jbb0523(彬彬有礼)理论笔记系列文档
使用 matlab 进行频谱分析时若干问题解释
作者:jbb0523(彬彬有礼)
本文共说明了以下问题:
一、在 matlab 中如何表示频率为 f1,以采样率 f 抽样后所得到的数字信号?如此表示的
依据是什么?
二、使用 matlab 画出的频谱(一般是幅度谱或称振幅谱)的横坐标轴的意义是什么?如何
根据横坐标轴的值得到其所对应的实际频率?
三、实数序列的频谱除第零个点和第 N/2 个(当 N 为偶数时)点外(从 0~N-1),其它具
有共轭对称性质;复数序列呢?
四、频率分辨率指的是什么?高分辨谱和高密度谱有何区别?有何作用?
约定:对于信号 cos(wt),它是以周期为 2*pi/w 为周期的信号,角频率 w=2*pi*f,我们
经常这样称呼这个信号:它的角频率为 w,频率为 f Hz,周期 T=1/f 秒;
1)在 matlab 中对信号 s1(t)=cos(w1t)=cos(2*pi*f1*t)进行采样,其中 f1=1000Hz,根据
奈奎斯特采样定理,采样频率 f>=2*f1,在此我们取 f=3000Hz。
在 matlab 中仿真也好,实际中处理的信号也罢,一般都是数字信号。而采样就是将信
号 数 字 化 的 一 个 过 程 , 设 将 信 号 s1(t) 数 字 化 得 到 信 号 s1(n)=cos(2*pi*f1/f*n) , 其 中
n=[0…N-1],N 为采样点数。
我们来解释一下 s1(n),为什么说 s1(n)=cos(2*pi*f1/f*n)表示以采样率 f 对频率为 f1 的
信号进行采样的结果呢?采样,顾名思义,就是对信号隔一段时间取一个值,而隔的这段时
间就是采样间隔,取其倒数就是采样率了,那们我们看 s1(n)=cos(2*pi*f1/f*n),将前面的参
数 代 入 , 当 n=0 时 ,s1(0)=cos(0), 当 n=1 时 ,s1(1)=cos(2*pi*1000/3000*1), 当 n=2 时 ,
s1(2)=cos(2*pi*1000/3000*2),当 n=3 时,s1(3)=cos(2*pi*1000/3000*3),这是不是想当于对信
号 s1(t)的一个周期内采了三个样点呢?对一个频率为 1000Hz 的信号每周期采三个样点不就
是相当于以 3 倍于频率的采样率进行采样呢?注意,当 n=3 时相当于下一个周期的起始了。
我们取采样点数 N=64,即对 64/3=21.3 个周期,共计 64/3/f1=21.3ms 时长。
我们在 matlab 中输入以下命令:
>> n=0:63;
>> f1=1000;f=3000;
>> s1=cos(2*pi*f1/f*n);
>> plot(abs(fft(s1)));
jbb0523(彬彬有礼)理论笔记系列文档
图 1
我们对图 1 进行一下解释,以说明图中的横坐标轴的所代表的意义。
对于信号 s1(t)=cos(w1*t),我们知道它的傅里叶变换是 S1(w)=pi*[δ (w-w1)+δ (w+w1)]。
如果在-2*pi*3000/2~2*pi*3000/2 范围内观察信号 s1(t)的频谱,则应该在+2*pi*1000 和
-2*pi*1000 两 个 频 点 上 有 两 根 谱 线 , 而 对 采 样 后 的 数 字 信 号 , 频 率 坐 标 轴 范 围
-2*pi*3000/2~2*pi*3000/2 将被归一化到-2*pi*(3000/2)/3000~2*pi*(3000/2)/3000 即-pi~pi 范
围内,因此将在+2*pi*1000/3000 和-2*pi*1000/3000 即+2*pi/3 和-2*pi/3 的两个频点上有两根
谱线。注意,此时坐标轴上的 2*pi 代表着 3000Hz 的频率范围。
另外还有一点应该明白的是,时域采样意味着频域的周期延拓,即-pi~pi 上的谱线与
-pi+M*2pi~+pi+M*2pi 范围内的谱线是一模一样的,其中 M 为任意的整数。更通俗的说,a~b
之间的频谱与 a+M*2pi~b+M*2pi 之间的频谱是一模一样的。因此-pi~0 之间的频谱与 pi*2pi
之间的频谱是一样的。
在 matlab 中,如果仅简单的执行 plot 绘图命令,坐标横轴将是 1~N,那么这 1~N 代表
着什么呢?是的,应该代表 0*2pi,应用到上面的例子即是 0~3000Hz 的频率范围。
其中 1~N/2 代表 0~pi,而 N/2~N 代表-pi~0。
从理论上讲 s1(t)=cos(2*pi*f1*t)应该在 1000Hz 和-1000Hz 两个频点上有两根线,即应该
在 x1(其中 x1*(3000/2) /(64/2)=1000,解得 x1=21.3)上和 64-x1 上有两根谱线。观察图 1
可知,两个峰值大约对应横轴坐标为 21 和 43=64-21 两个点。
若令 s2(t)=sin(w1*t),则傅里叶变换是 S1(w)=-j*pi*[δ (w-w1)-δ (w+w1)],在 matlab 中
执行以下命令:
>> n=0:63;
>> f1=1000;f=3000;
>> s2=sin(2*pi*f1/f*n);
jbb0523(彬彬有礼)理论笔记系列文档
>> plot(abs(fft(s2)));
则可得其频谱,如图 2 所示:
图 2
由图可得两个峰值的位置基本与图 1 相同,这由其傅里叶表达式也可以得出此结论。
