数字信号处理实验1:采样定理

实验结果及源程序:


clear all

clc

%初始信号

t = -0.1 : 0.0005 : 0.1;

N = 1000;

k = -N : N;

W = k * 2000 / N;

x = sin(2 * pi * 60 * t) + cos(2 * pi * 50 * t) + sinc(t/pi);%原信号

y = x * exp(-1i * t' * W) * 0.0005;% 傅里叶变换

y = abs(y);

subplot(4, 2, 1); plot(t, x); title('原信号时域');

subplot(4, 2, 2); plot(W, y); title('原信号频域');

%信号的采样

sampling = 1/60;%60hz

t = -0.1 : sampling : 0.1;

x_60Hz = sin(2 * pi * 60 * t) + cos(2 * pi * 50 * t) + sinc(t/pi); %采样后的信号

y_60Hz = x_60Hz * exp(-1i * t' * W) * sampling; % 采样后的傅里叶变换

y_60Hz = abs(y_60Hz);

subplot(4, 2, 3); stem(t, x_60Hz); title('60Hz采样信号时域');

subplot(4, 2, 4); plot(W, y_60Hz); title('60Hz采样信号频域');

sampling = 1/125;%125hz

t = -0.1 : sampling : 0.1;

x_125Hz = sin(2 * pi * 60 * t) + cos(2 * pi * 50 * t) + sinc(t/pi);

y_125Hz = x_125Hz * exp(-1i * t' * W) * sampling;

y_125Hz = abs(y_125Hz);

subplot(4, 2, 5); stem(t, x_125Hz); title('125Hz采样信号时域');

subplot(4, 2, 6); plot(W, y_125Hz); title('125Hz采样信号频域');

sampling = 1/200; %200hz

t = -0.1 : sampling : 0.1;

x_200Hz = sin(2 * pi * 60 * t) + cos(2 * pi * 50 * t) + sin(2 * pi * 30 * t);

y_200Hz = x_200Hz * exp(-1i * t' * W) * sampling;

y_200Hz = abs(y_200Hz);

subplot(4, 2, 7); stem(t, x_200Hz); title('200Hz采样信号时域');

subplot(4, 2, 8); plot(W, y_200Hz); title('200Hz采样信号频域');

% 信号恢复

figure;

n = -200 : 200;

sampling = 1/60;%欠采样

sam = n * sampling;

t = -0.1 : 0.0005 : 0.1;

f1 = sin(2 * pi * 60 * sam) + cos(2 * pi * 50 * sam) + sinc(sam/pi);

f_new1 = f1 * sinc((1/sampling) * (ones(length(sam), 1) * t - sam' * ones(1, length(t))));%复原函数

subplot(3, 2, 1); plot(t, f_new1); title('60Hz信号恢复');

sampling = 1/125;%临界采样

sam = n * sampling;

t = -0.1 : 0.0005 : 0.1;

f1 = sin(2 * pi * 60 * sam) + cos(2 * pi * 50 * sam) + sinc(sam/pi);

f_new2 = f1 * sinc((1/sampling) * (ones(length(sam), 1) * t - sam' * ones(1, length(t))));

subplot(3, 2, 3); plot(t, f_new2); title('125Hz信号恢复');

sampling = 1/200;%过采样

sam = n * sampling;

t = -0.1 : 0.0005 : 0.1;

f1 = sin(2 * pi * 60 * sam) + cos(2 * pi * 50 * sam) + sinc(sam/pi);

f_covery3 = f1 * sinc((1/sampling) * (ones(length(sam), 1) * t - sam' * ones(1, length(t))));

subplot(3, 2, 5); plot(t, f_covery3); title('200Hz信号恢复');

%计算误差

t = -0.1 : 0.0005 : 0.1;

miss = abs(x - f_new1);%取误差绝对值

subplot(3, 2, 2);plot(t,miss);axis([-0.1 0.1 0 3 ]);title('60hz误差');

t = -0.1 : 0.0005 : 0.1;

miss = abs(x - f_new2);

subplot(3, 2, 4);plot(t,miss);axis([-0.1 0.1 0 0.03 ]);title('125hz误差');

t = -0.1 : 0.0005 : 0.1;

miss = abs(x - f_covery3);

subplot(3, 2, 6);plot(t,miss);axis([-0.1 0.1 0 0.003 ]);title('200hz误差');



最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,902评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,037评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,978评论 0 332
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,867评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,763评论 5 360
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,104评论 1 277
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,565评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,236评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,379评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,313评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,363评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,034评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,637评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,719评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,952评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,371评论 2 346
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,948评论 2 341