实验1 基2-FFT算法实现
姓名：明眸皓齿王师傅
班级：*******
学号：**********
实验时间：第十周周三下午第二大节
1
一、实验目的
1.掌握基2-FFT的原理及具体实现方法。
2.编程实现基2-FFT算法。
3.深刻理解FFT算法的特点。
二、实验设备与环境
计算机，matlab软件环境。
三． 实验原理
FFT是EDF的一种快速算法，能使DFT的计算大大简化，运算时间缩短。FFT利用了WNnk的三个固有特性。即对称性，周期性和可约性，将长序列的DFT分解为短序列的DFT，合并了DFT运算中的某些项，从而减少了DFT的运算量。
FFT算法基本上可分为两大类，即按时间抽取法和按频率抽取法。
在实现FFT算法时，要重点考虑两个问题，注意数据的读取和存储：(1)输入输出的排序；（2）蝶形运算的实现。按时间抽取算法中输入反序输出顺序，按频率抽取算法中输入顺序输出反序；运算过程中的每一级都有N/2个蝶形运算构成，每一个蝶形运算单元中，两个节点变量运算后得到的结果为下一列相同位置的节点变量，而和其他节点变量无关，可以采用原位运算，节省存储单元。另外，蝶形运算中的复系数WNnk可以存储为能及时查阅的系数表，这样可以借阅运算量，但是需要N/2哥复数存储器。
MATLAB中提供了用于计算FFT的函数fft，可将实验中所得到的结果与利用MATLAB中fft函数计算的结果相比较，以此验证结果的正确性。
四.实验内容
1.编程实现序列长度为N=8的按时间抽取的基2-FFT算法。给定一个8点序列，采用编写的程序计算其DFT，并与MATLAB中fft函数计算的结果相比较，以验证结果的正确性。
代码：
x=[0 1 2 3 4 5 6 7]
m=3 %序列长度为2的3次方
N=8
xx=bin2dec(fliplr(dec2bin([1:N]-1,m)))+1; %求倒序列
y=x(xx)
for mm=1:m %对x做基2分解
1.3 时频分布及其性质
1.3.1 单分量信号与多分量信号
从物理学的角度看，信号可以分为单分量信号和多分量信号两类，而时－频分布的一个主要优点就是能够确定一个信号是单分量的还是多分量的。所谓单分量信号就是在任一时间只有一个频率或一个频率窄带的信号。一般地，单分量信号看上去只有一个山峰（如图1.2.2），图中所示的是信号)()()(tjetAts的时－频表示，在每一个时间，山峰的峰值有明显的不同。如果它是充分局部化的，那么峰值就是瞬时频率；山峰的宽度就是瞬时带宽。一般地，如果)(tz是信号)(cos)()(ttats的解析信号，)(fZ是)(tz对应的频谱，
图1.2.2 单分量信号时－频表示及其特征
则其瞬时频率定义如下：
)]([arg21)(tzdtdtfi （1.2.1）
与瞬时频率对偶的物理量叫做群延迟，定义如下：
)]([arg21)(fZdtdfg （1.2.2）
而多分量信号是由两个（或多个）山峰构成, 每一个山峰都有它自己不同的瞬时频率和瞬时带宽。（如图1.2.3所示）。
图1.2.3 多分量信号时－频表示及特征
1.3.2 时－频分布定义
Fourier 变换的另一种形式
dtetsfSftj2)()(
dfefStstfj2)()(
Cohen指出，尽管信号)(tz的时－频分布有许多形式，但不同的时－频分布只是体现在积分变换核的函数形式上，而对于时－频分布各种性质的要求则反映在对核函数的约束条件上，因此它可以用一个统一形式来表示，通常把它叫做Cohen类时－频分布，连续时间信号)(tz（)(tz为连续时间信号)(ts的解析信号）的Cohen类时－频分布定义为
dudvdevuzuzftPvufvtj)(2*),()21()21(),( （1.3.1）
现代信号处理技术及应用