以上分别说明了余弦和正弦的频谱,而且余弦和正弦均是实数序列,实数序列的离散傅
里叶变换(DFT)具有共轭对称性质(此性质可百度或查阅数字信号处理相关书籍或自行推
导,很简单的),这从图中也可以看出。(画图时取其模值,共轭取模与原先数取模将变成相
等)
2)复数的频谱
若令 s3(t)=cos(w1*t)+j*sin(w1*t),则计算其傅里叶变换可得 S2(w)=pi*[δ (w-w1)+δ
(w+w1)]+j*{-j*pi*[δ (w-w1)-δ (w+w1)]}=2*pi*δ (w-w1),因此频谱中将只有一根谱线。
在 matlab 中输入以下命令:
>> n=0:63;
>> f1=1000;f=3000;
>> s3=cos(2*pi*f1/f*n)+1j*sin(2*pi*f1/f*n);
>> plot(abs(fft(s3)));
jbb0523(彬彬有礼)理论笔记系列文档
图 3
从图 3 可以看出,对于一个复数序列求频谱,它的幅度谱将不再是对称的两根谱线。其
实经过类似于实数序列的推导可以得出,复数序列的频谱将不再具有类似于实数序列的共轭
对称性质。
当 w1 为负值时会如何呢?输入以下命令计算 s4(t)=cos(w1*t)+j*sin(w1*t)的频谱:
>> n=0:63;
>> f1=-1000;f=3000;
>> s4=cos(2*pi*f1/f*n)+1j*sin(2*pi*f1/f*n);
>> plot(abs(fft(s4)));
jbb0523(彬彬有礼)理论笔记系列文档
图 4
对比图 3 和图 4 可知,当频率为正值时,峰值将在 1~32 范围内;而当频率为负值时,
峰值将在 33~64 之间。此性质可通俗的描述如下:
对于信号 s(t)=cos(2*pi*f*t)+j*sin(2*pi*f*t),对其进行符合奈奎斯特采样定理的采样,
设采样率为 fs,采样点数为 N,得到数字信号 s(n),n=[0,…,N-1],则对 s(n)做 DFT 变换进行
谱分析后得到 S(k),k=[0,…,N-1]。观察 S(k)的幅度谱,若 k=0~N/2-1 之间有峰值,则 s(t)的
频率 f 在 0~fs/2 之间;若 k=N/2~N-1 之间有峰值,则 s(t)的频率 f 在-fs/2~0 之间;并且有且
只有一个峰值。
计算公式如下:设幅度谱峰值当 k=k1 时出现,则 s(t)的频率为:
同理,可推出如下性质:
对于信号 s(t)=cos(2*pi*f*t)-j*sin(2*pi*f*t),对其进行符合奈奎斯特采样定理的采样,
设采样率为 fs,采样点数为 N,得到数字信号 s(n),n=[0,…,N-1],则对 s(n)做 DFT 变换进行
谱分析后得到 S(k),k=[0,…,N-1]。观察 S(k)的幅度谱,若 k=0~N/2-1 之间有峰值,则 s(t)的
频率 f 在-fs/2~0 之间;若 k=N/2~N-1 之间有峰值,则 s(t)的频率 f 在 0~fs/2 之间;并且有且
只有一个峰值。
计算公式如下:设幅度谱峰值当 k=k1 时出现,则 s(t)的频率为:
NkNkNNfsNkkNfsf12),1(*210,1
jbb0523(彬彬有礼)理论笔记系列文档
3)下面引入一个新的概念:频率分辨率
频率分辩率是指频域取样中两相邻点间的频率间隔。更确切的说是如果某一信号含有两
个频率成分 f1 和 f2,Of=|f2-f1|,频率分辨率的概念是如果频率分辨率大于 Of,对信号进行
谱分析后将不能视别出其含有两个频率成分,这两个频率将混叠在一起。
以下是摘自华科姚天任《数字信号处理(第二版)》第 92 页的一段:
现在我们设定信号 s5(t)=cos(w1*t)+sin(w2*t),其中 w1=2*pi*1000,w2=2*pi*1100
在 matlab 中输入以下命令计算其频谱:
>> n=0:63;
>> f1=1000;f2=1100;f=3000;
>> s5=cos(2*pi*f1/f*n)+sin(2*pi*f2/f*n);
>> plot(abs(fft(s5)));
NkNkNNfsNkkNfsf12),1(*210,1
jbb0523(彬彬有礼)理论笔记系列文档
图 5
从图 5 中可以看出能够分辨出 f1=1000Hz 和 f2=1100Hz 两个频率分量。
我们利用上面的理论来计算一下此时的频率分辨率:
采样频率 fs=3000Hz
采样点个数 N=64
最长记录长度 tp=N*(1/fs)
频率分辨率 F=1/tp=fs/N=3000/64=46.875Hz
因为 F> n=0:23;
>> f1=1000;f2=1100;f=3000;
>> s5=cos(2*pi*f1/f*n)+sin(2*pi*f2/f*n);
>> plot(abs(fft(s5)));
jbb0523(彬彬有礼)理论笔记系列文档
图 6
第二种尝试:采样率 fs 升为 8000Hz,即满足奈奎斯特采样定理,大于信号 s5(t)的最高
频率分量 1100Hz 的两倍,采样点个数 N 不变,仍为 64 个,在 matlab 中输入以下命令:
>> n=0:63;
>> f1=1000;f2=1100;f=8000;
>> s5=cos(2*pi*f1/f*n)+sin(2*pi*f2/f*n);
>> plot(abs(fft(s5)));