当前位置：文档之家 › 信号谱分析——窗函数

信号谱分析——窗函数

  • 格式：doc
  • 大小：215.50 KB
  • 文档页数：28

实验三、信号的谱分析五、窗函数window1.通过MATLAB的help功能，探究一下window可以支持的窗函数类型。

输入help window，举例出现的函数类型如下：@bartlett - Bartlett window.@barthannwin - Modified Bartlett-Hanning window.@blackman - Blackman window.@blackmanharris - Minimum 4-term Blackman-Harris window.@bohmanwin - Bohman window.@chebwin - Chebyshev window.@flattopwin - Flat Top window.@gausswin - Gaussian window.@hamming - Hamming window.@hann - Hann window.@kaiser - Kaiser window.@nuttallwin - Nuttall defined minimum 4-term Blackman-Harris window. @parzenwin - Parzen (de la Valle-Poussin) window.@rectwin - Rectangular window.@tukeywin - Tukey window.@triang - Triangular window.2.用window产生的各种窗函数（可以设N=128），观察各个窗函数的波形。

N=128;w=window(@bartlett,N);plot(1:N,w)2040608010012014000.10.20.30.40.50.60.70.80.91w1=window(@barthannwin,N); plot(1:N,w1)2040608010012014000.10.20.30.40.50.60.70.80.91barthannwinw2=window(@blackman,N); plot(1:N,w2)2040608010012014000.10.20.30.40.50.60.70.80.91w3=window(@chebwin,N); plot(1:N,w3)2040608010012014000.10.20.30.40.50.60.70.80.91chebwinw4=window(@gausswin,N); plot(1:N,w4)2040608010012014000.10.20.30.40.50.60.70.80.91w5=window(@hamming,N); plot(1:N,w5)2040608010012014000.10.20.30.40.50.60.70.80.91hamming3.计算并分析各个窗函数的谱，观测其谱形状的特点。

用wvtool 函数观察各窗函数的幅频和相频特性：同上w~w5N=128;w=window(@bartlett,N);w1=window(@barthannwin,N); w2=window(@blackman,N);w3=window(@chebwin,N);w4=window(@gausswin,N);w5=window(@hamming,N); subplot(3,1,1);wvtool(w); ylabel('barlett');subplot(3,1,2);wvtool(w1); ylabel('barthannwin'); subplot(3,1,3);wvtool(w2); ylabel('blackman');subplot(6,1,4);wvtool(w3); ylabel('chebwin');subplot(6,1,5);wvtool(w4); ylabel('gausswin');subplot(6,1,6);wvtool(w5); ylabel('hamming');六、关于谱分析的截断效应实验1. N=20;for i=1:Nt(i)=0.01*(i-N/2);w(i)=(i-N/2)*200*pi/N;x(i)=2*sin(4*pi*t(i))+5*cos(6*pi*t(i)); endG=fft(g)/100;plot(w(1:N),abs(G(1:N)));xlabel('w');ylabel('G');title('N=20');N=30;for i=1:Nt(i)=0.01*(i-N/2);w(i)=(i-N/2)*200*pi/N;x(i)=2*sin(4*pi*t(i))+5*cos(6*pi*t(i)); endX=fft(x)/100;plot(w(1:N),abs(X(1:N)));xlabel('w');ylabel('X');title('N=30');N=50;for i=1:Nt(i)=0.01*(i-N/2);w(i)=(i-N/2)*200*pi/N;x(i)=2*sin(4*pi*t(i))+5*cos(6*pi*t(i)); endX=fft(x)/100;plot(w(1:N),abs(X(1:N)));xlabel('w');ylabel('X');title('N=50');N=100;for i=1:Nt(i)=0.01*(i-N/2);w(i)=(i-N/2)*200*pi/N;x(i)=2*sin(4*pi*t(i))+5*cos(6*pi*t(i)); endX=fft(x)/100;plot(w(1:N),abs(X(1:N)));xlabel('w');ylabel('X');title('N=100');N=150;for i=1:Nt(i)=0.01*(i-N/2);w(i)=(i-N/2)*200*pi/N;x(i)=2*sin(4*pi*t(i))+5*cos(6*pi*t(i)); endX=fft(x)/100;plot(w(1:N),abs(X(1:N)));xlabel('w');ylabel('X');title('N=150');进一步思考，为什么N=100的时候观察不到截断效应？因为N=100时，正好等于其取样频率，所以观察不到截断效应。

