下载文档原格式
利用Matlab绘制正弦信号的频谱图并做相关分析一、作业要求：1、信号可变（信号的赋值、相位、频率可变）；2、采样频率fs可变；3、加各种不同的窗函数并分析其影响；4、频谱校正；5、频谱细化。
二、采用matlab编写如下程序：clear;clf;fs=100;N=1024; %采样频率和数据点数A=20;B=30;C=0.38;n=0:N-1;t=n/fs; %时间序列x=A*sin(2*pi*B*t+C); %信号y=fft(x,N); %对信号进行傅里叶变换yy=abs(y); %求得傅里叶变换后的振幅yy=yy*2/N; %幅值处理f=n*fs/N; %频率序列subplot(3,3,1),plot(f,yy); %绘出随频率变化的振幅xlabel('频率/\itHz');ylabel('振幅');title('图1：fs=100，N=1024');grid on;%两种信号叠加，x=A*sin(2*pi*B*t+C)+2*A*sin(2*pi*1.5*B*t+2.5*C); %信号y=fft(x,N); %对信号进行傅里叶变换yy=abs(y); %求得傅里叶变换后的振幅yy=yy*2/N; %幅值处理f=n*fs/N; %频率序列subplot(3,3,2),plot(f,yy); %绘出随频率变化的振幅xlabel('频率/\itHz');ylabel('振幅');title('图2：fs=100,N=1024，两种信号叠加');grid on;%加噪声之后的图像x=A*sin(2*pi*B*t+C)+28*randn(size(t));y=fft(x,N);yy=abs(y);yy=yy*2/N; %幅值处理subplot(3,3,3),plot(f(1:N/2.56),yy(1:N/2.56));xlabel('频率/\itHz');ylabel('振幅');title('图3：fs=100,N=1024混入噪声');grid on;%改变采样点数N=128N=128;n=0:N-1;t=n/fs; %时间序列x=A*sin(2*pi*B*t+C); %信号y=fft(x,N); %对信号进行傅里叶变换yy=abs(y); %求得傅里叶变换后的振幅yy=yy*2/N; %幅值处理f=n*fs/N; %频率序列subplot(3,3,4),plot(f(1:N/2.56),yy(1:N/2.56)); %绘出随频率变化的振幅xlabel('频率/\itHz');ylabel('振幅');title('图4：fs=100，N=128');grid on;%改变采样频率为200Hz时的频谱fs=400;N=1024;n=0:N-1;t=n/fs;x=A*sin(2*pi*B*t+C); %信号y=fft(x,N); %对信号进行快速傅里叶变换yy=abs(y); %求取傅里叶变换的振幅yy=yy*2/N; %幅值处理f=n*fs/N;subplot(3,3,5),plot(f(1:N/2.56),yy(1:N/2.56)); %绘出随频率变化的振幅xlabel('频率/\itHz');ylabel('振幅');title('图5：fs=400，N=1024');grid on;%加三角窗函数fs=100;N=1024; %采样频率和数据点数n=0:N-1;t=n/fs; %时间序列x=A*sin(2*pi*B*t+C); %信号window=triang(N);%生成三角窗函数x=x.*window';%加窗函数y=fft(x,N); %对信号进行傅里叶变换yy=abs(y); %求得傅里叶变换后的振幅yy=yy*2/N; %幅值处理f=n*fs/N; %频率序列subplot(3,3,6),plot(f(1:N/2.56),2*yy(1:N/2.56)); %绘出随频率变化的振幅xlabel('频率/\itHz');ylabel('振幅');title('图6：fs=100,N=1024,加三角窗函数');grid on;%加海明窗函数后的频谱fs=100;N=1024;n=0:N-1;t=n/fs;x=A*sin(2*pi*B*t+C); %信号window=hamming(N);%生成海明窗函数x=x.*window';%加窗函数y=fft(x,N); %对信号进行快速傅里叶变换yy=abs(y); %求取傅里叶变换的振幅yy=yy*2/N; %幅值处理f=n*fs/N;subplot(3,3,7),plot(f(1:N/2.56),1.852*yy(1:N/2.56)); %绘出随频率变化的振幅xlabel('频率/\itHz');ylabel('振幅');title('图7：fs=100，N=1024,加海明窗函数');grid on;%加汉宁窗函数后的频谱fs=100;N=1024;n=0:N-1;t=n/fs;x=A*sin(2*pi*B*t+C); %信号window=hanning(N);%生成汉宁窗函数x=x.