title('Амплитудный спектр, вычисленный по выражению (4)')
f=-(Fmax-df):2*df:Fmax;
y1=dftsum(s1); y1p=fftshift(y1); % вычисление и сдвиг ДПФ
subplot(3,1,2), plot(f,abs(y1p)*dt, 'o')
set(gca,'FontName','Arial Cyr', 'FontSize',10)
title('Амлитудный спектр, вычисленный с помощью dftsum()'),grid
N=256; % число точек
Ts=T/(N-1); % интервал отсчетов
t=0:Ts:T; % временной интервал
x=K*exp(-a*abs(t));
Fmax=1/Ts; % максимальная частота
df=1/T; % частотное разрешение
f=-Fmax/2:df:Fmax/2; % частотная шкала
X=fft(x,N); % БПФ сигнала
Xp=fftshift(X); % частотный сдвиг
subplot(313), plot(f,abs(Xp)*Ts, 'o')
set(gca,'FontName','Arial Cyr', 'FontSize',10)
title('Амлитудный спектр, вычисленный с помощью fft()'),grid
В данном script-файле учтена связь преобразования Фурье непрерывного времени и дискретного преобразования Фурье, а именно:
НВПФ сигнала на частотах равно ДПФ, умноженному на значение интервала отсчетов ТS.
Полученный результат представлен на рис. 6.
Рис. 6. Спектры сигнала, полученные с помощью НВПФ, ДПФ и функции fft(t).
последний график не совпадает.
Видим, что все графики спектров имеют одинаковую форму.
График спектра, полученного с помощью функции fft() имеет расхождения с другими вследствие недостаточной частоты отсчётов и быстрого изменения сигнала.
Аппроксимация тем точнее, чем меньше интервал отсчетов TS, в пределах которого сигнал не должен существенно измениться.
5. Изучение свойств преобразования Фурье.
5.1. Свойство линейности.
Если , , то (5)
Докажем данное свойство.
Выражение значит, что и связаны через преобразование Фурье вида:
(6)
(7)
Т.к. сумма интегралов равна интегралу суммы, получим:
(8)
(9)
Значит, .
Следующий script-файл иллюстрирует свойство линейности преобразования Фурье.
N = 128; % Длина сигналов
k = 0:N-1;
gamma = -0.5;
g = exp(gamma*k);
% g - экспоненциальная функция
h = sin(2*pi*k/(N/2));
figure(1),plot(k,g,k,h)
% h - синусоидальная последовательность с периодом = N/2
% вычисление преобразований Фурье сигналов
[G,w] = freqz(g,1,512);
[H,w] = freqz(h,1,512);
% Свойство линейности
alpha = 0.5;
beta = 0.25;
y = alpha*g+beta*h;
[Y,w] = freqz(y,1,512);
% Графики Y и alpha*G+beta*H для проверки их равенства
figure(2), subplot(211),plot(abs(Y))
subplot(212), plot(abs(alpha*G+beta*H))
Результат выполнения данного script-файла представлен на рис. 7.
Рис. 7. Иллюстрация свойства линейности преобразования Фурье.
Видим, что графики совпадают, значит, свойство линейности выполняется.
5.2. Свойство временного сдвига.
Если , то (10)
Докажем данное свойство.
Запишем и обозначим .
Тогда
. (11)
Значит, .
Данное свойство показывает, что при сдвиге функции на модуль не изменяется, а сдвигается во времени на каждая частотная составляющая s(t).
Следующий script-файл иллюстрирует свойство временного сдвига преобразования Фурье.
% Свойство временного сдвига
n0 = 12; % y2 - последовательность y, сдвинутая на 12 отсчетов
y2 = [zeros([1,n0]) g];
[Y2,w] = freqz(y2,1,512);
G0 = exp(-j*w*n0).*G;
% Графики амплитудных спектров
figure(3), subplot(211), plot(abs(G0))
subplot(212), plot(abs(Y2));
Результат выполнения данного script-файла представлен на рис. 8.
Рис. 8. Иллюстрация свойства временного сдвига преобразования Фурье.
Видим, что графики совпадают, значит, свойство временного сдвига выполняется.
5.3. Свойство изменения масштаба.
Если , то для любого действительного a . (12)
Докажем данное свойство.
Пусть и , тогда
(13) Аналогично для получаем:
(14)
Следовательно, .
Следующий script-файл иллюстрирует свойство изменения масштаба преобразования Фурье.
% Свойство изменения масштаба
a=0.1;% Коэффициент изменения масштаба
g1= exp(gamma*k*a);
figure(4),plot(k,g,k,g1) % Графики во временной области
[G,w] = freqz(g,1,512);
G1 = freqz(g1,1,512);
% Графики спектров
figure(5), subplot(211), plot(w,abs(G))
subplot(212), plot(w,abs(G1))
Результаты выполнения данного script-файла представлены на рис. 9 и рис. 10.
Рис. 9. Графики сигналов s(t) и s(at) во временной области.
Рис. 10. Графики амплитудных спектров сигналов s(t) и s(at) в частотной области.
Видим, что для a<1 s(at) представляет собой функцию s(t), растянутую во времени.
При этом амплитудный спектр сужается по оси частот.
Таким образом, чем шире сигнал по оси времени, тем уже его амплитудный спектр и наоборот.
5.4. Свойство свертки.
Если , , то . (15)
Докажем данное свойство.
Запишем преобразование Фурье свёртки
(16)
Пусть , тогда
(17)
Следовательно,
(18)
Таким образом, получили, что .
Следующий script-файл иллюстрирует свойство свертки преобразования Фурье.
% Свойство свертки
y5 = conv(g,h);
[Y5,w] = freqz(y5,1,512);
figure(6), subplot(211), plot(abs(Y5))
subplot(212), plot(abs(G.*H))
Результаты выполнения данного script-файла представлены на рис. 11.
Рис. 11. Иллюстрация свойства свертки преобразования Фурье.
Видим, что графики совпадают, значит, свойство свёртки выполняется.
Выводы:
1. Спектральное представление непериодических сигналов основывается на использовании преобразования Фурье, которое получается из ряда Фурье путём предельного перехода при .
- прямое преобразование Фурье,
- обратное преобразование Фурье.
Функция X(jω) – спектральная плотность (плотность комплексных амплитуд гармоник, приходящихся на единичный интервал частот вблизи рассматриваемой частоты ω).
2. Амплитудный и фазовый спектры непериодического сигнала являются сплошными, в отличие от линейчатых спектров периодического сигнла.
Спектры сигнала полностью описывают его в частотной области.
3. Для спектрального представления дискретных сигналов импользуется дискретное преобразование Фурье (ДПФ):
4. Для вычисления ДПФ в Matlab существует функция fft().
ДПФ и НВПФ связаны, как X = fft()*Ts, где Ts – интервал отсчётов.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.