2.观察各种窗函数对截断效应的改善情况。

N=200;for i=1:Nt(i)=0.01*(i-N/2);w(i)=(i-N/2)*200*pi/N;x(i)=2*sin(4*pi*t(i))+5*cos(6*pi*t(i));endwin1=window(@bartlett,N).*x';win2=window(@barthannwin,N).*x';win3=window(@blackman,N).*x';win4=window(@chebwin,N).*x';win5=window(@gausswin,N).*x';win6=window(@hamming,N).*x';G1=fft(x)/100;%G2=fft(win1)/100;%G3=fft(win2)/100;%G4=fft(win3)/100;%G5=fft(win4)/100;%G6=fft(win5)/100;%G7=fft(win6)/100;%plot(w(1:N),abs(G1(1:N)))%title('x(t)');%plot(w(1:N),abs(G2(1:N))) %ylabel('bartlett');%plot(w(1:N),abs(G3(1:N))) %ylabel('barthannwin'); plot(w(1:N),abs(G4(1:N))) ylabel('blackman ');%plot(w(1:N),abs(G4(1:N))) %ylabel('chebwin ');%plot(w(1:N),abs(G4(1:N))) %ylabel('gausswin ');%plot(w(1:N),abs(G4(1:N))) %ylabel('hamming ');-400-300-200-10001002003004000123456x(t)-400-300-200-100010020030040000.511.522.5b a r t l e t t-400-300-200-100010020030040000.511.522.5b a r t h a n n w i n-400-300-200-100010020030040000.511.522.5b l ac k m a n由图可以看出，加窗函数后，截断效应减弱，图的分辨率变高。