*window';%加窗函数y=fft(x,N); %对信号进行快速傅里叶变换yy=abs(y); %求取傅里叶变换的振幅yy=yy*2/N; %幅值处理f=n*fs/N;subplot(3,3,8),plot(f(1:N/2.56),2*yy(1:N/2.56)); %绘出随频率变化的振幅xlabel('频率/\itHz');ylabel('振幅');title('图8：fs=100，N=1024,加汉宁窗函数');grid on;三、运行结果如下：四、分析与结论：1）从所做图像可以看出，信号的幅值均小于真实值，说明在截断信号时存在泄露。
matlab 绘制正弦信号频谱图（虚频谱、实频谱、单、双边相位谱、单、双边幅频谱）matlab绘制正弦信号频谱图（虚、实频谱、单、双边相位谱、单、双边幅频谱） ⾸先我们今天绘制的正弦信号的函数表达式：f(x)=sin(2*π*f*t)，其中f=2. 我使⽤的是matlab2020b，打开matlab后，新建脚本。
我们先画出sin(2*π*f*t)信号的图像： 函数图像如下： 然后对函数进⾏快速傅⾥叶变换、计算实部虚部，绘制幅频谱、相频谱、实频谱、虚频谱。
代码如下：f=2;T =1/f;Fs =100; %采样率Ts =1/Fs;t =0:Ts:1-Ts; %t 范围0~1，步长0.01n =length(t);y =sin(2*pi*f*t); %正弦信号函数sinplot =figure;plot(t,y) %绘制函数图像 x 轴为时间t ，y 轴为信号函数xlabel('时间（s ）') %x 轴名称ylabel('信号') %y 轴名称title('原信号图像') %图像顶部名称grid on[Doain,Range]=cFFT(y,Fs);Doain2=Doain(1,51:100);stem(Range(1,51:100),abs(Doain2)*2,'Marker','none','LineWidth',3);%离散绘制幅频谱，取消原图像⼩圆圈，线条粗细3xlabel('Freq(Hz)')ylabel('幅值')title('单边幅频谱')gridaxis([-2.5,2.5,-1.5,1.5]) %坐标显⽰范围：x 轴-2.5~2.5，y 轴-1.5~1.5CnR =real(Doain); %实部CnI =imag(Doain); %虚部Cn =(CnR.^2+CnI.^2).^(1/2); %幅值fain =tand(CnI./CnR)/3; %相位⾓fain =fain(1,48:54); %去除影响因素figurestem(Range,CnR) %离散绘制gridaxis([-6,6,-2,2])title('实频谱')xlabel('Hz')ylabel('CnR')figurestem(Range,CnI,'Marker','none','LineWidth',3)axis([-2.5,2.5,-1,1])title('虚频谱')xlabel('Hz')ylabel('CnI')figurestem(Range,Cn,'Marker','none','LineWidth',3)gridaxis([-2.5,2.5,-0.5,1])title('双边幅频谱')xlabel('Hz')ylabel('|Cn|')figurestem(Range(1,48:54),-fain,'Marker','none','LineWidth',3) gridaxis([-2.5,2.5,-2.5,2.5])title('双边相频谱')xlabel('Hz')ylabel('相位⾓')figurefain2=fain(1,4:7);stem(Range(1,51:54),-fain2,'Marker','none','LineWidth',3) gridaxis([-2.5,2.5,-2.5,1.5])title('单边相频谱')xlabel('Hz')ylabel('相位⾓')figureplot(t,y)xlabel('时间（s）')ylabel('信号')title('原信号图像')grid onfunction[X,freq]=cFFT(x,Fs) %修正N=length(x);if mod(N,2)==0k=-N/2:N/2-1;elsek=-(N-1)/2:(N-1)/2;endT=N/Fs;freq=k/T;X=fft(x)/N;X=fftshift(X);end 绘制图像如下： 最后附上完整代码：f=2;T=1/f;Fs=100;Ts=1/Fs;t=0:Ts:1-Ts;n=length(t);y=sin(2*pi*f*t);sinplot=figure[Doain,Range]=cFFT(y,Fs);Doain2=Doain(1,51:100);stem(Range(1,51:100),abs(Doain2)*2,'Marker','none','LineWidth',3); xlabel('Freq(Hz)')ylabel('幅值')title('单边幅频谱')gridaxis([-2.5,2.5,-1.5,1.5])CnR=real(Doain);CnI=imag(Doain);Cn=(CnR.