在MATLAB软件平台进行频谱分析并对所采集的语音信号加入干扰噪...

clear allx=0:2*pi/100:2*pi; y=sin(2*pi*5*x)+0.2*randn(1,101); yy=abs(fft(y)); subplot(211) plot(x,y) subplot(212) f=((0:100)*50/pi)/102;plot(f,yy); xlim([0,25/pi]);grid on

关于用MATLAB设计对信号进行频谱分析和滤波处理的程序

完整的程序%写上标题%设计低通滤波器：[N,Wc]=buttord()%估算得到Butterworth低通滤波器的最小阶数N和3dB截止频率Wc[a,b]=butter(N,Wc)； %设计Butterworth低通滤波器[h,f]=freqz()； %求数字低通滤波器的频率响应figure(2)； % 打开窗口2subplot(221)； %图形显示分割窗口plot(f,abs(h))； %绘制Butterworth低通滤波器的幅频响应图title(巴氏低通滤波器'')； grid； %绘制带网格的图像sf=filter(a,b,s)； %叠加函数S经过低通滤波器以后的新函数subplot(222);plot(t,sf)； %绘制叠加函数S经过低通滤波器以后的时域图形xlabel('时间 (seconds)');ylabel('时间按幅度')；SF=fft(sf,256)； %对叠加函数S经过低通滤波器以后的新函数进行256点的基—2快速傅立叶变换w= %新信号角频率subplot(223);plot())； %绘制叠加函数S经过低通滤波器以后的频谱图title('低通滤波后的频谱图')；%设计高通滤波器[N,Wc]=buttord()%估算得到Butterworth高通滤波器的最小阶数N和3dB截止频率Wc[a,b]=butter(N,Wc,'high')； %设计Butterworth高通滤波器[h,f]=freqz()； %求数字高通滤波器的频率响应figure(3);subplot(221);plot())； %绘制Butterworth高通滤波器的幅频响应图title('巴氏高通滤波器')；grid； %绘制带网格的图像sf=filter()； %叠加函数S经过高通滤波器以后的新函数subplot(222);plot(t,sf)； ；%绘制叠加函数S经过高通滤波器以后的时域图形xlabel('Time(seconds)');ylabel('Time waveform');w； %新信号角频率subplot(223);plot())； %绘制叠加函数S经过高通滤波器以后的频谱图title('高通滤波后的频谱图')；%设计带通滤波器[N,Wc]=buttord([)%估算得到Butterworth带通滤波器的最小阶数N和3dB截止频率Wc[a,b]=butter(N,Wc)； %设计Butterworth带通滤波器[h,f]=freqz()； %求数字带通滤波器的频率响应figure(4);subplot(221);plot(f,abs(h))； %绘制Butterworth带通滤波器的幅频响应图title('butter bandpass filter');grid； %绘制带网格的图像sf=filter(a,b,s)； %叠加函数S经过带通滤波器以后的新函数subplot(222);plot(t,sf)； %绘制叠加函数S经过带通滤波器以后的时域图形xlabel('Time(seconds)');ylabel('Time waveform');SF=fft()； %对叠加函数S经过带通滤波器以后的新函数进行256点的基—2快速傅立叶变换w=( %新信号角频率subplot(223);plot('))； %绘制叠加函数S经过带通滤波器以后的频谱图title('带通滤波后的频谱图')；

利用matlab怎样进行频谱分析

展开全部 在命令窗口输入doc fft回车后，可看到例子。

%构造出信号(如已有信号，此步可省略)Fs = 1000; % Sampling frequencyT = 1/Fs; % Sample timeL = 1000; % Length of signalt = (0:L-1)*T; % Time vector% Sum of a 50 Hz sinusoid and a 120 Hz sinusoidx = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t); y = x + 2*randn(size(t)); % Sinusoids plus noiseplot(Fs*t(1:50),y(1:50))title('Signal Corrupted with Zero-Mean Random Noise')xlabel('time (milliseconds)')NFFT = 2^nextpow2(L); % Next power of 2 from length of yY = fft(y,NFFT)/L;f = Fs/2*linspace(0,1,NFFT/2+1);%FFT分析% Plot single-sided amplitude spectrum.plot(f,2*abs(Y(1:NFFT/2+1))) title('Single-Sided Amplitude Spectrum of y(t)')xlabel('Frequency (Hz)')ylabel('|Y(f)|')...

