【频域分析】频谱泄露、频率分辨率、栅栏效应 | 您所在的位置:网站首页 › 分辨和争辩的辨析是什么 › 【频域分析】频谱泄露、频率分辨率、栅栏效应 |
信号的频域分析
一、时域加窗频谱泄露产生频谱泄露的原因是什么?如何抑制这一现象?
二、频率分辨率频率分辨率如何计算?怎样提高频率分辨率?
三、频域采样栅栏效应如何缓解栅栏效应?
四、MATLAB代码参考文献
一、时域加窗
现实生活中的信号大部分是连续的,通过对连续的信号进行采样得到散时间信号,但是计算机所能处理的数据都是有限长的,因而我们可以对原始序列做加窗处理使其成为有限长序列。 以矩形窗为例,其时域表达式为: 对无限长序列进行加窗处理,就是对序列在时域上乘以一个窗函数。 由卷积定理可以得到,时域的相乘等于频域的卷积。 设仿真信号的时域表达式为: x ( t ) = A 0 ∗ c o s ( 2 π f 0 t ) + A 1 ∗ c o s ( 2 π f 1 t ) x(t)=A_{0}*cos(2πf_{0}t)+A_{1}*cos(2πf_{1}t) x(t)=A0∗cos(2πf0t)+A1∗cos(2πf1t) x ( t ) x(t) x(t)做傅里叶变换(FT)的频域表达式为: X ( j Ω ) = A 0 π δ ( Ω + Ω 0 ) + A 0 π δ ( Ω − Ω 0 ) + A 1 π δ ( Ω + Ω 0 ) + A 1 π δ ( Ω − Ω 0 ) X(jΩ)=A_{0}πδ(Ω+Ω_{0})+A_{0}πδ(Ω-Ω_{0})+A_{1}πδ(Ω+Ω_{0})+A_{1}πδ(Ω-Ω_{0}) X(jΩ)=A0πδ(Ω+Ω0)+A0πδ(Ω−Ω0)+A1πδ(Ω+Ω0)+A1πδ(Ω−Ω0) 连续信号 x ( t ) x(t) x(t)的波形及频谱如图1所示。
矩形窗函数
w
[
n
]
w[n]
w[n]的波形及频谱如图3所示。
由于计算机只能处理有限长的数据,所以需要对采集的信号进行截断,相当于对原始信号做了加窗处理。对信号加窗就是对信号在时域上乘以一个窗函数,时域的乘积对应频域的卷积,而窗函数的频域包括主瓣和旁瓣,旁瓣造成了信号频谱的泄漏。频域泄漏不可避免,只能减小。 如何抑制这一现象?可以取更长的数据点,与原始数据越接近越好,但缺点就是运算量加大; 可以选择窗谱的旁瓣能量较小的窗函数。 典型的窗函数中,矩形窗的频率分辨率最高,旁瓣泄露最大。 二、频率分辨率 频率分辨率如何计算?为了便于理解什么是频率分辨率,可以将频率分辨率划分为两种类型,一种是波形频率分辨率(Waveform Frequency Resolution,简记为波形分辨率),也称为视觉频率分辨率,另一种则为FFT频率分辨率(简记为FFT分辨率)。 波形分辨率:在频谱图中,两个频率可以被分辨率的最小间隔,与原始信号的时间长度有关。 △ R w = 1 T △R_{w}=\frac{1}{T} △Rw=T1 其中, T T T为原始数据的时长。 FFT分辨率:在频谱图中的数据点数,跟信号做FFT计算时的点数有关。 △ R f f t = F s N f f t △R_{fft}=\frac{F_{s}}{N_{fft}} △Rfft=NfftFs 其中, F s F_{s} Fs为采样频率, N f f t N_{fft} Nfft为信号做FFT计算时的点数。 怎样提高频率分辨率?例如,有一个复合信号的时域表达式为
x
(
t
)
=
c
o
s
(
2
π
f
1
t
)
+
c
o
s
(
2
π
f
2
t
)
x(t)=cos(2πf_{1}t)+cos(2πf_{2}t)
x(t)=cos(2πf1t)+cos(2πf2t) 其中
f
1
=
1
M
H
z
f_{1}=1MHz
f1=1MHz,
f
2
=
1.05
M
H
z
f_{2}=1.05MHz
f2=1.05MHz。
x
(
t
)
x(t)
x(t)的波形及频谱如图6所示。 对时域数据进行补零,能否改变频率分辨率呢?例如在原始数据点后面再补充6000个数值为0的点,对信号本身数据没有影响,只是增加了参与FFT计算的数据点数,得到信号的波形及频谱如图7所示。 为了有效区分1MHz和1.05MHz,必须延长原始数据的时长以提高波形分辨率。以相同的采样频率对原始信号进行采样,采集7000个数据点。得到信号的波形及频谱如图8所示。 为了减小频谱泄露,对原始信号取更长的数据点,采集8000个数据点。得到信号的波形及频谱如图9所示。 周期序列的DFS的系数 X ( k ) X(k) X(k)与 x ( n ) x(n) x(n)的一个周期的 Z Z Z变换在单位圆的 N N N个均匀点上的抽样值相等,这就是频域采样。 频域采样定理: 当 N ≥ L N≥L N≥L,即DFT计算的频域采样点数大于等于信号的长度时,频域采样不会造成时域混叠。 