^2+CnI.^2).^(1/2);fain=tand(CnI./CnR)/3;fain=fain(1,48:54);figurestem(Range,CnR)gridaxis([-6,6,-2,2])title('实频谱')xlabel('Hz')ylabel('CnR')figurestem(Range,CnI,'Marker','none','LineWidth',3)gridaxis([-2.5,2.5,-1,1])title('虚频谱')xlabel('Hz')ylabel('CnI')figurestem(Range,Cn,'Marker','none','LineWidth',3)gridaxis([-2.5,2.5,-0.5,1])title('双边幅频谱')xlabel('Hz')ylabel('|Cn|')figurestem(Range(1,48:54),-fain,'Marker','none','LineWidth',3)gridaxis([-2.5,2.5,-2.5,2.5])title('双边相频谱')xlabel('Hz')ylabel('相位⾓')figurefain2=fain(1,4:7);stem(Range(1,51:54),-fain2,'Marker','none','LineWidth',3)gridaxis([-2.5,2.5,-2.5,1.5])title('单边相频谱')xlabel('Hz')ylabel('相位⾓')figureplot(t,y)xlabel('时间（s）')ylabel('信号')grid onfunction[X,freq]=cFFT(x,Fs)N=length(x);if mod(N,2)==0k=-N/2:N/2-1;elsek=-(N-1)/2:(N-1)/2;endT=N/Fs;freq=k/T;X=fft(x)/N;X=fftshift(X);end延迟T/4后的代码fo=2;T=1/fo;Fs=100;Ts=1/Fs;t=0:Ts:1-Ts;n=length(t);y=sin(2*pi*fo*t-pi/2);sinplot=figure[Doain,Range]=centeredFFT(y,Fs);Doain2=Doain(1,51:100);stem(Range(1,51:100),abs(Doain2)*2,'Marker','none','LineWidth',3); xlabel('Freq(Hz)')ylabel('幅值')title('单边幅频谱')gridaxis([-2.5,2.5,-1,1.5])CnR=real(Doain);CnI=imag(Doain);Cn=(CnR.^2+CnI.^2).^(1/2);fain=tand(CnR./CnI)*3.2;fain=fain(1,48:54);figurestem(Range,CnR,'Marker','none','LineWidth',3)gridaxis([-2.5,2.5,-1,1])title('实频谱')xlabel('Hz')ylabel('CnR')figurestem(Range,CnI)gridaxis([-6,6,-2,2])title('虚频谱')xlabel('Hz')ylabel('CnI')figurestem(Range,Cn,'Marker','none','LineWidth',3)gridaxis([-2.5,2.5,-0.5,1])title('双边幅频谱')xlabel('Hz')ylabel('|Cn|')figurestem(Range(1,48:54),abs(fain),'Marker','none','LineWidth',3)gridaxis([-2.5,2.5,-4,4])title('双边相频谱')xlabel('Hz')figurefain2=fain(1,4:7);stem(Range(1,51:54),abs(fain2),'Marker','none','LineWidth',3)gridaxis([-2.5,2.5,-4,4])title('单边相频谱')xlabel('Hz')ylabel('相位⾓')figureplot(t,y)xlabel('时间（s）')ylabel('y')title('原信号图像')grid onfunction[X,freq]=centeredFFT(x,Fs)N=length(x);if mod(N,2)==0k=-N/2:N/2-1; % N evenelsek=-(N-1)/2:(N-1)/2; % N oddendT=N/Fs;freq=k/T; %the frequency axisaccordinglyX=fft(x)/N;X=fftshift(X);End⽂件链接： （matlabxinhao1⽂件是本⽂所提到的信号，matlabxinhao2是将本⽂提到的信号延迟T/4之后的信号绘图。