七、观察高斯序列的时域和频域特性。

1、p=8,q=2,4,8 时域分析 p=8;q=2; n=0:1:15x=exp(-(n-p).^2/q); stem(x)ylabel('x(n)'); xlabel('n');title('p=8,q=2时的时域特性');p=8;q=4; n=0:1:15x=exp(-(n-p).^2/q); stem(x)ylabel('x(n)'); xlabel('n');title('p=8,q=4时的时域特性');p=8;q=8; n=0:1:15x=exp(-(n-p).^2/q); stem(x)ylabel('x(n)'); xlabel('n');title('p=8,q=4时的时域特性');x (n )np=8,q=2时的时域特性00.10.20.30.40.50.60.70.80.91x (n )np=8,q=4时的时域特性00.10.20.30.40.50.60.70.80.91x (n )np=8,q=8时的时域特性频域分析 clc;clear all; p=8;q=2; for i=1:100 if i<16x(i)=exp((-(i-p)^2)/q); else x(i)=0; end enddtft=zeros(80); for i=1:80w(i)=(i-40)/10; for k=1:16dtft(i)=dtft(i)+x(k)*exp(-j*(k-1)*w(i)); end endsubplot(1,2,1);plot(w,abs(dtft));xlabel('w');ylabel('DTFT');title('p=8;q=2幅频特性'); subplot(1,2,2);plot(w,angle(dtft));xlabel('w');ylabel('DTFT');title('p=8;q=2相频特性');-4-202400.511.522.53wD T F T-4-2024-3-2-1123wD T F Tclc;clear all; p=8;q=4; for i=1:100 if i<16x(i)=exp((-(i-p)^2)/q); else x(i)=0; end enddtft=zeros(80); for i=1:80w(i)=(i-40)/10; for k=1:16dtft(i)=dtft(i)+x(k)*exp(-j*(k-1)*w(i)); end endsubplot(1,2,1);plot(w,abs(dtft));xlabel('w');ylabel('DTFT');title('p=8;q=4幅频特性'); subplot(1,2,2);plot(w,angle(dtft));xlabel('w');ylabel('DTFT');title('p=8;q=4相频特性');-4-202400.511.522.533.54wD T F T-4-2024-3-2-1123wD T F Tclc;clear all; p=8;q=8; for i=1:100 if i<16x(i)=exp((-(i-p)^2)/q); else x(i)=0; end enddtft=zeros(80); for i=1:80w(i)=(i-40)/10; for k=1:16dtft(i)=dtft(i)+x(k)*exp(-j*(k-1)*w(i)); end endsubplot(1,2,1);plot(w,abs(dtft));xlabel('w');ylabel('DTFT');title('p=8;q=8幅频特性'); subplot(1,2,2);plot(w,angle(dtft));xlabel('w');ylabel('DTFT');title('p=8;q=8相频特性');-4-20240123456wD T F T-4-2024-3-2-1123wD T F T2、q=8,p=8,13,14 时域分析 p=8;q=8; n=0:1:15x=exp(-(n-p).^2/q); stem(x)ylabel('x(n)'); xlabel('n');title('p=8,q=4时的时域特性');p=8;q=13; n=0:1:15x=exp(-(n-p).^2/q); stem(x)ylabel('x(n)'); xlabel('n');title('p=8,q=4时的时域特性');p=8;q=14; n=0:1:15x=exp(-(n-p).^2/q); stem(x)ylabel('x(n)'); xlabel('n');title('p=8,q=4时的时域特性');00.10.20.30.40.50.60.70.80.91x (n )nq=8,p=8时的时域特性00.10.20.30.40.50.60.70.80.91x (n )nq=8,p=13时的时域特性00.10.20.30.40.50.60.70.80.91x (n )nclc;clear all; q=8;p=8; for i=1:100 if i<16x(i)=exp((-(i-p)^2)/q); else x(i)=0; end enddtft=zeros(80); for i=1:80w(i)=(i-40)/10; for k=1:16dtft(i)=dtft(i)+x(k)*exp(-j*(k-1)*w(i)); end endsubplot(1,2,1);plot(w,abs(dtft));xlabel('w');ylabel('DTFT');title('q=8,p=8幅频特性'); subplot(1,2,2);plot(w,angle(dtft));xlabel('w');ylabel('DTFT');title('q=8,p=8相频特性');-4-20240123456wD T F T-4-2024-3-2-1123wD T F Tclc;clear all; q=8;p=13; for i=1:100 if i<16x(i)=exp((-(i-p)^2)/q); else x(i)=0; end enddtft=zeros(80); for i=1:80w(i)=(i-40)/10; for k=1:16dtft(i)=dtft(i)+x(k)*exp(-j*(k-1)*w(i)); end endsubplot(1,2,1);plot(w,abs(dtft));xlabel('w');ylabel('DTFT');title('q=8,p=13幅频特性'); subplot(1,2,2);plot(w,angle(dtft));xlabel('w');ylabel('DTFT');title('q=8,p=13相频特性');-4-202400.511.522.533.544.5wD T F T-4-2024-4-3-2-101234wD T F Tclc;clear all; q=8;p=14; for i=1:100 if i<16x(i)=exp((-(i-p)^2)/q); else x(i)=0; end enddtft=zeros(80); for i=1:80w(i)=(i-40)/10; for k=1:16dtft(i)=dtft(i)+x(k)*exp(-j*(k-1)*w(i)); end endsubplot(1,2,1);plot(w,abs(dtft));xlabel('w');ylabel('DTFT');title('q=8,p=14幅频特性'); subplot(1,2,2);plot(w,angle(dtft));xlabel('w');ylabel('DTFT');title('q=8,p=14相频特性');-4-202400.511.522.533.54wD T F T-4-2024-4-3-2-101234wD T F T当q 不变，p 变大时，出现截断效应，当实验中q=8,p=13时，明显出现泄漏。

合集下载

布莱克曼窗函数范文

布莱克曼窗函数范文

布莱克曼窗函数范文
窗函数是用来限制信号长度的数学函数，在频域中的效果相当于对信号的谱进行低通滤波。

布莱克曼窗函数是以安德鲁·布莱克曼（Andrew Blackman）的名字命名的，其数学表达式为：
w(n) = 0.42 - 0.5 * cos(2πn/(N-1)) + 0.08 * cos(4πn/(N-1))其中，w(n)是布莱克曼窗函数的值，n是窗口中的离散点的序号，N 是窗口的长度。

