N-1的DFT 定义为： ∑-=-=-==1 02,1.....10)()(N n N j N kn N e W N k W n x K X π、、。 可以看出，DFT 需要计算大约N2次乘法和N2次加法。当N 较大时，这个计算量是很大的。利用WN 的对称性和周期性，将N 点DFT 分解为两个N ／2点的DFT ，这样两个N ／2点DFT 总的计算量只是原来的一半，即(N ／2)2+(N ／2)2=N2／2，这样可以继续分解下去，将N ／2再分解为N ／4点DFT 等。对于N=2m 点的DFT 都可以分解为2点的DFT ，这样其计算量可以减少为(N ／2)log2N 次乘法和Nlog2N 次加法。图1为FFT 与DFT-所需运算量与计算点数的关系曲线。由图可以明显看出FFT 算法的优越性。 图1 FFT 与DFT 所需乘法次数比 较 X[1] 将x(n)分解为偶数与奇数的两个序列之和，即x(n)=x1(n)+x2(n)。 x1(n)和x2(n)的长度都是N ／2，x1(n)是偶数序列，x2(n)是奇数序列，则 ∑∑=--=-=+2 )12(120 2)1.....,0()(2)(1)(N n k n N N n km N N k W n x W n x K X 所以)1...,0()(2)(1)(12 22120 -=+=∑∑-=-=N k W n x W W n x K X N n km N k N km N N n 由于km N N j km N j km N W e e W 2/2 /2222===--ππ ，则 )1.....,0)((2)(1)(2)(1)(12 2/120 2/-=+=+=∑∑-=-=N k k X W k X W n x W W n x K X k N N n km N k N N n kn N 其中X1(k)和X2(k)分别为x1(n)和x2(n)的N ／2点DFT 。由于X1(k)和X2(k)均以N ／2为周期，且WNk+N/2=-WNk ，所以X(k)又可表示为： )12/....,1,0)((2)(1)(-=+=N k k X W k X K X k N )12/....,1,0)((2)(1)2/(-=-=+N k k X W k X N K X k N 1.请用MATLAB编写程序，实现任意两个有限长度序列的卷积和。要求用图 形显示两个序列及卷积结果。 解：y(n)=∑x(i)h(n-i) 假设x(n)={1,2,3,4,5}; h(n)={3,6,7,2,1,6}; y(n)=x(n)*h(n) 验证：y[n]=[1,12,28,46,65,72,58,32,29,30] 【程序】 N=5 M=6 L=N+M-1 x=[1,2,3,4,5] h=[3,6,7,2,1,6] y=conv(x,h) nx=0:N-1 nh=0:M-1 ny=0:L-1 subplot(131);stem(nx,x,'*b');xlabel('n');ylabel('x(n)');grid on subplot(132);stem(nh,h,'*b');xlabel('n');ylabel('h(h)');grid on subplot(133);stem(ny,y,'*r');xlabel('n');ylabel('y(h)');grid on 【运行结果】 2.已知两个序列x[n]=cos(n*pi/2), y[n]=e j*pi*n/4x[n],请编写程序绘制 X(e jw)和Y(e jw)和幅度和相角,说明它们的频移关系。 –提示：用abs函数求幅度，用angle求相角。 【程序】 n=0:15; x=cos(n*pi/2); y=exp(j*pi*n/4).*x; X=fft(x); Y=fft(y); magX=abs(X); angX=angle(X); magY=abs(Y); angY=angle(Y); subplot(221);stem(n,magX,'*r');xlabel('频率');ylabel('幅度');grid on; subplot(222);stem(n,angX,'*b');xlabel('频率');ylabel('相位');grid on; subplot(223);stem(n,magY,'*r');xlabel('频率');ylabel('幅度');grid on; subplot(224);stem(n,angY,'*b');xlabel('频率');ylabel('相位');grid on; 快速傅里叶变换 FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。 