利用Matlab绘制正弦信号的频谱图并做相关分析一、作业要求：1、信号可变（信号的赋值、相位、频率可变）；2、采样频率fs可变；3、加各种不同的窗函数并分析其影响；4、频谱校正；5、频谱细化。
二、采用matlab编写如下程序：clear;clf;fs=100;N=1024; %采样频率和数据点数A=20;B=30;C=0.38;n=0:N-1;t=n/fs; %时间序列x=A*sin(2*pi*B*t+C); %信号y=fft(x,N); %对信号进行傅里叶变换yy=abs(y); %求得傅里叶变换后的振幅yy=yy*2/N; %幅值处理f=n*fs/N; %频率序列subplot(3,3,1),plot(f,yy); %绘出随频率变化的振幅xlabel('频率/\itHz');ylabel('振幅');title('图1：fs=100，N=1024');grid on;%两种信号叠加，x=A*sin(2*pi*B*t+C)+2*A*sin(2*pi*1.5*B*t+2.5*C); %信号y=fft(x,N); %对信号进行傅里叶变换yy=abs(y); %求得傅里叶变换后的振幅yy=yy*2/N; %幅值处理f=n*fs/N; %频率序列subplot(3,3,2),plot(f,yy); %绘出随频率变化的振幅xlabel('频率/\itHz');ylabel('振幅');title('图2：fs=100,N=1024，两种信号叠加');grid on;%加噪声之后的图像x=A*sin(2*pi*B*t+C)+28*randn(size(t));y=fft(x,N);yy=abs(y);yy=yy*2/N; %幅值处理subplot(3,3,3),plot(f(1:N/2.56),yy(1:N/2.56));xlabel('频率/\itHz');ylabel('振幅');title('图3：fs=100,N=1024混入噪声');grid on;%改变采样点数N=128N=128;n=0:N-1;t=n/fs; %时间序列x=A*sin(2*pi*B*t+C); %信号y=fft(x,N); %对信号进行傅里叶变换yy=abs(y); %求得傅里叶变换后的振幅yy=yy*2/N; %幅值处理f=n*fs/N; %频率序列subplot(3,3,4),plot(f(1:N/2.56),yy(1:N/2.56)); %绘出随频率变化的振幅xlabel('频率/\itHz');ylabel('振幅');title('图4：fs=100，N=128');grid on;%改变采样频率为200Hz时的频谱fs=400;N=1024;n=0:N-1;t=n/fs;x=A*sin(2*pi*B*t+C); %信号y=fft(x,N); %对信号进行快速傅里叶变换yy=abs(y); %求取傅里叶变换的振幅yy=yy*2/N; %幅值处理f=n*fs/N;subplot(3,3,5),plot(f(1:N/2.56),yy(1:N/2.56)); %绘出随频率变化的振幅xlabel('频率/\itHz');ylabel('振幅');title('图5：fs=400，N=1024');grid on;%加三角窗函数fs=100;N=1024; %采样频率和数据点数n=0:N-1;t=n/fs; %时间序列x=A*sin(2*pi*B*t+C); %信号window=triang(N);%生成三角窗函数x=x.*window';%加窗函数y=fft(x,N); %对信号进行傅里叶变换yy=abs(y); %求得傅里叶变换后的振幅yy=yy*2/N; %幅值处理f=n*fs/N; %频率序列subplot(3,3,6),plot(f(1:N/2.56),2*yy(1:N/2.56)); %绘出随频率变化的振幅xlabel('频率/\itHz');ylabel('振幅');title('图6：fs=100,N=1024,加三角窗函数');grid on;%加海明窗函数后的频谱fs=100;N=1024;n=0:N-1;t=n/fs;x=A*sin(2*pi*B*t+C); %信号window=hamming(N);%生成海明窗函数x=x.