布莱克曼窗函数的图像呈现出平滑开口的形状，具有较低的旁瓣对比度，能够减小谱分析时引入的频谱泄漏。

1.对于信号值小于窗口的边界值的部分，窗函数将这些值减小为零，起到了截断信号的作用，避免了频谱泄漏。

2.布莱克曼窗函数在频域中有较高的旁瓣对比度，这意味着它能够比较好地去除频谱中不需要的高频成分，具有较好的滤波效果。

3.布莱克曼窗函数的主瓣宽度与窗口长度成正比，这使得它对于窗口长度较小的信号具有较好的频率分辨率。

4.布莱克曼窗函数具有对称性，对称轴位于窗口的中心。

布莱克曼窗函数的应用主要集中在傅里叶频谱分析、滤波器设计和信号处理中。

在傅里叶频谱分析中，布莱克曼窗函数可以用来减小谱分析时引入的频谱泄漏，从而提高频谱分析的准确性和精度。

在滤波器设计中，布莱克曼窗函数的低旁瓣对比度能够减小滤波器的振铃现象，提升滤波性能。

在信号处理中，布莱克曼窗函数常用于对时域信号进行预处理和后处理。

总之，布莱克曼窗函数作为一种常用的窗函数，具有良好的频带滤波特性和抗泄露性能，在数字信号处理中有着广泛的应用。

通过合理选择窗口长度和应用布莱克曼窗函数，可以在不同应用场景中得到更准确、更可靠的结果。

信号谱分析——窗函数

信号谱分析——窗函数

信号谱分析——窗函数窗函数在信号谱分析中起着重要的作用，它可以对信号进行加窗处理，从而在频谱分析中使信号具有更好的性能和准确度。

窗函数的选择直接关系到信号的频谱分辨率以及频谱泄漏的情况。

在信号谱分析中，窗函数是一种对信号序列进行加窗处理的函数。

它通过改变信号的时域特性，从而在频域上实现对信号的调整，使其能够更好地适应频谱分析。

常见的窗函数包括矩形窗、汉宁窗、汉明窗、布莱克曼窗等。

矩形窗是最简单的窗函数，它在信号的时域上直接用一个矩形波形来进行加窗处理。

虽然矩形窗的频谱分辨率很高，但它会产生频谱泄漏的现象，使得信号的频谱失真，无法准确地描述信号的频率。

汉宁窗是一种常用的窗函数，它在信号的时域上采用了一个凸曲线波形来对信号进行加窗处理。

与矩形窗相比，汉宁窗具有较小的频谱泄漏，能够提高信号的频谱准确度。

然而，汉宁窗的频谱分辨率相对较低，不适用于需要精确分辨信号频率的情况。

汉明窗是在汉宁窗基础上进行改进的窗函数，它在信号的时域上采用了一个更精细的凸曲线波形，具有更好的频谱性能。

汉明窗相对于汉宁窗来说，频谱分辨率更高，且频谱泄漏更小，因此在许多应用中更为常用。

布莱克曼窗是窗函数中的一种特殊形式，它在信号的时域上采用了一个通过多项式插值的波形。

布莱克曼窗在频谱分析中具有很好的性能，既能提高信号的频谱分辨率，又能降低频谱泄漏。

它适用于需要较高信号频率精度和较低频谱泄漏的情况。

在选择窗函数时，需要根据具体的实际应用场景和信号性质来进行选择。

如果需要较高的频谱分辨率，可以选择矩形窗或者布莱克曼窗；如果需要较低的频谱泄漏，可以选择汉宁窗或者汉明窗。

此外，还可以根据信号的特点进行自定义的窗函数设计，以满足实际需求。

总结起来，窗函数在信号谱分析中起到了重要的作用，它可以在频域上调整信号的性能和准确度。

合理选择窗函数可以提高信号分析的精度和可靠性，从而更好地理解和处理信号的频谱特性。

6种窗函数基本参数

6种窗函数基本参数

6种窗函数基本参数窗函数是信号处理中常用的一种工具，用于改善频谱分析、滤波和谱估计等应用中的性能。

窗函数通过将时域信号与一个平滑窗进行点乘运算，将无限长的信号截取为有限长度，并且能够抑制信号在截断边界处的振荡和泄漏现象。

常见的窗函数有6种基本参数，它们分别是：1.窗口类型：窗口可以分为几何窗口和非几何窗口两大类。