matlab频谱分析

你这段程序有一处问题，在产生噪声的点数应该和序列点数相等>>t=1:.2:100;>>N=length(t);>>n1=randn(1,N);>>y1=sin(t);>>subplot(2,2,1);>>plot(t,y1);>>y2=cos(2*t);>>subplot(2,2,2);>>plot(t,y2);>>y=y1.*y2+n1; >>subplot(2,2,3);>>plot(t,y);>>Y=fft(y,N);>>Mag=abs(Y);>>n=0:N-1;>>subplot(2,2,4);subplot(2,2,4);plot(n,Mag);上面我只是做了一个整体的频谱分析，不知道你要具体的分析什么，如果需要，晚上你留言我给你做

如何应用matlab进行fft分析

FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。

有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。

这就是很多信号分析采用FFT变换的原因。

另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。

虽然很多人都知道FFT是什么，可以用来做什么，怎么去做，但是却不知道FFT之后的结果是什意思、如何决定要使用多少点来做FFT。

现在圈圈就根据实际经验来说说FFT结果的具体物理意义。

一个模拟信号，经过ADC采样之后，就变成了数字信号。

采样定理告诉我们，采样频率要大于信号频率的两倍，这些我就不在此罗嗦了。

采样得到的数字信号，就可以做FFT变换了。

N个采样点，经过FFT之后，就可以得到N个点的FFT结果。

为了方便进行FFT运算，通常N取2的整数次方。

假设采样频率为Fs，信号频率F，采样点数为N。

那么FFT之后结果就是一个为N点的复数。

每一个点就对应着一个频率点。

这个点的模值，就是该频率值下的幅度特性。

具体跟原始信号的幅度有什么关系呢？假设原始信号的峰值为A，那么FFT的结果的每个点(除了第一个点直流分量之外)的模值就是A的N/2倍。

而第一个点就是直流分量，它的模值就是直流分量的N倍。

而每个点的相位呢，就是在该频率下的信号的相位。

第一个点表示直流分量(即0Hz)，而最后一个点N的再下一个点(实际上这个点是不存在的，这里是假设的第N+1个点，也可以看做是将第一个点分做两半分，另一半移到最后)则表示采样频率Fs，这中间被N-1个点平均分成N等份，每个点的频率依次增加。

例如某点n所表示的频率为：Fn=(n-1)*Fs/N。

由上面的公式可以看出，Fn所能分辨到频率为为Fs/N，如果采样频率Fs为1024Hz，采样点数为1024点，则可以分辨到1Hz。

1024Hz的采样率采样1024点，刚好是1秒，也就是说，采样1秒时间的信号并做FFT，则结果可以分析到1Hz，如果采样2秒时间的信号并做FFT，则结果可以分析到0.5Hz。

如果要提高频率分辨力，则必须增加采样点数，也即采样时间。

频率分辨率和采样时间是倒数关系。

假设FFT之后某点n用复数a+bi表示，那么这个复数的模就是An=根号a*a+b*b，相位就是Pn=atan2(b,a)。

根据以上的结果，就可以计算出n点(n≠1，且n<=N/2)对应的信号的表达式为：An/(N/2)*cos(2*pi*Fn*t+Pn)，即2*An/N*cos(2*pi*Fn*t+Pn)。

对于n=1点的信号，是直流分量，幅度即为A1/N。

由于FFT结果的对称性，通常我们只使用前半部分的结果，即小于采样频率一半的结果。

好了，说了半天，看着公式也晕，下面圈圈以一个实际的信号来做说明。

假设我们有一个信号，它含有2V的直流分量，频率为50Hz、相位为-30度、幅度为3V的交流信号，以及一个频率为75Hz、相位为90度、幅度为1.5V的交流信号。

用数学表达式就是如下：S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180) 式中cos参数为弧度，所以-30度和90度要分别换算成弧度。

我们以256Hz的采样率对这个信号进行采样，总共采样256点。

按照我们上面的分析，Fn=(n-1)*Fs/N，我们可以知道，每两个点之间的间距就是1Hz，第n个点的频率就是n-1。

我们的信号有3个频率：0Hz、50Hz、75Hz，应该分别在第1个点、第51个点、第76个点上出现峰值，其它各点应该接近0。

实际情况如何呢？我们来看看FFT的结果的模值如图所示。

图1 FFT结果 从图中我们可以看到，在第1点、第51点、和第76点附近有比较大的值。

我们分别将这三个点附近的数据拿上来细看：1点： 512+0i2点： -2.6195E-14 - 1.4162E-13i 3点： -2.8586E-14 - 1.1898E-13i50点：-6.2076E-13 - 2.1713E-12i51点：332.55 - 192i52点：-1.6707E-12 - 1.5241E-12i75点：-2.2199E-13 -1.0076E-12i76点：3.4315E-12 + 192i77点：-3.0263E-14 +7.5609E-13i 很明显，1点、51点、76点的值都比较大，它附近的点值都很小，可以认为是0，即在那些频率点上的信号幅度为0。

