数字信号处理 实验一 FFT变换及其应用

FFT的算法原理应用FFT（快速傅里叶变换）是一种用于计算傅里叶变换的算法，它通过分治法和迭代的方式，将O(n^2)时间复杂度的离散傅里叶变换（DFT）算法优化到O(nlogn)的时间复杂度。

FFT算法在信号处理、图像处理、通信系统等领域应用广泛。

1.算法原理：FFT算法的核心思想是将一个长度为n的序列分解为两个长度为n/2的子序列，然后通过递归的方式对子序列进行FFT计算。

在将子序列的FFT结果合并时，利用了傅里叶变换的对称性质，即可以通过递归的方式高效地计算出整个序列的FFT结果。

具体来说，FFT算法可以分为升序计算和降序计算两个过程。

升序计算是将原始序列转换为频域序列的过程，而降序计算则是将频域序列转换回原始序列的过程。

在升序计算中，序列的奇数项和偶数项被分开计算，而在降序计算中，FFT结果被奇数项和偶数项的和和差重新组合成原始序列。

2.算法应用：2.1信号处理：FFT算法在数字信号处理中广泛应用，可以将信号从时域转换为频域，从而实现滤波、降噪、频谱分析等操作。

例如，在音频处理中，可以利用FFT算法对音频信号进行频谱分析，从而实现声音的等化处理或实时频谱显示。

2.2图像处理：FFT算法在图像处理中也有重要的应用。

图像的二维傅里叶变换可以将图像从空间域转换为频域，从而实现图像的频域滤波、频域增强等操作。

例如，可以通过对图像进行傅里叶变换，找到图像中的频域特征，进而实现图像的降噪、边缘检测等功能。

2.3通信系统：FFT算法在通信系统中也有广泛应用，特别是在OFDM （正交频分复用）系统中。

OFDM系统可以将高速数据流分成多个低速子流，然后利用FFT对每一个子流进行频域调制，再通过并行传输的方式将它们叠加在一起。

这样可以提高信号的传输效率和容量，降低频率的干扰。

2.4数据压缩：FFT算法在数据压缩领域也得到了广泛应用。

例如，在JPEG图像压缩算法中，就使用了离散余弦变换（DCT），它可看做是FFT的一种变种。

数字信号处理实验报告第一次实验：快速傅立叶变换（FFT）及其应用王宇阳04011345 一．实验目的：（1）在理论学习的基础上，通过本实验，加深对FFT的理解，熟悉MATLAB中的有关函数。

（2）应用FFT对典型信号进行频谱分析。

（3）了解应用FFT进行信号频谱分析过程中可能出现的问题，以便在实际中正确应用FFT。

（4）应用FFT实现序列的线性卷积和相关。

二．实验原理：（1）混叠：采样序列的频谱是被采样信号频谱的周期延拓，当采样频率不满足奈奎斯特采样定理的时候，就会发生混叠，使得刺痒后的序列信号的频谱不能真实的反映原采样信号的频谱。

（2）泄露：根据理论分析，一个时间的信号其频带宽度为无限，一个时间无限的信号其频带宽度则为有限。

因此对一个时间有限的信号，应用DFT进行分析，频谱混叠难以避免。

对一个时间无限的信号虽然频带有限，但在实际运算中，时间总是取有限值，在将信号截断的过程中，出现了分散的扩展谱线的现象，称之为频谱泄露或功率泄露。

（3）栅栏效应：DFT是对单位圆上Z变换的均匀采样，所以它不可能将频谱视为一个连续函数，就在一定意义上看，用DFT来观察频谱就好象通过一个栅栏来观看一个景象一样，只能在离散点上看到真实的频谱，这样就有可能发生一些频谱的峰点和谷点被“尖桩的栅栏”所挡住，不能被我们观察到。

