基于DFT的信号识别系统.doc

基于DFT的信号识别系统一、实验目的（1） 通过实验巩固离散傅立叶变换DFT的认识和理解。（2） 熟练掌握应用DFT进行频谱分析的方法。（3） 理解DFT离散频谱分析的应用价值。二、实验内容在语音识别、雷达信号处理、生物医学信号检测与识别等应用领域广泛使用基于离散傅立叶变换的谱分析技术。一个典型的信号识别系统如图：短时窗DFT峰值检测分类器x(n)y(n)设系统的输入信号x(n)是具有单一频谱峰值的正弦信号，短时矩形窗将信号截短为有限长，经过DFT变换得到频谱，频率检测器检测频谱最大峰值的位置，即对应的频率，然后由分类器识别信号的类别。分类器的分类判决规则为：第一类：最大峰值频率分布范围（Hz）为0f200。第二类：最大峰值频率分布范围（Hz）为200f500。第三类：最大峰值频率分布范围（Hz）为500f1000。第四类：最大峰值频率分布范围（Hz）为f1000。设采样频率fs=10000Hz，短时矩形窗宽度为N=1000，短时加窗信号经过DFT可以得到连续频谱在02范围内的1000个取样点。（1）编程实现该系统（2）输入信号x（n）=1.2sin(0.08n)，理论计算并画出0ffs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。（3）输入信号x（n）=1.5+3cos(0.5n)，理论计算并画出0ffs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。（4）输入信号x（n）=0.7sin(0.14n)，理论计算并画出0ffs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。（5）输入信号x（n）=1.2cos(0.5n)+ 9.5sin(0.02n)，理论计算并画出0ffs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。（6）输入信号x（n）=cos(0.102n)，理论计算并画出0ffs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。三、实验分析设x(n)是长度为N的有限长信号（注意这个前提），即信号仅仅分布在0,N-1区间，其余时间均为0，那么，该信号的离散傅立叶变换定义如下： ， k=0N-1f与k的关系为： 四、实验调试及结果：（1）MATLAB 程序如下：function FS=dft1(A,a,B,b,C) fs=10000; N=1000;n=0:(N-1);x=A*cos(a*pi*n)+B*sin(b*pi*n)+C;y=x;s=0;FS=0,0,0;for k=1:N y(k)=0; n=1; while(nN+1) y(k)=x(n)*exp(-j*2*pi*(k-1)*(n-1)/N)+y(k); n=n+1; end if s=abs(y(k) s=abs(y(k); m=k-1; endendf=fs*m/N;FS=m,f,s; k=0:N-1;plot(k,abs(y);end (2) X(n)=1.2sin(0.08n)点：40频率：400幅值600属于第2类(3) (3) X(n)= 1.5+3cos(0.5n)点：0 频率：0 幅值1500属于第1类(4) x(n)=0.7sin(0.14n)点：70 频率：700 幅值350属于第3类(5) x(n)=1.2cos(0.5n)+9.5sin(0.02n)点：990 频率：9900 幅值4750属于第4类(6) x(n)=cos(0.102n)点：51 频率：510 幅值500属于第3类五、思考题1.当矩形窗长度比1000小，例如32，以上实验内容（6）可能出现什么情况？答：频率分辨率低，出现失真现象。如图：2. 当输入信号x(n)=cos(0.19n)时，系统能够得到正确的识别结果吗？为什么？答：能，因为频域的采样点数与时域信号长度一致，所以系统能够得到正确的结果。点95 频率950 幅值500六、总结1. 通过本次实验，我了解了应用DFT进