虽然很多人都知道FFT是什么，可以用来做什么，怎么去做，但是却不知道FFT之后的结果是什意思、如何决定要使用多少点来做FFT。 现在圈圈就根据实际经验来说说FFT结果的具体物理意义。一个模拟信号，经过ADC采样之后，就变成了数字信号。采样定理告诉我们，采样频率要大于信号频率的两倍，这些我就不在此罗嗦了。 采样得到的数字信号，就可以做FFT变换了。N个采样点，经过FFT之后，就可以得到N个点的FFT结果。为了方便进行FFT运算，通常N取2的整数次方。 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（除了第一个点直流分量之外）的模值就是A的N/2倍。而第一个点就是直流分量，它的模值就是直流分量的N倍。而每个点的相位呢，就是在该频率下的信号的相位。第一个表示直流分量（即0Hz），而最后一个点N的再下一个点（实际上这个点是不存在的，这里是假设的第N+1个点，也可以看做是将第一个点分做两半分，另一半移到最后）则表示 采样频率Fs，这中间被N-1个点平均分成N等份，每个点的频率依次增加。例如某点n所表示的频率为：Fn=(n-1)*Fs/N。由上面的公式可以看出，Fn所能分辨到频率为为Fs/N，如果采样频率Fs为1024Hz，采样点数为1024点，则可以分辨到1Hz。1024Hz的采样率采样1024点，刚好是1秒，也就是说，采样1秒时间的信号并做FFT，则结果可以分析到1Hz，如果采样2秒时间的信号并做FFT，则结果可以分析到0.5Hz。如果要提高 %傅里叶变换 clc;clear all;close all; tic Fs=128;%采样频率，频谱图的最大频率 T=1/Fs;%采样时间，原始信号的时间间隔 L=256;%原始信号的长度，即原始离散信号的点数 t=(0:L-1)*T;%原始信号的时间取值范围 x=7*cos(2*pi*15*t-pi)+3*cos(2*pi*40*t-90*pi/180)+3*cos(2*pi*30*t-90*pi/ 180); z=7*cos(2*pi*15*t-pi)+3*cos(2*pi*40*t-90*pi/180); z1=6*cos(2*pi*30*t-90*pi/180); z1(1:L/2)=0; z=z+z1; y=x;%+randn(size(t)); figure; plot(t,y) title('含噪信号') xlabel('时间（s）') hold on plot(t,z,'r--') N=2^nextpow2(L);%N为使2^N>=L的最小幂 Y=fft(y,N)/N*2; Z=fft(z,N)/N*2;%快速傅里叶变换之后每个点的幅值是直流信号以外的原始信号幅值的N/2倍（是直流信号的N倍） f=Fs/N*(0:N-1);%频谱图的频率取值范围 A=abs(Y);%幅值 A1=abs(Z); B=A; %让很小的数置零. B1=A1; A(A<10^-10)=0; % A1(A1<10^-10)=0; P=angle(Y).*A./B; P1=angle(Z).*A1./B1; P=unwrap(P,pi);%初相位值，以除去了振幅为零时的相位值 P1=unwrap(P1,pi); figure subplot(211) plot(f(1:N/2),A(1:N/2))%函数ffs返回值的数据结构具有对称性，因此只取前一半 hold on plot(f(1:N/2),A1(1:N/2),'r--') title('幅值频谱') 快速傅里叶变换(FFT)的DSP 实现 (马灿明 计算机学院 计算机应用技术 2110605410) 摘要:本文对快速傅里叶变换(FFT)原理进行简单介绍后，然后介绍FFT 在TMS320C55xx 定 点DSP 上的实现，FFT 算法采用C 语言和汇编混合编程来实现，算法程序利用了CCS 对其结果进行了仿真。 关键字：FFT ，DSP ，比特反转 1.引言 傅里叶变换是将信号从时域变换到频域的一种变换形式，是信号处理领域中一种重要的分析工具。