有限长序列 x ( n ) x(n) x(n)的 Z Z Z变换为: X ( Z ) = ∑ n = 0 N − 1 x ( n ) Z − n = ∑ n = 0 N − 1 [ 1 N ∑ k = 0 N − 1 X ( k ) W N − k n ] Z − n = 1 − Z − N N ∑ k = 0 N − 1 X ( k ) 1 − W N − k Z − 1 X(Z)=\sum_{n=0}^{N-1}x(n)Z^{-n}=\sum_{n=0}^{N-1}[\frac{1}{N}\sum_{k=0}^{N-1}X(k)W_{N}^{-kn}]Z^{-n}=\frac{1-Z^{-N}}{N}\sum_{k=0}^{N-1}\frac{X(k)}{1-W_{N}^{-k}Z^{-1}} X(Z)=n=0∑N−1x(n)Z−n=n=0∑N−1[N1k=0∑N−1X(k)WN−kn]Z−n=N1−Z−Nk=0∑N−11−WN−kZ−1X(k) 其中, W N − k n = e j 2 π k n N W_{N}^{-kn}=e^{j\frac{2πkn}{N}} WN−kn=ejN2πkn, W N − k = e j 2 π k N W_{N}^{-k}=e^{j\frac{2πk}{N}} WN−k=ejN2πk。 栅栏效应在进行DFT计算时需要对信号的频域进行采样,由于采样间隔为 △ w = 2 π N △w=\frac{2π}{N} △w=N2π,得到的频谱图都是由一根根离散的谱线组成,就像透过栅栏观看外景。 增加频域采样点数N(不改变时域数据的情况下,在时域数据末端添加一些零值点,使得谱线更密),可缩小谱线间距,减轻栅栏效应。 四、MATLAB代码 %% 1000个数据点的波形及频谱 clc; clear; close all; Fs = 100e6; % 采样频率 f1 = 1e6;f2 = 1.05e6; % 信号的频率 T = 1/Fs; % 采样周期 L0 = 1000; % 信号长度 L = 1000; % 数据长度 t0 = (0:L0-1)*T; % 信号时间序列 t = (0:L-1)*T; % 数据时间序列 x = cos(2*pi*f1*t0)+cos(2*pi*f2*t0); % 原始信号 % FFT [f1,A1] = PinPu(x,Fs); figure(1) subplot(1,2,1);plot(t*1e6,x); xlabel('t/us');title('时域'); subplot(1,2,2);plot(f1,A1); xlabel('f/Hz');title('频域');xlim([0 2e6]); %% 出现了频谱泄露现象 clc; clear; close all; Fs = 100e6; % 采样频率 f1 = 1e6;f2 = 1.05e6; % 信号的频率 T = 1/Fs; % 采样周期 L0 = 7000; % 信号长度 L = 7000; % 数据长度 t0 = (0:L0-1)*T; % 信号时间序列 t = (0:L-1)*T; % 数据时间序列 x = cos(2*pi*f1*t0)+cos(2*pi*f2*t0); % 原始信号 % FFT [f1,A1] = PinPu(x,Fs); figure(1) subplot(1,2,1);plot(t*1e6,x); xlabel('t/us');title('时域'); subplot(1,2,2);plot(f1,A1); xlabel('f/Hz');title('频域');xlim([0 2e6]); %% 8000个数据点的波形及频谱,提升了频率分辨率。 clc; clear; close all; Fs = 100e6; % 采样频率 f1 = 1e6;f2 = 1.05e6; % 信号的频率 T = 1/Fs; % 采样周期 L0 = 8000; % 信号长度 L = 8000; % 数据长度 t0 = (0:L0-1)*T; % 信号时间序列 t = (0:L-1)*T; % 数据时间序列 x = cos(2*pi*f1*t0)+cos(2*pi*f2*t0); % 原始信号 % FFT [f1,A1] = PinPu(x,Fs); figure(1) subplot(1,2,1);plot(t*1e6,x); xlabel('t/us');title('时域'); subplot(1,2,2);plot(f1,A1); xlabel('f/Hz');title('频域');xlim([0 2e6]); 参考文献[1] 数字信号处理 [2] 傅里叶变换的波形分辨率与频率分辨率 [3] 补零、频谱泄露、栅栏效应的关系? |
CopyRight 2018-2019 实验室设备网 版权所有 |