（4）圆周卷积：把序列X（N）分布在N等份的圆周上，而序列Y（N）经反摺后也分布在另一个具有N等份的同心圆的圆周上。

两圆上对应的数两量两相乘求和，就得到全部卷积序列。

这个卷积过程称做圆周卷积。

（5）互相关函数反映了两个序列X（N）和Y（N）的相似程度，用FFT可以很快的计算互相关函数。

三．实验内容：实验中用到的函数序列：(a)Gaussian序列Xa(n)=exp(-(n-p).^2)/q),0=<n=<15=0,其他（b）衰减正弦序列X(b)=exp(-an)*sin(2pi*fn),0=<n=<15=0,其他(c)三角波序列Xb(n)=n,0=<n=<3=8-n,4=<n=<7=0,其他(d)反三角波序列Xc(n)=4-n,0=<n=<3=n-4,4=<n=<7=0,其他上机实验内容：1．观察高斯序列的时域和幅频特性，固定信号xa(n)中参数p=8，改变q的值，使q分别等于2，4，8，观察他们的时域和幅频特性，了解当q取不同值时，对信号序列的时域和幅频特性影响；改变p，使p分别等于8，13，14，观察参数p变化对信号序列的时域和幅频特性影响，注意p等于多少时，会发生明显的泄漏现象，混叠是否也随之出现？记录实验中观察到的现象，绘出相应的时域序列和幅频特性曲线。

数字信号处理FFT数字信号处理中的FFT算法数字信号处理（Digital Signal Processing, DSP）是一门研究如何以数字方式对信号进行处理和分析的学科。

其中，FFT（Fast Fourier Transform）算法是数字信号处理中最为重要和常用的算法之一。

本文将介绍FFT算法的原理、应用以及一些常见的优化方法。

一、FFT算法原理FFT算法是一种高效地计算离散傅里叶变换（Discrete Fourier Transform, DFT）的方法。

DFT是将一个离散信号从时域（time domain）变换到频域（frequency domain）的过程。

在频域中，我们可以分析信号的频率成分和振幅，从而得到信号的频谱图。

FFT算法的原理是利用对称性和重复计算的方式，将一个需要O(N^2)次乘法运算的DFT计算降低到O(N*logN)的时间复杂度。

通过将N个点的DFT分解成多个规模较小的DFT计算，最终得到原始信号的频域表示。

二、FFT算法应用FFT算法在信号处理领域有着广泛的应用，其中包括但不限于以下几个方面：1. 信号的频谱分析：通过FFT算法，可以将时域信号转化为频域信号，进而分析信号的频率成分和振幅，为后续的信号处理提供依据。

例如，在音频处理中，我们可以通过FFT算法分析音频信号的频谱，用于音乐合成、音频降噪等应用。

2. 图像处理：图像信号也可以看作是一种二维信号，通过对图像的行、列分别进行FFT变换，可以得到图像的频域表示。

在图像处理中，FFT算法被广泛应用于图像增强、滤波、压缩等方面。

3. 通信系统：FFT算法在OFDM（正交频分复用）等通信系统中被广泛应用。

在OFDM系统中，多个子载波信号通过FFT变换合并在一起，实现信号的同时传输和接收。

4. 音频、视频压缩：在音频、视频等信号的压缩算法中，FFT算法也扮演着重要的角色。

通过对音频、视频信号进行频域分析，可以找到信号中能量较小的部分，并将其抛弃从而达到压缩的效果。

学生实验报告2020 —— 2021 学年第 1学期实验课程数字信号处理实验地点主教414学院电子信息工程学院专业通信工程学号姓名实验项目基于FFT谱分析中的误差分析及处理实验时间10.20 实验台号预习成绩报告成绩一、实验目的1.在理论学习的基础上，通过本次实验，加深对快速傅里叶变换的理解，熟悉FFT算法及其程序的编写2.熟悉应用FFT对典型信号进行频谱分析的方法。