*window';%加窗函数y=fft(x,N); %对信号进行快速傅里叶变换yy=abs(y); %求取傅里叶变换的振幅yy=yy*2/N; %幅值处理f=n*fs/N;subplot(3,3,7),plot(f(1:N/2.56),1.852*yy(1:N/2.56)); %绘出随频率变化的振幅xlabel('频率/\itHz');ylabel('振幅');title('图7：fs=100，N=1024,加海明窗函数');grid on;%加汉宁窗函数后的频谱fs=100;N=1024;n=0:N-1;t=n/fs;x=A*sin(2*pi*B*t+C); %信号window=hanning(N);%生成汉宁窗函数x=x.*window';%加窗函数y=fft(x,N); %对信号进行快速傅里叶变换yy=abs(y); %求取傅里叶变换的振幅yy=yy*2/N; %幅值处理f=n*fs/N;subplot(3,3,8),plot(f(1:N/2.56),2*yy(1:N/2.56)); %绘出随频率变化的振幅xlabel('频率/\itHz');ylabel('振幅');title('图8：fs=100，N=1024,加汉宁窗函数');grid on;三、运行结果如下：四、分析与结论：1）从所做图像可以看出，信号的幅值均小于真实值，说明在截断信号时存在泄露。
在MATLAB中，我们可以使用随机相位余弦波来模拟信号。
以下是一个简单的示例，说明如何生成具有随机相位的余弦波，并计算其相关函数和功率谱密度（PSD）。
1.生成具有随机相位的余弦波：
首先，我们创建一个余弦波，其频率为5Hz，采样率为1000Hz，持续时间为1秒。
然后，我们为每个余弦波添加一个随机相位。
2.计算相关函数：
相关函数描述了信号在不同时间延迟下的相似性。
我们可以通过计算信号与其自身的延迟版本之间的点积来计算相关函数。
3.计算功率谱密度：
功率谱密度描述了信号中不同频率成分的强度。
我们可以通过快速傅里叶变换（FFT）将时域信号转换到频域，然后计算每个频率分量的功率。
MATLAB实验报告模板实验题目：使用MATLAB进行数字信号处理实验目的：1. 学习MATLAB的基本操作和数字信号处理中常用的函数。
2. 掌握数字信号的离散化、采样、量化等处理方法。
3. 实现数字滤波器的设计和应用。
实验内容：1. 生成并绘制一个正弦波信号，包括频率、幅度和相位等参数。
2. 对信号进行采样，并绘制采样后的离散信号图像。
3. 对采样后的信号进行量化，并绘制量化后的信号图像。
4. 设计一个数字滤波器，并将滤波前后的信号图像进行对比。
实验步骤：1. 生成一个正弦波信号：```matlab% 信号频率为3Hz，幅度为2，相位为0t = 0:0.01:1;f = 3;A = 2;theta = 0;x = A * sin(2*pi*f*t + theta);```2. 绘制信号图像：```matlabplot(t, x);xlabel('时间');ylabel('幅度');title('正弦波信号');```3. 进行信号的采样：```matlab% 采样频率为20Hzfs = 20;Ts = 1/fs;n = 0:Ts:1;xs = A * sin(2*pi*f*n + theta);```4. 绘制采样信号图像：```matlabstem(n, xs);xlabel('时间');ylabel('幅度');title('采样信号');```5. 进行信号的量化：```matlab% 将信号量化为8位bits = 8;delta = (2 * A) / (2^bits);xq = floor(xs / delta + 0.5) * delta;```6. 绘制量化信号图像：```matlabstem(n, xq);xlabel('时间');ylabel('幅度');title('量化信号');```7. 设计数字滤波器：```matlab% 采用FIR滤波器，截止频率为4Hz fcut = 4;n = 100; % 滤波器阶数b = fir1(n, 2*fcut/fs);y = filter(b, 1, xq);```8. 绘制滤波前后的信号图像：```matlabfigure;subplot(2,1,1);stem(n, xq);xlabel('时间');ylabel('幅度');title('量化信号');subplot(2,1,2);stem(n, y);xlabel('时间');ylabel('幅度');title('滤波信号');```实验结果和分析：根据以上实验步骤，可以得到正弦波信号、采样信号、量化信号和滤波信号等图像。
MATLAB 环境下的正弦信号及高斯白噪声仿真程序说明一、信号的产生及时域观察1、设定正选信号的频率为10HZ ，抽样频率为100HZ ；2、设定N(0,0.25)高斯白噪声，及噪声功率为0.25W ；3、最后将噪声叠加到正弦信号上，观察其三者时域波形。