接着，我们来计算各点的幅度值。

分别计算这三个点的模值，结果如下：1点： 51251点：38476点：192 按照公式，可以计算出直流分量为：512/N=512/256=2;50Hz信号的幅度为：384/(N/2)=384/(256/2)=3;75Hz信号的幅度为192/(N/2)=192/(256/2)=1.5。

可见，从频谱分析出来的幅度是正确的。

然后再来计算相位信息。

直流信号没有相位可言，不用管它。

先计算50Hz信号的相位，atan2(-192, 332.55)=-0.5236，结果是弧度，换算为角度就是180*(-0.5236)/pi=-30.0001。

再计算75Hz信号的相位，atan2(192, 3.4315E-12)=1.5708弧度，换算成角度就是180*1.5708/pi=90.0002。

可见，相位也是对的。

根据FFT结果以及上面的分析计算，我们就可以写出信号的表达式了，它就是我们开始提供的信号。

总结：假设采样频率为Fs，采样点数为N，做FFT之后，某一点n(n从1开始)表示的频率为：Fn=(n-1)*Fs/N；该点的模值除以N/2就是对应该频率下的信号的幅度(对于直流信号是除以N)；该点的相位即是对应该频率下的信号的相位。

相位的计算可用函数atan2(b,a)计算。

atan2(b,a)是求坐标为(a,b)点的角度值，范围从-pi到pi。

...

如何利用matlab对很大的数据进行频谱分析

代码：A=keshiyin_moni； %这里的A=后面写文件的名字FS=50;T=1/FS; % FS是采样率L=length(A);t=(0:L-1)*T;figure(1);plot(t,A);figure(6);NFFT = 2^nextpow2(L); % Next power of 2 from length of yY = fft(A,NFFT)/L;f = FS/2*linspace(0,1,NFFT/2);plot(f,2*abs(Y(1:NFFT/2)));

求助,matlab ,FFT频谱分析,怎样将频谱分析振幅转为真实振幅,帮我...

没有下载你的附件，下面是我自己的经验，虽然原理也不太清楚，如果有说错的大虾补充，不过结果没有大问题，举个简单的例子吧。

假设我们有个时间序列t=0:0.01:5; a=sin(2*pi*t)+sin(6*pi*t);画出来看看plot(t,a);这个信号在谱空间应该有两个峰值，分别对应频率1和3，峰值大小都是1。

n=length(t); % length of signalx=fft(a)/n; % normalized fft f=(0:n-1)/t(end); % corresponding frequency画出结果bar(f,abs(x));会看到关于中心轴对称的图像。

这是因为这样求出来的是双侧谱，频率是有正有负，但是我们一般只关心正频率。

所以我们要截断一半。

cutoff=floor(n/2); % cut into two halvesbar(f(1:cutoff),2*abs(x(1:cutoff)));% plotxlim([0 f(cutoff)]);这个地方乘以2的原因如上所述已经可以猜到了，原本的能量在正负频率都有分布，但是因为只截取了正频率，所以负频率的能量损失掉了，因此要将谱折叠过来，所有振幅都乘以2就是了。

放大关心的部分看看xlim([0 4]);