3.了解应用FFT对非周期信号进行频谱分析所面临的问题并掌握其解决方法。

二、实验原理对非周期序列进行频谱分析应注意的问题1、混叠三、预习内容1.混叠，泄漏，栅栏效应的概念2.应用FFT对典型信号进行频谱分析的方法3.应用FFT对非周期信号进行频谱分析所面临的问题并掌握其解决方法4．傅里叶变换的相关性质四、实验内容（一）完成如下实验内容的学习和调试1. 对有限长序列进行谱分析（2）将上述有限长序列x(n)[1,2,3,2,1]末尾补零到N=1000点，使用FFT计算其频谱。

2. 对无限长序列进行谱分析用FFT进行无限长序列的频谱分析，首先要将无限长序列截断成一个有限长序列。

序列长度的取值对频谱有较大的影响，带来的问题是引起频谱的泄漏和波动。

已知一个无限长序列为, x(n)=0(n＜0),采样频率Fs=20Hz，要求用FFT求其频谱。

3. 对模拟信号进行谱分析（一）用FFT计算下列连续时间信号的频谱，并观察选择不同的Ts和N值对频谱特性的影响。

（二）记录实验图形结果并结合基本原理，理解每一条语句的含义；（三）讨论有限长序列谱分析时增加分辨率的措施和方法；（四）谈论连续信号谱分析时不同时域采样频率及点数N不同时对频谱分析的影响；（五）对模拟信号进行谱分析，选择采样频率Fs=64Hz，变换区间长度N分别取8、32和64，用FFT分析其频谱。

记录结果并对比、分析和讨论。

五、实验步骤Fs=10;xn=[1,2,3,2,1];N=length(xn);D=2*pi*Fs/N;k=floor(-(N-1)/2:(N-1)/2);X=fftshift(fft(xn,N));subplot(1,2,1);plot(k*D,abs(X),'o:');title('幅度频谱');xlabel('rad/s');subplot(1,2,2);plot(k*D,angle(X),'o:');title('相位频谱');xlabel('rad/s');Fs=10;N=1000;xn=[1,2,3,2,1];Nx=length(xn);xn=[1,2,3,2,1,zeros(1,N-Nx-1)];D=2*pi*Fs/N;k=floor(-(N-1)/2:(N-1)/2);X=fftshift(fft(xn,N));subplot(1,2,1);plot(k*D,abs(X)); title('幅度频谱');xlabel('rad/s'); subplot(1,2,2);plot(k*D,angle(X)); title('相位频谱');xlabel('rad/s');Fs=20;C=[8,16,128];for r=0:2;N=C(r+1);n=0:N-1;xn=exp(-0.5*n);D=2*pi*Fs/N;k=floor(-(N-1)/2:(N-1)/2);X=fftshift(fft(xn,N));subplot(3,2,2*r+1); plot(k*D,abs(X));axis([-80,80,0,3]);subplot(3,2,2*r+2);stairs(k*D,angle(X));axis([-80,80,-1,1]);endT0=[0.5,0.25,0.125,0.125];N0=[256,256,2048,2048];for r=1:4;Ts=T0(r);N=N0(r);n=0:N-1;xn=exp(-0.5*n);D=2*pi/(N*Ts);xa=exp(-0.01*n*Ts).*(sin(2*n*Ts)+sin(2.1*n*Ts)+sin(2.2*n*Ts)); k=floor(-(N-1)/2:(N-1)/2);Xa=Ts*fftshift(fft(xa,N));[r,Xa(1)]subplot(2,2,r);plot(k*D,abs(Xa));axis([1,3,1.1*min(abs(Xa)),1.1*max(abs(Xa))]);end六、总结分析1.离散时间信号的FFT变换，其频谱是以抽样点数N为周期的周期延拓2.当N2为N1的整数倍时，以为抽样点数的抽样的图形就是在以为抽样点数的抽样图形的每两个点之间插入N2/N1个点的谱图形。