离散傅里叶变换（DFT ）是连续傅里叶变换在离散系统中的表现形式。由于DFT 的计算量很大，因此在很长一段时间内使其应用受到很大的限制。 20世纪60年代由Cooley 和Tukey 提出了快速傅里叶变换（FFT ）算法，它是快速计算DFT 的一种高效方法，可以明显地降低运算量，大大地提高DFT 的运算速度，从而使DFT 在实际中得到了广泛的应用，已成为数字信号处理最为重要的工具之一。 DSP 芯片的出现使FFT 的实现变得更加方便。由于多数的DSP 芯片都能在单指令周期内完成乘法—累加运算，而且还提供了专门的FFT 指令（如实现FFT 算法所必需的比特反转等），使得FFT 算法在DSP 芯片上实现的速度更快。本节首先简要介绍FFT 算法的基本原理，然后介绍FFT 算法的DSP 实现。 2.FFT 算法的简介 快速傅里叶变换（FFT ）是一种高效实现离散傅里叶变换（DFT ）的快速算法，是数字信号处理中最为重要的工具之一，它在声学，语音，电信和信号处理等领域有着广泛的应用。 2.1离散傅里叶变换DFT 对于长度为N 的有限长序列x(n)，它的离散傅里叶变换（DFT ）为 1,1,0, )()(1 0-==∑-=N k W n x k X n n nk N （1） 式中， N j N e W /2π-= ，称为旋转因子或蝶形因子。 从DFT 的定义可以看出，在x(n)为复数序列的情况下，对某个k 值，直接按（1） 式计算X(k) 只需要N 次复数乘法和（N-1）次复数加法。因此，对所有N 个k 值，共需要N 2 次复数乘法和N(N-1)次复数加法。对于一些相当大有N 值（如1024点）来说，直接计算它的DFT 所需要的计算量是很大的，因此DFT 运算的应用受到了很大的限制。 2.2快速傅里叶变换FFT 旋转因子W N 有如下的特性。 。对称性： 2/N k N k N W W +-= 。周期性： N k N k N W W += 利用这些特性，既可以使DFT 中有些项合并，减少了乘法积项，又可以将长序列的DFT #include 一、傅立叶变化的原理； （1）原理 正交级数的展开是其理论基础！将一个在时域收敛的函数展开成一系列不同频率谐波的叠加，从而达到解决周期函数问题的目的。在此基础上进行推广，从而可以对一个非周期函数进行时频变换。 从分析的角度看，他是用简单的函数去逼近（或代替）复杂函数，从几何的角度看，它是以一族正交函数为基向量，将函数空间进行正交分解，相应的系数即为坐标。从变幻的角度的看，他建立了周期函数与序列之间的对应关系；而从物理意义上看，他将信号分解为一些列的简谐波的复合，从而建立了频谱理论。 当然Fourier积分建立在傅氏积分基础上，一个函数除了要满足狄氏条件外， 一般来说还要在积分域上绝对可积，才有古典意义下的傅氏变换。引入衰减因子e^(-st)，从而有了Laplace变换。（好像走远了）。 （2）计算方法 连续傅里叶变换将平方可积的函数f（t）表示成复指数函数的积分或级数形式。 这是将频率域的函数F(ω)表示为时间域的函数f（t）的积分形式。 为 连续傅里叶变换的逆变换 (inverse Fourier transform) 即将时间域的函数f（t）表示为频率域的函数F(ω)的积分。 一般可称函数f（t）为原函数，而称函数F(ω)为傅里叶变换的像函数，原函数和像函数构成一个傅里叶变换对（transform pair）。 二、傅立叶变换的应用； DFT在诸多多领域中有着重要应用，下面仅是颉取的几个例子。需要指出 的是，所有DFT的实际应用都依赖于计算离散傅里叶变换及其逆变换的快速算 法，即快速傅里叶变换（快速傅里叶变换（即FFT ）是计算离散傅里叶变换及其逆变换的快速算法。）。（1）、频谱分析DFT 是连续傅里叶变换的近似。因此可以对连续信号x(t)均匀采样并截断以得到有限长的离散序列，对这一序列作离散傅里叶变换，可以分析连续信号x(t)频谱的性质。前面还提到DFT 应用于频谱分析需要注意的两个问题：即采样可能导致信号混叠和截断信号引起的频谱泄漏。可以通过选择适当的采样频率（见奈奎斯特频率）消减混叠。选择适当的序列长度并加窗可以抑制频谱泄漏。（2）、数据压缩由于人类感官的分辨能力存在极限，因此很多有损压缩算法利用这一点将语音、音频、图像、视频等信号的高频部分除去。高频信号对应于信号的细节，滤除高频信号可以在人类感官可以接受的范围内获得很高的压缩比。