《Simulink下的频谱分析方法及matlab的FFT编程》由会员分享，可在线阅读，更多相关《Simulink下的频谱分析方法及matlab的FFT编程（8页珍藏版）》请在金锄头文库上搜索。
1、Simulink 下的频谱分析方法实现功能：信号发生器一个信号输入，实时显示其频谱分析调用模块：信号源（ Signal Processing Blockset - Signal Processing Sources - Sine Wave）Tip 1 ：不能用连续的信号源频谱观察窗（ Signal Processing Blockset - Signal Processing Sources - Spectrum Scope）Tip 2: 不能用普通的观察窗Tip 3 ：必须构上设置中的Buffer input. Buffer size 越大越精细。Tip 4: 剩下的 tips读帮助。连接关
2、系：如下图所示原理框图实验结果：输出示意图实现功能：从 Workspace 读取一组数，进行频谱分析调用模块：From Workspace Tip 1: 采样时间不能用0，即必须使用离散模式Tip 2: 从其他模型中Scope 保存出来的“ Structure with time”的数据可以直接用频谱观察窗（同上一功能）实现功能：从 dSPACE 读取一组数，进行频谱分析实现方法：1. 从 dSPACE 读数保存成文件，数据导入Workspace（过程略）2. 采用从其他模型的Scope 保存数据为“ Structure with time”的方式构建一个结构变量ScopeData1 3. 使
3、用以下代码将dSPACE 数据 dscapture拷贝到结构变量ScopeData1 中% ScopeData1.time=0:0.0001:1.9156; %纯粹为占位， 19157 为 dSPACE 保存数据长度for i=1:19157 ScopeData1.signals.values(:,:,i)=dscapture.Y.Data(i); end % 4. 采用下图中的模型进行频谱分析实验结果：通过以上方法对单轴压电加速度传感器进行灵敏度分析，下图分别为采用dSPACE 和直接利用示波器分析的结果对比。结果分析：波形吻合，采用dSPACE 测试时噪声的分贝减小了25dB。在 310H
4、z、370Hz和 410Hz出现异常尖峰Matlab 编程实现 FFT实践及频谱分析内容1用 Matlab 产生正弦波 , 矩形波 , 以及白噪声信号，并显示各自时域波形图2进行 FFT变换，显示各自频谱图，其中采样率，频率、数据长度自选3做出上述三种信号的均方根图谱, 功率图谱 , 以及对数均方根图谱4用 IFFT 傅立叶反变换恢复信号，并显示恢复的正弦信号时域波形图源程序%*% % 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% 生成正弦信号x=sin(2*pi*f
5、0*t); 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=
6、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); sub
7、plot(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; %*2.矩形波 *% fs=10;%设定采样频率t=-5:0.1:5; x=rectpuls
8、(t,2); x=x(1:99); figure(2); subplot(231); plot(t(1:99),x);%作矩形波的时域波形xlabel(t); ylabel(y); title(矩形波时域波形 ); grid; % 进行 FFT变换并做频谱图y=fft(x);%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(2); subplot(232); plot(f,mag);%做频谱图xlabel(频率(Hz); ylabel(幅值); title(矩形波幅频谱图 ); grid; % 求均方
9、根谱sq=abs(y); figure(2); subplot(233); plot(f,sq); xlabel(频率(Hz); ylabel(均方根谱 ); title(矩形波均方根谱 ); grid; % 求功率谱power=sq.2; figure(2); subplot(234); plot(f,power); xlabel(频率(Hz); ylabel(功率谱 ); title(矩形波功率谱 ); grid; % 求对数谱ln=log(sq); figure(2); subplot(235); plot(f,ln); xlabel(频率(Hz); ylabel(对数谱 ); titl
10、e(矩形波对数谱 ); grid; % 用 IFFT 恢复原始信号xifft=ifft(y); magx=real(xifft); ti=0:length(xifft)-1/fs; figure(2); subplot(236); plot(ti,magx); xlabel(t); ylabel(y); title(通过 IFFT 转换的矩形波波形 ); grid; %*3.白噪声 *% fs=10;%设定采样频率t=-5:0.1:5; x=zeros(1,100); x(50)=100000; figure(3); subplot(231); plot(t(1:100),x);%作白噪声的时
11、域波形xlabel(t); ylabel(y); title(白噪声时域波形 ); grid; % 进行 FFT变换并做频谱图y=fft(x);%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(3); subplot(232); plot(f,mag);%做频谱图xlabel(频率(Hz); ylabel(幅值); title(白噪声幅频谱图 ); grid; % 求均方根谱sq=abs(y); figure(3); subplot(233); plot(f,sq); xlabel(频率(Hz); y
12、label(均方根谱 ); title(白噪声均方根谱 ); grid; % 求功率谱power=sq.2; figure(3); subplot(234); plot(f,power); xlabel(频率(Hz); ylabel(功率谱 ); title(白噪声功率谱 ); grid; % 求对数谱ln=log(sq); figure(3); subplot(235); plot(f,ln); xlabel(频率(Hz); ylabel(对数谱 ); title(白噪声对数谱 ); grid; % 用 IFFT 恢复原始信号xifft=ifft(y); magx=real(xifft); ti=0:length(xifft)-1/fs; figure(3); subplot(236); plot(ti,magx); xlabel(t); ylabel(y); title(通过 IFFT 转换的白噪声波形 ); grid;
