日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當前位置: 首頁 > 人工智能 > 循环神经网络 >内容正文

循环神经网络

matlab fftshift_matlab下实现FFT信号分析

發布時間:2025/3/12 循环神经网络 15 豆豆
生活随笔 收集整理的這篇文章主要介紹了 matlab fftshift_matlab下实现FFT信号分析 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

奈奎斯特定理

對于信號分析,我們需要掌握一個定理:

在進行模擬/數字信號的轉換過程中,當采樣頻率?fs.max大于信號中最高頻率 fmax 的 2 倍時(fs.max > 2fmax),采樣之后的數字信號完整地保留了原始信號中的信息,一般實際應用中保證采樣頻率為信號最高頻率的2.56~4倍;采樣定理又稱奈奎斯特定理或香農采樣定理。

利用matlab做頻譜分析前我們需要了解分析過程中的一些基礎知識,

matlab中的 fft 函數用法、fftshift 函數的用法

函數 1??fft?:

作用:快速傅里葉變換。

語法:

Y = fft(X)

Y = fft(X,n)

Y = fft(X,n,dim)

語法:

Y = fft(X)?用快速傅里葉變換 (FFT) 算法計算?X?的離散傅里葉變換?(DFT)。

  • 如果?X?是向量,則?fft(X)?返回該向量的傅里葉變換;

  • 如果?X?是矩陣,則?fft(X)?將?X?的各列視為向量,并返回每列的傅里葉變換;

  • 如果?X?是一個多維數組,則?fft(X)?將沿大小不等于 1 的第一個數組維度的值視為向量,并返回每個向量的傅里葉變換;

Y?= fft(X,n)?返回?n?點 DFT。如果未指定任何值,則?Y?的大小與?X?相同。

  • 如果?X?是向量且?X?的長度小于?n,則為?X?補上尾零以達到長度?n;

  • 如果?X?是向量且?X?的長度大于?n,則對?X?進行截斷以達到長度?n;

  • 如果?X?是矩陣,則每列的處理與在向量情況下相同;

  • 如果?X?為多維數組,則大小不等于 1 的第一個數組維度的處理與在向量情況下相同;

函數 2 fftshift:

作用:將零頻分量移到頻譜中心。

語法:

Y = fftshift(X)

Y = fftshift(X,dim)

說明:

Y = fftshift(X)?通過將零頻分量移動到數組中心,重新排列傅里葉變換 X。

  • 如果 X 是向量,則 fftshift 會將 X 的左右兩半部分進行交換;

  • 如果 X 是矩陣,則 fftshift 會將 X 的第一象限與第三象限交換,將第二象限與第四象限交換;

  • 如果 X 是多維數組,則 fftshift 會沿每個維度交換 X 的半空間;

應用舉例

現有輸入信號 2Hz,ADC 采樣頻率為 500Hz ,滿足采樣定理的要求,目標:對信號進行頻譜分析,找出信號在頻域上的噪聲分量,并設計對應濾波器濾除噪聲,提高信噪比。

新建腳本文件FFT.m,腳本內容如下圖 1:

程序第 3 行定義了信號的采樣頻率為 500Hz,第 4 行定義了采樣周期,第 6 行導入了腳本路徑下的txt數據,第 7 行計算導入數據的長度,第 8 行是計算數據的頻率范圍,,第 9~11 行繪出數據的時域信號波形圖;

程序第 14 ~20?行計算繪制 FFT頻譜圖。

圖 1

程序運行結果如下圖 2 所示,我們可以根據圖 2 所展示的頻譜信息設計相應的濾波電路或軟件算法去除噪聲。另外從圖 2 中可以看出,FFT 變換得到的頻譜是左右對稱的,因此,我們只需要其中一邊就能獲得信號的所有信息。鏈接中演示了怎樣將雙邊頻譜圖轉換為單邊頻譜圖,可參考學習?https://zhuanlan.zhihu.com/p/42893470

圖 2

●貼片晶振的PCB layout需要注意哪些?

●CPU中的程序是怎么運行起來的?

●MOSFET柵極前 100 Ω 電阻有什么用?

●模擬電路設計的這12個細節,往往起著重要作用

●STM32:從菜鳥到牛人就是如此簡單!

●什么是PID?講個故事,秒懂!

●485通信自動收發電路 歷史上最詳細的解釋

總結

以上是生活随笔為你收集整理的matlab fftshift_matlab下实现FFT信号分析的全部內容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯,歡迎將生活随笔推薦給好友。