二、信号频谱及白噪声功率谱的求解与观察1、对原正弦信号直接进行FFT ，得出其频谱；2、求白噪声的自相关函数，随机序列自相关函数的无偏估计公式为：1^01()()()N m xx n r m x n x n m N m --==+-∑ 01m N ≤≤- ^^()()xx xx r m r m =- 01m N <<-对所求自相关函数进行FFT 变换，求的白噪声的功率谱函数。
源程序：1.产生正弦信号fs=100;fc=10;x=(0:1/fs:2);n=201;y1=sin(2*pi*fc*x); %原正弦信号，频率为10a=0;b=0.5; %均值为a ，方差为b^2subplot(2,2,1);plot(x,y1,'r');title('y=sin(20pi*x)');ylabel('y');xlabel('x/20pi');grid;2.产生高斯白噪声y2=a+b*randn(1,n); %高斯白噪声subplot(2,2,2);plot(x,y2,'r');title('N(0，0.25)的高斯白噪声');ylabel('y');xlabel('x/20pi');grid;3.复合信号y=y1+y2; %加入噪声之后的信号subplot(2,2,3);plot(x,y,'r');title('混合信号');ylabel('y');xlabel('x/20pi');grid;4.复合信号功率谱密度%求复合信号的自相关函数m=50;i=-0.49:1/fs:0.49;for j=1:mR(j)=sum(y(1:n-j-1).*y(j:199),2)/(n-j);%无偏自相关函数的估计Rx(49+j)=R(j);Rx(51-j)=R(j);endFy2=fft(Rx); %傅里叶变换得出复合信号功率谱函数Fy21=fftshift(Fy2); %功率谱校正f=(0:98)*fs/99-fs/2;subplot(2,2,4);plot(f,abs(Fy21),'r');axis([-50 50 -0.5 1]);title('复合信号功率谱函数图');ylabel('F(Rx)');xlabel('w');grid;。
现代通信原理作业一班313级理工部学号：133320085208036 班级：姓名：张英伟完成：利用matlab均匀白噪声以及高斯白噪声并分别将两种噪声叠加到正弦产生正弦波信号、?波信号上，绘出波形。
绘出波分别求取均匀白噪声序列和高斯白噪声序列的自相关及功率谱密度，?形。
一、白噪声区别及产生方法1、定义：均匀白噪声：噪声的幅度分布服从均匀分布，功率谱密度在整个频域内均匀分布的噪声。
高斯白噪声：噪声的幅度分布服从正态分布，功率谱密度在整个频域内均匀分布的噪声。
2、matlab仿真函数：rand函数默认产生是区间在[0,1]的随机数，这里需要利用公式：z2=a+(b-(a))*rand(m,n)............（公式1）randn函数默认产生均值是0、方差是1的随机序列，所以可以用其来产生2)。
利用公式：，1 均值为0、方差为1的正态分布白噪声，即N(0z1=a+b*randn(1,n).................（公式2）2 2)。
，b，方差为可以产生均值为ab 高斯白噪声，即N(a二、自相关函数与功率谱密度之间的关系1、功率谱密度：每单位频率波携带的功率，这被称为信号的功率谱密度。
2、自相关函数：描述随机信号X(t)在任意两个不同时刻t1，t2的取值之间的相关程度。
3、维纳-辛钦定理：由于平均值不为零的信号不是平方可积的，所以在这种情况下就没有傅里叶变换。
幸运的是维纳-辛钦定理提供了一个简单的替换方法，如果信号可以看作是平稳随机过程，那么功率谱密度就是信号自相关函数的傅里叶变换。
4、平稳随机过程：是在固定时间和位置的概率分布与所有时间和位置的概率分布相同的随机过程。
（就是指得仅一个随机过程，中途没有变成另外一个统计特性的随机过程）二、源代码及仿真结果1、正弦波x=(0:0.01:2); %采样频率100Hzy1=sin(10*pi*x); %产生频率5Hz的sin函数plot(x,y1,'b');正弦波2、高斯白噪声+2）（）高斯白噪声0.1Nz1=0.1*randn(1,201); %产生方差（0，b=0.01/0.1/1plot(x,z1,'b');叠加高斯白噪声的正弦波%y2=y1+z1;plot(x,y2,'b');正弦波、均匀白噪声3+z2=-.3+.6*rand(1,201); %产生-0.3到0.3的均匀白噪声plot(x,z2,'b');y3=y1+z2; %叠加均匀白噪声的正弦波plot(x,y3,'b');4、高斯白噪声序列自相关函数及功率谱密度z1=0.1*randn(1,201); %产生方差N（0，0.12）高斯白噪声[r1,lags]=xcorr(z1); %自相关函数的估计plot(lags,r1);f1=fft(r1);f2=fftshift(f1); %频谱校正l1=(0:length(f2)-1)*200/length(f2)-100; %功率谱密度x轴y4=abs(f2);plot(l1,y4);5、均匀白噪声序列自相关函数及功率谱密度z2=-.3+.6*rand(1,201); %产生-0.3到0.3的均匀白噪声%自相关函数的估计[r2,lags]=xcorr(z2);plot(lags,r2);f3=fft(r2);f4=fftshift(f3); %频谱校正l2=(0:length(f4)-1)*200/length(f4)-100; %功率谱密度x轴y5=abs(f4);plot(l2,y5);。