这一去除高频分量的处理就是通过离散傅里叶变换完成的。将时域或空域的信号转换到频域，仅储存或传输较低频率上的系数，在解压缩端采用逆变换即可重建信号。（3）、OFDM OFDM （正交频分复用）在宽带无线通信中有重要的应用。这种技术将带宽为N 个等间隔的子载波，可以证明这些子载波相互正交。尤其重要的是，OFDM 调制可以由IDFT 实现，而解调可以由DFT 实现。OFDM 还利用DFT 的移位性质，在每个帧头部加上循环前缀（Cyclic Prefix ），使得只要信道延时小于循环前缀的长度，就能消除信道延时对传输的影响。三、傅里叶变换的本质； 傅里叶变换的公式为dt e t f F t j ?+∞∞--=ωω)()(可以把傅里叶变换也成另外一种形式： t j e t f F ωπ ω),(21)(=可以看出，傅里叶变换的本质是内积，三角函数是完备的正交函数集，不同频率的三 角函数的之间的内积为0，只有频率相等的三角函数做内积时，才不为0。)(2,21)(2121Ω-Ω==?Ω-ΩΩΩπδdt e e e t j t j t j #include kn N W N N 第四章 快速傅里叶变换 有限长序列可以通过离散傅里叶变换(DFT)将其频域也离散化成有限长 序列.但其计算量太大,很难实时地处理问题,因此引出了快速傅里叶变换 (FFT). 1965 年，Cooley 和 Tukey 提出了计算离散傅里叶变换（DFT ）的快 速算法，将 DFT 的运算量减少了几个数量级。从此，对快速傅里叶变换（FFT ） 算法的研究便不断深入，数字信号处理这门新兴学科也随 FFT 的出现和发 展而迅速发展。根据对序列分解与选取方法的不同而产生了 FFT 的多种算 法，基本算法是基２DIT 和基２DIF 。FFT 在离散傅里叶反变换、线性卷积 和线性相关等方面也有重要应用。 快速傅里叶变换（FFT ）是计算离散傅里叶变换（DFT ）的快速算法。 DFT 的定义式为 N ?1 X (k ) = ∑ x (n )W N R N (k ) n =0 在所有复指数值 W kn 的值全部已算好的情况下，要计算一个 X (k ) 需要 N 次复数乘法和 N －1 次复数加法。算出全部 N 点 X (k ) 共需 N 2 次复数乘法 和 N ( N ? 1) 次复数加法。即计算量是与 N 2 成正比的。 FFT 的基本思想：将大点数的 DFT 分解为若干个小点数 DFT 的组合， 从而减少运算量。 W N 因子具有以下两个特性，可使 DFT 运算量尽量分解为小点数的 DFT 运算： （1） 周期性： ( k + N ) n N = W kn = W ( n + N ) k （2） 对称性：W ( k + N / 2 ) = ?W k N N 利用这两个性质，可以使 DFT 运算中有些项合并，以减少乘法次数。例子： 求当 N ＝4 时，X(2)的值 一、实验目的 1.利用MATLAB 编写FFT 快速傅里叶变换。 2.比较编写的myfft 程序运算结果与MATLAB 中的FFT 的有无误差。 二、实验条件 PC 机，MATLAB7.0 三、实验原理 1. FFT （快速傅里叶变换）原理： 将一个N 点的计算分解为两个N/2点的计算，每个N/2点的计算再进一步分解为N/4点的计算，以此类推。根据DFT 的定义式，将信号x[n]根据采样号n 分解为偶采样点和奇采样点。设偶采样序列为y[n]=x[2n]，奇采样序列为z[n]=x[2n+1]。 上式中的k N W -为旋转因子N k j e /2π-。下式则为y[n]与z[n]的表达式： 2. 蝶形变换的原理： 下图给出了蝶形变换的运算流图，可由两个N/2点的FFT （Y[k]和Z[k]得出N 点FFT X[k]）。同理，每个N/2点的FFT 可以由两个N/4点的FFT 求得。按这种方法，该过程可延迟后推到2点的FFT 。 下图为N=8的分解过程。图中最右边的为8个时域采样点的8点FFTX[k]，由偶编号采样点的4点FFT 和奇编号采样点的4点得到。这4点偶编号又由偶编号的偶采 样点的2点FFT 和奇编号的偶采样点的2点FFT 产生。相同的4点奇编号也是如此。依次往左都可以用相同的方法算出，最后由偶编号的奇采样点和奇编号的偶采样点的2点FFT 算出。