FFT算法分析实验实验报告一、实验目的快速傅里叶变换（Fast Fourier Transform，FFT）是数字信号处理中一种非常重要的算法。

本次实验的目的在于深入理解 FFT 算法的基本原理、性能特点，并通过实际编程实现和实验数据分析，掌握 FFT 算法在频谱分析中的应用。

二、实验原理FFT 算法是离散傅里叶变换（Discrete Fourier Transform，DFT）的快速计算方法。

DFT 的定义为：对于长度为 N 的序列 x(n)，其 DFT 为X(k) ＝∑n=0 到 N-1 x(n) e^（j 2π k n ／ N) ，其中 j 为虚数单位。

FFT 算法基于分治法的思想，将 N 点 DFT 分解为多个较小规模的DFT，从而大大减少了计算量。

常见的 FFT 算法有基 2 算法、基 4 算法等。

三、实验环境本次实验使用的编程语言为 Python，主要依赖 numpy 库来实现 FFT 计算和相关的数据处理。

四、实验步骤1、生成测试信号首先，生成一个包含不同频率成分的正弦波叠加信号，例如100Hz、200Hz 和 300Hz 的正弦波。

设定采样频率为 1000Hz，采样时间为 1 秒，以获取足够的采样点进行分析。

2、进行 FFT 计算使用 numpy 库中的 fft 函数对生成的测试信号进行 FFT 变换。

3、频谱分析计算 FFT 结果的幅度谱和相位谱。

通过幅度谱确定信号中各个频率成分的强度。

4、误差分析与理论上的频率成分进行对比，计算误差。

五、实验结果与分析1、幅度谱分析观察到在 100Hz、200Hz 和 300Hz 附近出现明显的峰值，对应于生成信号中的频率成分。

峰值的大小反映了相应频率成分的强度。

2、相位谱分析相位谱显示了各个频率成分的相位信息。

3、误差分析计算得到的频率与理论值相比，存在一定的误差，但在可接受范围内。

误差主要来源于采样过程中的量化误差以及 FFT 算法本身的近似处理。

实验1 利用DFT 分析信号频谱一、实验目的1.加深对DFT 原理的理解。

2.应用DFT 分析信号的频谱。

3.深刻理解利用DFT 分析信号频谱的原理，分析实现过程中出现的现象及解决方法。

二、实验设备与环境 计算机、MATLAB 软件环境 三、实验基础理论1.DFT 与DTFT 的关系有限长序列 的离散时间傅里叶变换 在频率区间 的N 个等间隔分布的点 上的N 个取样值可以由下式表示：212/0()|()()01N jkn j Nk N k X e x n eX k k N πωωπ--====≤≤-∑由上式可知，序列 的N 点DFT ,实际上就是 序列的DTFT 在N 个等间隔频率点 上样本 。

2.利用DFT 求DTFT方法1：由恢复出的方法如下：由图2.1所示流程可知：101()()()N j j nkn j nN n n k X e x n eX k W e N ωωω∞∞----=-∞=-∞=⎡⎤==⎢⎥⎣⎦∑∑∑ 由上式可以得到：IDFTDTFT( )12()()()Nj k kX e X k Nωπφω==-∑ 其中为内插函数12sin(/2)()sin(/2)N j N x eN ωωφω--= 方法2：实际在MATLAB 计算中，上述插值运算不见得是最好的办法。

由于DFT 是DTFT 的取样值，其相邻两个频率样本点的间距为2π/N ，所以如果我们增加数据的长度N ，使得到的DFT 谱线就更加精细，其包络就越接近DTFT 的结果，这样就可以利用DFT 计算DTFT 。

如果没有更多的数据，可以通过补零来增加数据长度。

3.利用DFT 分析连续信号的频谱采用计算机分析连续时间信号的频谱，第一步就是把连续信号离散化，这里需要进行两个操作：一是采样，二是截断。

对于连续时间非周期信号,按采样间隔T 进行采样，阶段长度M ，那么：1()()()M j tj nT a a a n X j x t edt T x nT e ∞--Ω-Ω=-∞Ω==∑⎰对进行N 点频域采样，得到2120()|()()M jkn Na a M kn NTX j T x nT eTX k ππ--Ω==Ω==∑因此，可以将利用DFT 分析连续非周期信号频谱的步骤归纳如下： （1）确定时域采样间隔T ，得到离散序列（2）确定截取长度M ，得到M 点离散序列,这里为窗函数。