利用Matlab 绘制正弦信号的频谱图并做相关分析一、作业要求：1、信号可变(信号的赋值、相位、频率可变)2、采样频率fs 可变；3、加各种不同的窗函数并分析其影响；4、频谱校正；5、频谱细化。
二、采用matlab 编写如下程序：clear;clf; fs=100;N=1024; %采样频率和数据点数A=20;B=30;C=0.38;n=0:N-1;t=n/fs; %时间序列x=A*sin(2*pi*B*t+C); % 信号y=fft(x,N); %对信号进行傅里叶变换yy=abs(y); %求得傅里叶变换后的振幅yy=yy*2/N; %幅值处理f=n*fs/N; % 频率序列subplot(3,3,1),plot(f,yy); % 绘出随频率变化的振幅Xlabe1('频率∕∖itHz');ylabel(' 振幅');title(' 图1：fs=100 ，N=1024') ; grid on;%两种信号叠加，X=A*sin(2*pi*B*t+C)+2*A*sin(2*pi*1.5*B*t+2.5*C); %y=fft(X,N); %对信号进行傅里叶变换信号yy=abs(y); %求得傅里叶变换后的振幅yy=yy*2∕N;%幅值处理f=n*fs∕N; % 频率序列subplot(3,3,2),plot(f,yy); %绘出随频率变化的振幅Xlabel(' 频率∕∖itHz');ylabel(' 振幅');title(' 图2：fs=100,N=1024 ，两种信号叠加'); grid on;%加噪声之后的图像X=A*sin(2*pi*B*t+C)+28*randn(size(t));y=fft(X,N); yy=abs(y);yy=yy*2∕N;%幅值处理SUbPIot(3,3,3),plot(f(1:N/2.56),yy(1:N/2.56));Xlabel(' 频率∕∖itHz');ylabel(' 振幅');title(' 图3：fS=100,N=1024 混入噪声');grid on;%改变采样点数N=128N=128; n=0:N-1;t=n/fs; %时间序列x=A*sin(2*pi*B*t+C); % 信号y=fft(x,N); %对信号进行傅里叶变换yy=abs(y); %求得傅里叶变换后的振幅yy=yy*2/N; %幅值处理f=n*fs/N; % 频率序列subplot(3,3,4),plot(f(1:N/2.56),yy(1:N/2.56)); % 绘出随频率变化的振幅Xlabe1('频率∕∖itHz');ylabel(' 振幅');title(' 图4：fs=100 ，N=128' ) ;grid on;%改变采样频率为200Hz 时的频谱fs=400;N=1024 ;n=0:N-1;t= n/fs;X=A*sin(2*pi*B*t+C); % 信号y=fft(X,N); %对信号进行快速傅里叶变换yy=abs(y); %求取傅里叶变换的振幅yy=yy*2/N; %幅值处理f=n*fs/N; subplot(3,3,5),plot(f(1:N/2.56),yy(1:N/2.56)); % 绘出随频率变化的振幅Xlabel(' 频率/∖itHz');ylabel(' 振幅');title(' 图5：fs=400 ，N=1 024');grid on;%加三角窗函数fs=100;N=1024; %采样频率和数据点数n=0:N-1;t=n/fs; %时间序列X=A*sin(2*pi*B*t+C); % 信号window=triang(N);% 生成三角窗函数X=X.*window';% 加窗函数y=fft(X,N); %对信号进行傅里叶变换yy=abs(y); %求得傅里叶变换后的振幅yy=yy*2/N; %幅值处理f=n*fs/N; %频率序列subplot(3,3,6),plot(f(1:N/2.56),2*yy(1:N/2.56)); %绘出随频率变化的振幅Xlabel(' 频率/∖itHz');ylabel(' 振幅');title(' 图6：fs=100,N=1024, 加三角窗函数');grid on; %加海明窗函数后的频谱fs=100;N=1024;n=0:N-1;t=n/fs;X=A*sin(2*pi*B*t+C); % 信号window=hamming(N);% 生成海明窗函数X=X.