图中没2点FFT 成为蝶形，第一级需要每组一个蝶形的4组，第二级有每组两个蝶形的两组，最后一级需要一组4个蝶形。 四、实验内容 1.定义函数disbutterfly ，程序根据FFT 的定义：]2[][][N n x n x n y + +=、n N W N n x n x n z -+-=])2 [][(][，将序列x 分解为偶采样点y 和奇采样点z 。 function [y,z]=disbutterfly(x) N=length(x); n=0:N/2-1; w=exp(-2*1i*pi/N).^n; x1=x(n+1); x2=x(n+1+N/2); y=x1+x2; z=(x1-x2).*w; 2.定义函数rader ，纠正输出序列的输出顺序。 function y=rader(x,N) n=[0:N-1]; bn=dec2bin(n); rbn=fliplr(bn); rn=bin2dec(rbn); y=x(rn+1); 3.定义函数myfft ，程序中套了两个循环。 function X=myfft(x) N=length(x); h=log2(N); %h=3 for i=1:h %第一次i=1;第二次i=2 s=[]; for j=1:2^(i-1);%i=1时，j=1;i=2时,j=1:2 M=2^(h-i+1);%M:M=8；M=4 xj=x([1:M]+(j-1)*M);%xj=x([1:8]+(1-1)*8)=x(1)+x(2)...+x(8); %j=1:xj=x([1:4]);j=2:xj=x([1:4]+4) [y,z]=disbutterfly(xj); s=[s,y,z]; end x=s; §2.4 快速傅里叶变换 (FFT) 实现 一、实验目的 1. 掌握FFT 算法的基本原理； 2. 掌握用C 语言编写DSP 程序的方法。 二、实验设备 1. 一台装有CCS3.3软件的计算机； 2. DSP 实验箱的TMS320F2812主控板； 3. DSP 硬件仿真器。 三、实验原理 傅里叶变换是一种将信号从时域变换到频域的变换形式，是信号处理的重要分析工具。离散傅里叶变换（DFT ）是傅里叶变换在离散系统中的表示形式。但是DFT 的计算量非常大， FFT 就是DFT 的一种快速算法, FFT 将DFT 的N 2 步运算减少至 ( N/2 )log 2N 步。 离散信号x(n)的傅里叶变换可以表示为 ∑=-=1 0][)(N N nk N W n x k X ， N j N e W /2π-= 式中的W N 称为蝶形因子，利用它的对称性和周期性可以减少运算量。一般而言，FFT 算法分为时间抽取（DIT ）和频率抽取（DIF ）两大类。两者的区别是蝶形因子出现的位置不同，前者中蝶形因子出现在输入端，后者中出现在输出端。本实验以时间抽取方法为例。 时间抽取FFT 是将N 点输入序列x(n) 按照偶数项和奇数项分解为偶序列和奇序列。偶序列为：x(0), x(2), x(4),…, x(N-2)；奇序列为：x(1), x(3), x(5),…, x(N-1)。这样x(n) 的N 点DFT 可写成： ()()∑++∑=-=+-=1 2/0 )12(1 2/0 2122)(N n k n N N n nk N W n x W n x k X 考虑到W N 的性质，即 2/)2//(22/)2(2][N N j N j N W e e W ===--ππ 因此有： ()()∑++∑=-=-=1 2/0 2/1 2/0 2 /122)(N n nk N k N N n nk N W n x W W n x k X 或者写成： ()()k Z W k Y k X k N +=)( 由于Y(k) 与Z(k) 的周期为N/2，并且利用W N 的对称性和周期性，即： k N N k N W W -=+2/ 目录 用Matlab 对信号进行傅里叶变换 (2) Matlab 的傅里叶变换实例 (5) Matlab 方波傅立叶变换画出频谱图 (7) 用 Matlab 对信号进行傅里叶变换 1. 