实验一快速Fourier变换(FFT)及其应用一、实验目的1．在理论学习的基础上，通过本实验，加深对FFT的理解，熟悉FFT子程序。

2．熟悉应用FFT对典型信号进行频谱分析的方法。

3. 了解应用FFT进行信号频谱分析过程中可能出现的问题以便在实际中正确应用FFT。

4．熟悉应用FFT实现两个序列的线性卷积的方法。

5．初步了解用周期图法作随机信号谱分析的方法。

返回页首二、实验原理与方法在各种信号序列中，有限长序列信号处理占有很重要地位，对有限长序列，我们可以使用离散Fouier变换(DFT)。

这一变换不但可以很好的反映序列的频谱特性，而且易于用快速算法在计算机上实现，当序列x(n)的长度为N时，它的DFT定义为：反变换为：有限长序列的DFT是其Z变换在单位圆上的等距采样，或者说是序列Fourier 变换的等距采样，因此可以用于序列的谱分析。

FFT并不是与DFT不同的另一种变换，而是为了减少DFT运算次数的一种快速算法。

它是对变换式进行一次次分解，使其成为若干小点数的组合，从而减少运算量。

常用的FFT是以2为基数的，其长度。

它的效率高，程序简单，使用非常方便，当要变换的序列长度不等于2的整数次方时，为了使用以2为基数的FFT，可以用末位补零的方法，使其长度延长至2的整数次方。

(一)、在运用DFT进行频谱分析的过程中可能产生三种误差：(1)混叠序列的频谱时被采样信号的周期延拓，当采样速率不满足Nyquist定理时，就会发生频谱混叠，使得采样后的信号序列频谱不能真实的反映原信号的频谱。

避免混叠现象的唯一方法是保证采样速率足够高，使频谱混叠现象不致出现，即在确定采样频率之前，必须对频谱的性质有所了解，在一般情况下，为了保证高于折叠频率的分量不会出现，在采样前，先用低通模拟滤波器对信号进行滤波。

(2)泄漏实际中我们往往用截短的序列来近似很长的甚至是无限长的序列，这样可以使用较短的DFT来对信号进行频谱分析，这种截短等价于给原信号序列乘以一个矩形窗函数，也相当于在频域将信号的频谱和矩形窗函数的频谱卷积，所得的频谱是原序列频谱的扩展。

实验14 快速傅里叶变换(FFT)(完美格式版，本人自己完成，所有语句正确，不排除极个别错误，特别适用于山大，勿用冰点等工具下载，否则下载之后的word 格式会让很多部分格式错误，谢谢)XXXX 学号姓名处XXXX一、实验目的1、加深对双线性变换法设计IIR 数字滤波器基本方法的了解。

2、掌握用双线性变换法设计数字低通、高通、带通、带阻滤波器的方法。

3、了解MA TLAB 有关双线性变换法的子函数。

二、实验内容1、双线性变换法的基本知识2、用双线性变换法设计IIR 数字低通滤波器3、用双线性变换法设计IIR 数字高通滤波器4、用双线性变换法设计IIR 数字带通滤波器三、实验环境MA TLAB7.0四、实验原理1、实验涉及的MATLAB 子函数（1）fft功能：一维快速傅里叶变换(FFT)。