几何窗口是一种形状规则的窗口，如矩形窗、三角窗等，其窗口形状可以由一些简单的几何构造生成。

非几何窗口则是一类不规则形状的窗口，如汉宁窗、汉明窗等，其形状更加灵活。

2.窗口长度：窗口长度指的是窗口函数在时域上的长度，决定了信号截取的时长。

窗口长度是一个关键参数，过短的窗口长度可能导致频谱分析中的频谱泄漏，过长的窗口长度可能导致频率分辨率降低。

3.峰值幅度：峰值幅度是指窗口函数在时域上的幅度峰值大小。

峰值幅度决定了窗口函数的主瓣宽度和副瓣峰值水平。

窗口函数的峰值幅度通常选择为1，可以保证信号能量在窗口长度内的完全保存。

4.带宽：带宽是指窗口函数在频域上的主瓣宽度。

主瓣宽度决定了频谱分析中的频率分辨率，窄主瓣宽度可以提高频率分辨率，但会引入更多的副瓣。

5.主瓣峰值附近的副瓣水平：主瓣峰值附近的副瓣水平是指窗口函数在频域上的副瓣水平。

副瓣水平越低，说明副瓣对频谱估计的影响越小，从而提高了频谱分析的准确性。

6.对称性：对称性是指窗口函数在时域上是否关于中心点对称。

对称的窗口函数具有零相位特性，可以保持信号的相位信息。

根据以上六个基本参数，窗函数的选择应根据具体的应用需求。

需要根据信号的特点和频谱分析的要求来选择合适的窗函数，以获得更好的频域性能。

常见的窗函数有矩形窗、三角窗、汉宁窗、汉明窗、布莱克曼窗、博塞尔窗等，它们在不同应用场景下具有不同的性能优劣。

总结起来，窗函数的基本参数包括窗口类型、窗口长度、峰值幅度、带宽、主瓣峰值附近的副瓣水平和对称性。

合理选择窗函数可以提高频谱分析的准确性和性能。

窗函数的实现及分析

窗函数的实现及分析

1窗函数1.1基本概念在实际进行数字信号处理时，往往需要把信号的观察时间限制在一定的时间间隔内，只需要选择一段时间信号对其进行分析。

这样，取用有限个数据，即将信号数据截断的过程，就等于将信号进行加窗函数操作。

而这样操作以后，常常会发生频谱分量从其正常频谱扩展开来的现象，即所谓的“频谱泄漏”。

当进行离散傅立叶变换时，时域中的截断是必需的，因此泄漏效应也是离散傅立叶变换所固有的，必须进行抑制。

而要对频谱泄漏进行抑制，可以通过窗函数加权抑制DFT 的等效滤波器的振幅特性的副瓣，或用窗函数加权使有限长度的输入信号周期延拓后在边界上尽量减少不连续程度的方法实现。

而在后面的FIR 滤波器的设计中，为获得有限长单位取样响应，需要用窗函数截断无限长单位取样响应序列。

另外，在功率谱估计中也要遇到窗函数加权问题。

窗函数的基本概念。

设x (n )是一个长序列，w (n )是长度为N 的窗函数，用w (n )截断x (n )，得到N 点序列x n (n )，即x n (n ) = x (n ) w (n )在频域上则有由此可见，窗函数w (n )不仅仅会影响原信号x (n )在时域上的波形，而且也会影响到频域内的形状。

1.2设计原理窗函数设计法的基本原理是用有限长单位脉冲响应序列()n h 逼近()n h d 。

由于()n h d 往往是无限长序列，而且是非因果的，所以用窗函数()n ω将()n h d 截断，并进行加权处理，得到：()n h 就作为实际设计的FIR 数字滤波器的单位脉冲响应序列，其频率响应函数()ωj e H 为式中，N 为所选窗函数()n ω的长度。

用窗函数法设计的滤波器性能取决于窗函数()n ω的()()()()⎰--⋅=ππj j j d e π21e θθωθωW e X X N ()()()n n h n h d ω=()()nj N n j en h eH ωω∑-==1类型及窗口长度N的取值。