离散序列的傅里叶变换 DTFT(Discrete Time Fourier Transform) 代码： %原离散信号有 8 点 %原信号是 1行 8列的矩阵 %构建原始信号，为指数信号 %频域共-800 +800 的长度（本应是无穷， 高 %求 dtft 变换，采用原始定义的方法，对复指 7 subplot(311) 8 stem(n,xn); 9 title('原始信号(指数信号 )'); 10 subplot(312); 11 plot(w/pi,abs(X)); 12 title('DTFT 变换 ') 结果： 分析：可见，离散序列的 dtft 变换是周期的，这也符合 Nyquist 采样 定理的描述， 连续时间信号经周期采样之后， 所得的离散信号的频谱 是原连续信号频谱的周期延拓。 2. 离散傅里叶变换 1 N=8; 2 n=[0:1:N-1] 3 xn=0.5.^n; 4 5 w=[-800:1:800]*4*pi/800; 频分量很少，故省去) 6 X=xn*exp(-j*(n'*w)); 数分 量求和而得 与 1 中 DTFT 不一样的是， DTFT 的求和区间是整个频域，这对 N=8; % 原离散信号有 8 点 n=[0:1:N-1] %原信号是 1行 8列的矩阵 xn=0.5.^n; %构建原始信号，为指数信号 w=[-8:1:8]*4*pi/8; %频域共 -800 +800 的长度(本应是无穷， 高频分量很少， 故省去) X=xn*exp(-j*(n'*w)); %求 dtft 变换，采用原始定义的方法，对复指数分量求和而得 subplot(311) stem(n,xn); w1=[-4:1:4]*4*pi/4; X1=xn*exp(-j*(n'*w1)); title(' 原始信号 (指数信号 )'); subplot(312); stem(w/pi,abs(X)); title(' 原信号的 16 点 DFT 变换 ') subplot(313) stem(w1/pi,abs(X1)); title(' 原信号的 8 点 DFT 变换 ') 计算机的计算来说是不可以实现的， DFT 就是序列的有限傅里叶变换。 实际上， 1 中代码也只是对频域的 -800 +800 中间的 1601 结果图： 分析： DFT 只是 DTFT 的现实版本，因为 DTFT 要求求和区间无穷， 而 DFT 只在有限点内求和。 3. 快速傅里叶变换 FFT ( Fast Fourier Transform ) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 实验四 快速傅里叶变换（FFT ） 4.1实验目的 1）加深对快速傅里叶变换（FFT ）基本理论的理解； 2）了解使用快速傅里叶变换（FFT ）计算有限长序列和无限长序列信号频谱的方法； 3）掌握用MATLAB 语言进行快速傅里叶变换时常用的子函数。 4.2实验原理 1）用MATLAB 提供的子函数进行快速傅里叶变换 从理论学习可知，DFT 是唯一在时域和频域均为离散序列的变换方法，它适用于有限长序列。尽管这种变换方法是可以用于数值计算的，但如果只是简单的按照定义进行数据处理，当序列长度很大时，则将占用很大的内存空间，运算时间将很长。 快速傅里叶变换是用于DFT 运算的高效运算方法的统称，FFT 只是其中的一种。FFT 主要有时域抽取算法和频域抽取算法，基本思想是将一个长度为N 的序列分解成多个短序列，如基2算法、基4算法等，大大缩短了运算的时间。 MATLAB 中提供了进行快速傅里叶变换（FFT ）的子函数，用fft 计算DFT ，用ifft 计算IDFT 。 2）用FFT 计算有限长序列的频谱 基本概念： 一个序号从1n 到2n 的时域有限长序列()x n ，它的频谱()j X e ω定义为它的离散时间傅里叶变换，且在奈奎斯特（Nyquist ）频率范围内有界并连续。序列的长度为N ，则211N n n =?+。计算()x n 的离散傅里叶变换（DFT ）得到的是()j X e ω的N 个样本点()k j X e ω。其中数字频率为 k 2πω()d ωk k N == 式中：d ω为数字频率的分辨率；k 取对应－(N －1)/2到(N －1)/2区间的整数。 在实际使用中，往往要求计算出信号以模拟频率为横坐标的频谱，此时对应的模拟频率为 s s 2π2π?ω/T ()()T k k k k kD N L ==== 式中：D 为模拟频率的分辨率或频率间隔；T s 为采样信号的周期，Ts ＝1/Fs ；定义信号时域长度L ＝N T s 。 第四章快速傅里叶变换 有限长序列可以通过离散傅里叶变换(DFT)将其频域也离散化成有限长序列.