现代信号处理技术是一种将信号转换成数字或者数学表达式进行分析或处理的技术。随着科技的快速发展，现代信号处理技术逐渐成为了实现各种数码设备的基础技术之一，被广泛应用于通信、图像处理、音频处理、控制系统等众多领域。本文将以通信领域为例，探讨现代信号处理技术的应用。
通信领域是现代信号处理技术的重要应用领域之一。在无线通信系统中，数字信号处理技术广泛应用于解决各种信道干扰、损耗、多径传输和时延等问题。数字信号处理技术可以通过数字滤波、自适应滤波、同步识别和信号解调等技术手段对数字信号进行预处理和后处理，从而提高通信系统的效率和质量。
其中，数字滤波是现代通信领域应用较广泛的技术之一。数字滤波技术通过对信号进行数字处理，可以实现无源电路滤波器所实现的频率选择性。数字滤波器是通过离散时间输入信号的加权和输出的加权和所组成的有限脉冲响应系统。数字滤波器可以采用各种算法，在不同领域实现不同的设计要求，比如低通、高通、带通、带阻滤波等。数字滤波技术在通信系统中的应用，主要是利用数字滤波的频率选择性和基带信号的特征，实现提高系统通信带宽和信噪比的效果。
在数字信号处理技术的应用中，自适应滤波是一种应用较广泛的技术。自适应滤波的基本原理是根据输入信号的特征，在每个时刻自动调整滤波器的权系数。自适应滤波器可以实现对信号干扰的自适应消除，使得系统的抗干扰能力更强，信号质量更高。自适应滤波技术在无线通信应用中，主要用于消除多径干扰。
在数字信号处理技术的应用中，同步识别技术是提高通信系统可靠性和效率的重要手段之一。同步识别技术主要用于将接收到的信号和参考信号进行对齐和同步，避免因为时钟偏差和信息传输延迟而引起的信号误差。同步识别技术在通信系统中的应用，主要涉及到载波恢复、时序恢复和帧同步等识别问题。同步识别技术的应用，对于提高通信系统的速率、效率和稳定性，具有十分重要的作用。
时频分析
摘 要:随着信息传递速度的提高,信号处理技术要求也在不断提高。从信号频域可以观测信号特点,但是对于自然中的非平稳信号,仅仅频域观测不能反映信号频率在时间轴上的变化,由此提出了时频分析技术,可以产生时间与频率的联合函数,方便观测信号频率在时间轴上的变化。在现有的时频分析技术中较为常见的算法有短时傅里叶变换、WVD、线性调频小波等。本文介绍了以上几种常见的算法和时频分析的相关应用。。
关键词:信号处理 非平稳信号 时频分析
一．整体概况
在传统的信号处理领域，基于 Fourier 变换的信号频域表示及其能量的频域分布揭示了信号在频域的特征，它们在传统的信号分析与处理的发展史上发挥了极其重要的作用。但是，Fourier 变换是一种整体变换，即对信号的表征要么完全在时域，要么完全在频域，作为频域表示的功率谱并不能告诉我们其中某种频率分量出现在什么时候及其变化情况。然而，在许多实际应用场合，信号是非平稳的，其统计量（如相关函数、功率谱等）是时变函数。这时，只了解信号在时域或频域的全局特性是远远不够的，最希望得到的乃是信号频谱随时间变化的情况。为此，需要使用时间和频率的联合函数来表示信号，这种表示简称为信号的时频表示。
时频分析的主要研究对象是非平稳信号或时变信号，主要的任务是描述信号
的频谱含量是怎样随时间变化的。时频分析是当今信号处理领域的一个主要研究
热点，它的研究始于20世纪40年代，为了得到信号的时变频谱特性，许多学者提出了各种形式的时频分布函数，从短时傅立叶变换到 Cohen 类，各类分布多达几十种。如今时频分析已经得到了许多有价值的成果，这些成果已在工程、物理、天文学、化学、地球物理学、生物学、医学和数学等领域得到了广泛应用。
时频分析在信号处理领域显示出了巨大的潜力，吸引着越来越多的人去研究并利
用它。
1.1基本思想
时频分布让我们能够同时观察一个讯号在时域和频域上的相关资讯，而时频分析就是在分析时频分布。传统上，我们常用傅里叶变换来观察一个讯号的频谱。然而，这样的方法不适合用来分析一个频率会随着时间而改变的讯号。