*window';% 加窗函数y=fft(x,N); %对信号进行快速傅里叶变换 yy=abs(y); %求取傅里叶变换的振幅 yy=yy*2∕N; %幅值处理f=n *fs∕N;SUbPlot(3,3,7),plot(f(1:N/2.56),1.852*yy(1:N/2.56)); % 绘岀随频率变化的振幅 xlabel('频率 ∕∖itHz'); ylabel('振幅');title('图 7: fs=100, N=1024,加海明窗函数'); grid on;%加汉宁窗函数后的频谱 fs=100;N=1024; n=0:N-1;t= n/fs; x=A*si n(2*pi*B*t+C); % 信号Window=hanning(N);%生成汉宁窗函数 x=x.*window';% 加窗函数 y=fft(x,N); %对信号进行快速傅里叶变换 yy=abs(y); %求取傅里叶变换的振幅 yy=yy*2∕N; %幅值处理f=n *fs∕N;subplot(3,3,8),plot(f(1:N/2.56),2*yy(1:N/2.56)); % 绘岀随频率变化的振幅 xlabel('频率 ∕∖itHz'); ylabel('振幅');title('图 8: fs=100 , N=1024,加汉宁窗函数'); grid on;三、运行结果如下：15L. , . , . i , a i-B F- . r ■ <IUIkLIr10 fs^10□,N=1□24>t¾λ⅛^频率√⅛图6： f5=100j N=1024加三甬奮西数20.------------ 1 -------- . --------- --------- □圍？r : fs=100j N=IQΞ4,⅛∏⅛明窗函⅛⅛團E: f≤=1□O j N=IO24,⅛∏JJ?宁窗函⅛⅛16 105 ■ ■ ■ ■ ≡°0四、分析与结论：1) 从所做图像可以看出，信号的幅值均小于真实值，说明在截断信号时存在泄露。
实验报告随机信号的数字特征分析一、 实验目的1.了解随机信号自身的特性，包括均值（数学期望）、方差、均方值等；2. 掌握随机信号的分析方法；二、实验原理1.均值测量方法均值ˆx m表示集合平均值或数学期望值。
基于随机过程的各态历经性，最常用的方法是取N 个样本数据并简单地进行平均，即101ˆ[]N x d i m X i N-==∑ 其中，样本信号的采样数据记为[](,)d X i X iT ξ=，s T 为采样间隔。
2.均方误差的测量方法随机序列的均方误差定义为： 2211()lim ()N i N i E X x n N →∞==∑ 3.方差测量方法如果信号的均值是已知的，则其方差估计设计为12201ˆ([])N x X d i X i m N σ-==-∑ 它是无偏的与渐进一致的。
三、实验内容利用MATLAB 中的伪随机序列产生函数randn()产生多段1000点的序列，编制一个程序，计算随机信号的数字特征，包括均值、方差、均方值、最后把计算结果平均，绘制数字特征图形。
源程序如下：clear all;clc;%产生50个1000以内点的伪随机序列x=randn(50,1000);%计算随机产生的50个点序列的均值，方差，均方average=zeros(1,50);variance=zeros(1,50);square=zeros(1,50);%计算均值for i=1:50for j=1:1000average(i)=average(i)+x(i,j);endaverage(i)=average(i)/1000;end%计算方差for i=1:50for j=1:1000variance(i)=variance(i)+(x(i,j)-average(i)).^2; endvariance(i)=variance(i)/1000;end%计算均方值for i=1:50for j=1:1000square(i)=square(i)+x(i,j).^2;endsquare(i)=square(i)/1000;endEX=sum(average)/50;DX=sum(variance)/50;RMS=sum(square)/50;plot(average);title('50个随机序列的均值');figure;plot(variance);title('50个随机序列的方差'); figure;plot(square);title('50个随机序列的均方值');四、实验结果及分析由上结果可知：将图中的计算结果平均后，得到的结果为：产生的50个点的随机序列均值的平均值为：EX=0.0090197；产生的50个点的随机序列方差的平均值为DX=1.0078；产生的50个点的随机序列均方值的平均值为RMS=1.0087。