但其计算量太大,很难实时地处理问题,因此引出了快速傅里叶变换(FFT). 1965年，Cooley和Tukey提出了计算离散傅里叶变换（DFT）的快速算法，将DFT的运算量减少了几个数量级。从此，对快速傅里叶变换（FFT）算法的研究便不断深入，数字信号处理这门新兴学科也随FFT的出现和发展而迅速发展。根据对序列分解与选取方法的不同而产生了FFT的多种算法，基本算法是基２DIT和基２DIF。FFT在离散傅里叶反变换、线性卷积和线性相关等方面也有重要应用。 快速傅里叶变换（FFT）是计算离散傅里叶变换（DFT）的快速算法。 DFT的定义式为 )(k X =)()(1 k R W n x N N n kn N ∑-= 在所有复指数值kn N W 的值全部已算好的情况 下，要计算一个)(k X 需要N 次复数乘法和N －1次复数加法。算出全部N 点)(k X 共需2 N 次 复数乘法和)1(-N N 次复数加法。即计算量是与2 N 成正比的。 FFT 的基本思想：将大点数的DFT 分解为若干个小点数DFT 的组合，从而减少运算量。 N W 因子具有以下两个特性，可使 DFT 运算 量尽量分解为小点数的DFT 运算： （1） 周期性：k N n N kn N n N k N W W W )()(++== （2） 对称性：k N N k N W W -=+)2/( 利用这两个性质，可以使DFT 运算中有些项合并，以减少乘法次数。例子：求当N ＝4时，X(2)的值 通过合并，使乘法次数由4次减少到1次，运算量减少。 FFT 的算法形式有很多种，但基本上可以 陕西科技大学实验报告 班级信工142 学号22 姓名何岩实验组别实验日期室温报告日期成绩报告内容：(目的和要求，原理，步骤，数据，计算，小结等) 1.求信号的离散时间傅立叶变换并分析其周期性和对称性； 给定正弦信号x(t)=2*cos(2*pi*10*t),fs=100HZ,求其DTFT。 (a)代码： f=10;T=1/f;w=-10:0.2:10; t1=0:0.0001:1;t2=0:0.01:1; n1=-2;n2=8;n0=0;n=n1:0.01:n2; x5=[n>=0.01]; x1=2*cos(2*f*pi*t1); x2=2*cos(2*f*pi*t2); x3=(exp(-j).^(t2'*w)); x4=x2*x3; subplot(2,2,1);plot(t1,x1); axis([0 1 1.1*min(x2) 1.1*max(x2)]); xlabel('x(n)');ylabel('x(n)'); title('原信号x1'); xlabel('t');ylabel('x1'); subplot(2,2,3);stem(t2,x2); axis([0 1 1.1*min(x2) 1.1*max(x2)]); title('原信号采样结果x2'); xlabel('t');ylabel('x2'); subplot(2,2,2);stem(n,x5); axis([0 1 1.1*min(x5) 1.1*max(x5)]); xlabel('n');ylabel('x2'); title('采样函数x2'); subplot(2,2,4);stem(t2,x4); axis([0 1 -0.2+1.1*min(x4) 1.1*max(x4)]); xlabel('t');ylabel('x4'); title('DTFT结果x4'); （b）结果：实验八 利用快速傅里叶变换(FFT)实现快速卷积(精选、)
C语言实现FFT(快速傅里叶变换)
Matlab傅里叶变换傅里叶逆变换-FFT-IFFT
快速傅里叶变换FFT的FPGA设计与实现--电科1704 郭衡
matlab-离散信号傅里叶变换
FFT超全快速傅里叶
傅里叶变换matlab代码
快速傅里叶变换(FFT)课程设计
C语言实现FFT(快速傅里叶变换)
【免费下载】matlab实现傅里叶变换
fft快速傅里叶变换 c语言实现
详解FFT(快速傅里叶变换FFT.
利用MATLAB编写FFT快速傅里叶变换
快速傅里叶变换 (FFT) 实现
用Matlab对信号进行傅里叶变换实例
实验四 快速傅里叶变换(FFT)
快速傅里叶变换
MAtlab-傅里叶变换-实验报告
相关主题
文本预览