如何用matlab实现fft

%*************************************************************************%% FFT实践及频谱分析 %%*************************************************************************%%***************1.正弦波****************%fs=100；%设定采样频率N=128;n=0:N-1;t=n/fs;f0=10；%设定正弦信号频率x=sin(2*pi*f0*t)； %生成正弦信号figure(1);subplot(231);plot(t,x)；%作正弦信号的时域波形xlabel('t');ylabel('y');title('正弦信号y=2*pi*10t时域波形')；grid;%进行FFT变换并做频谱图y=fft(x,N)；%进行fft变换mag=abs(y)；%求幅值f=(0:length(y)-1)'*fs/length(y)；%进行对应的频率转换figure(1);subplot(232);plot(f,mag)；%做频谱图axis([0,100,0,80]);xlabel('频率(Hz)');ylabel('幅值')；title('正弦信号y=2*pi*10t幅频谱图N=128');grid;%求均方根谱sq=abs(y);figure(1);subplot(233);plot(f,sq);xlabel('频率(Hz)');ylabel('均方根谱')；title('正弦信号y=2*pi*10t均方根谱')；grid;%求功率谱power=sq.^2;figure(1);subplot(234);plot(f,power);xlabel('频率(Hz)');ylabel('功率谱')；title('正弦信号y=2*pi*10t功率谱')；grid;%求对数谱ln=log(sq);figure(1);subplot(235);plot(f,ln);xlabel('频率(Hz)');ylabel('对数谱')；title('正弦信号y=2*pi*10t对数谱')；grid;%用IFFT恢复原始信号xifft=ifft(y);magx=real(xifft);ti=[0:length(xifft)-1]/fs;figure(1);subplot(236);plot(ti,magx);xlabel('t');ylabel('y');title('通过IFFT转换的正弦信号波形')；grid;

关于matlab编写的程序,求频谱的。

1、这段代码首先时生成一个离散信号x3，这个离散信号由两个x1,x2合成而来。

2、其次，分别对x1、x2、x3用快速傅立叶算法做512点的离散时间傅立叶变换，X1,X2,X3就是对应x1,x2,x3三个信号的频谱系数。

3、频谱系数一般情况下都是复数，通常用模长和相位分开表示。

其中模长用abs函数求，相角用angle函数求，所以plot(f,angle(X3))；只是求X3的相角并把他画出来。

mag1=abs(X1);mag2=abs(X2);mag3=abs(X3);这里是分别求幅度。

画频谱一般是要把幅度谱和相位谱这两个一起画出。

4、 plot(f(1:N/2),mag3(1:N/2))； 这几句是什么意思？ fft求出的结果是对称的双边谱，我们只看一半的话就是看单片谱了。

不过一般是取 0~N/2-1 ，取1:N/2的话也行，不过自己要明白有啥区别，有啥区别了？自行翻书了解DFT的物理意义。

5、可能涉及到的知识：频率分辨率、归一化频率与模拟频率和采样频率之间的关系、DFT的物理意义自己去翻书啊。

课程设计要求利用MATLAB对语音信号进行分析和处理,要求学生采...

这是我刚做的双线性变换法低通滤波器，运行是正确的！ly是语音信号的名字，别的自己改改就行！原语音信号程序figure(1);[y,fs,nbits]=wavread ('ly');sound(y,fs,nbits)； %回放语音信号n = length (y) ； %求出语音信号的长度Y=fft(y,n)； %傅里叶变换subplot(2,1,1);plot(y);title('原始信号波形')；subplot(2,1,2);plot(abs(Y));title('原始信号频谱')加噪语音信号程序figure(2);[y,fs,nbits]=wavread ('ly');n = length (y) ； %求出语音信号的长度t=[0:1/8000:2 zeros(1,23520-1)]';noise=0.04*sin(10000*pi*t);%sin函数产生噪声s=y+noise； %语音信号加入噪声sound(s);subplot(2,1,1);plot(s);title('加噪语音信号的时域波形')；S=fft(s)； %傅里叶变换subplot(2,1,2);plot(abs(S));title('加噪语音信号的频域波形')滤波后的信号程序Ft=8000;Fp=1000;Fs=1200;wp=2*pi*Fp/Ft;ws=2*pi*Fs/Ft;fp=2*Ft*tan(wp/2);fs=2*Fs*tan(wp/2);[n11,wn11]=buttord(wp,ws,1,50,'s')； %求低通滤波器的阶数和截止频率[b11,a11]=butter(n11,wn11,'s')； %求S域的频率响应的参数 [num11,den11]=bilinear(b11,a11,0.5)； %利用双线性变换实现频率响应S域到Z域的变换 [y,fs,nbits]=wavread ('ly');n = length (y) ； %求出语音信号的长度t=[0:1/8000:2 zeros(1,23520-1)]';noise=0.04*sin(10000*pi*t);%sin函数产生噪声s=y+noise； %语音信号加入噪声z11=filter(num11,den11,s);sound(z11);m11=fft(z11)； %求滤波后的信号figure(3);subplot(2,1,1);plot(z11);title('滤波后的信号波形')；subplot(2,1,2);plot(abs(m11),'r');title('滤波后信号的频谱')；你的串号我已经记下，采纳后我会帮你制作