调用格式：)(x fft y =；利用FFT 算法计算矢量x 的离散傅里叶变换，当x 为矩阵时，y 为矩阵x每一列的FFT 。

当x 的长度为2的幂次方时，则fft 函数采用基2的FFT 算法，否则采用稍慢的混合基算法。

),(n x fft y =；采用n 点FFT 。

当x 的长度小于n 时，fft 函数在x 的尾部补零，以构成n点数据；当x 的长度大于n 时，fft 函数会截断序列x 。

当x 为矩阵时，fft 函数按类似的方式处理列长度。

（2）ifft功能：一维快速傅里叶逆变换(IFFT)。

调用格式：)(x ifft y =；用于计算矢量x 的IFFT 。

当x 为矩阵时，计算所得的y 为矩阵x 中每一列的IFFT 。

),(n x ifft y =；采用n 点IFFT 。

当length(x)<n 时，在x 中补零；当length(x)>n 时，将x 截断，使length(x)＝n 。

（3）fftshift功能：对fft 的输出进行重新排列，将零频分量移到频谱的中心。

调用格式：)(x fftshift y =；对fft 的输出进行重新排列，将零频分量移到频谱的中心。

FFT实验傅里叶变换（Fast Fourier Transform，FFT）是一种将时间域信号转换为频域信号的算法。

它在信号处理、图像处理、通信等领域得到广泛应用。

本实验将介绍FFT的原理，并提供一个简单的FFT实现程序。

一、傅里叶变换原理傅里叶变换是一种将连续时间域信号转换为连续频域信号的变换。

对于一个具有周期T的连续信号f(t)，它的傅里叶变换F(w)可以表示为：F(w) = ∫[0,T] f(t) * exp(-j*w*t) dt其中，j是虚数单位，w是频率。

傅里叶变换的结果是一个复数函数，包含信号的幅度和相位信息。

在数字信号处理中，我们使用离散傅里叶变换（Discrete Fourier Transform，DFT）代替连续傅里叶变换。

离散傅里叶变换可以将离散时间域信号转换为离散频域信号。

对于一个N点采样的离散信号x(n)，它的离散傅里叶变换X(k)可以表示为：X(k) = ∑[0,N-1] x(n) * exp(-j*2π*k*n/N)傅里叶变换的计算复杂度为O(n^2)，而FFT是一种改进的傅里叶变换算法，可以将计算复杂度降低到O(n*logn)。

FFT通过将N点DFT分解为多个较小规模的DFT计算来实现。

以下提供一个使用C语言实现的简单FFT程序：#include <stdio.h>#include <math.h>int reverseBits(int num, int bits)int reversed = 0;for (int i = 0; i < bits; i++)reversed = (reversed << 1) ， (num & 1); num >>= 1;}return reversed;void fft(double x[], double y[], int n) int bits = log2(n);for (int i = 0; i < n; i++)int j = reverseBits(i, bits);if (j < i)double temp = x[i];x[i]=x[j];x[j] = temp;temp = y[i];y[i]=y[j];y[j] = temp;}}for (int k = 2; k <= n; k <<= 1)int half = k >> 1;double wn_r = cos(2 * PI / k);double wn_i = sin(2 * PI / k);for (int i = 0; i < n; i += k)double w_r = 1.0;double w_i = 0.0;for (int j = 0; j < half; j++)double u_r = x[i + j];double u_i = y[i + j];double v_r = x[i + j + half] * w_r - y[i + j + half] * w_i; double v_i = x[i + j + half] * w_i + y[i + j + half] * w_r; x[i+j]=u_r+v_r;y[i+j]=u_i+v_i;x[i + j + half] = u_r - v_r;y[i + j + half] = u_i - v_i;double next_w_r = w_r * wn_r - w_i * wn_i;double next_w_i = w_i * wn_r + w_r * wn_i;w_r = next_w_r;w_i = next_w_i;}}}int maiint n = 8;double x[] = {0, 1, 2, 3, 4, 5, 6, 7};double y[] = {0, 0, 0, 0, 0, 0, 0, 0};fft(x, y, n);for (int i = 0; i < n; i++)printf("(%f, %f)\n", x[i], y[i]);}return 0;以上程序实现了一个8点FFT算法，可以将输入信号{x[0],x[1], ..., x[7]}转换为频域信号{X[0], X[1], ..., X[7]}。