簡介這份資源是南京郵電大學「信號分析與處理實驗」課程的完整實驗報告面向正在修讀數字信號處理、信號與系統相關課程的高校學生以及需要借助 MATLAB 完成信號處理實驗與課程設計的自學者。報告圍繞信號的產生和運算、連續(xù)時間信號的頻域分析、信號的時域采樣和重建、離散傅里葉變換與應用等核心實驗展開并延伸至連續(xù)時間系統的頻域與復頻域分析、數字濾波器設計及信號處理綜合應用配有可運行的 MATLAB 程序示例與圖形結果便于對照理解時域與頻域特性。資源包共 1 個 docx 文件約 1.02MB內容涵蓋實驗目的、實驗內容、程序代碼與結果分析結構完整、條理清晰。目前已有 952 人學習下載適合作為實驗預習、報告撰寫參考與 DSP 入門練習的實用材料。1. 信號分析與處理實驗從Matlab波形到頻域分析的完整實操記錄很多同學學完《信號與系統》理論課面對傅里葉級數、采樣定理、DFT這些概念還是一頭霧水公式推得再熟一到實際信號上就不知道從哪下手。這份實驗報告記錄的就是把抽象公式變成Matlab波形的過程——從最基礎的階躍序列、復指數序列生成到周期矩形脈沖的頻譜分析再到時域采樣與信號重建最后落到數字濾波器設計。四個實驗層層遞進每個都配有可直接運行的Matlab代碼和結果分析。如果你正在學數字信號處理DSP這門課或者需要一份能照著跑通的實驗參考這份材料能幫你把理論和代碼之間的那層窗戶紙捅破。2. 實驗環(huán)境與項目結構先搞清楚手里有什么2.1 運行環(huán)境與依賴這套實驗全部基于Matlab完成不依賴任何額外工具箱。我實測在Matlab R2018b及以上版本都能直接跑低版本理論上也沒問題因為用到的都是基礎函數stem、plot、subplot、conv、fft、sinc、filter這些。不需要Simulink不需要DSP System Toolbox純腳本就能搞定。如果你用的是Octave大部分代碼也能跑但freqz和butter這類濾波器設計函數可能需要安裝signal包。我一般建議直接用Matlab省得折騰兼容性問題。2.2 實驗模塊劃分整份報告按實驗序號組織每個實驗對應一個獨立文件夾里面包含腳本文件和結果圖。目錄結構大致如下信號分析與處理實驗/ ├── 實驗一_信號的產生和運算/ │ ├── P1_1.m % 單位階躍序列 │ ├── P1_2.m % 復指數序列 │ ├── P1_3.m % 實指數序列 │ ├── P1_4.m % 正弦序列 │ ├── P1_5.m % 序列加乘運算 │ ├── P1_6.m % 奇偶分量分解 │ └── P1_7.m % 線性卷積 ├── 實驗二_連續(xù)時間信號頻域分析/ │ ├── P2_1.m % 周期矩形脈沖傅里葉級數 │ ├── P2_2.m % 諧波疊加 │ └── P2_4.m % 吉布斯現象過沖計算 ├── 實驗三_時域采樣與重建/ │ ├── P3_1.m % 采樣與頻譜分析 │ └── P3_2.m % 信號重建 └── 實驗四_離散傅里葉變換與應用/ ├── P4_1.m % DFT實現 └── P4_2.m % 濾波器設計每個腳本都是獨立可運行的變量命名清晰沒有跨文件依賴。這種組織方式對新手很友好——你不需要理解整個工程打開哪個文件就跑哪個。2.3 實驗報告的核心產出每個實驗最終要交付三樣東西一是可運行的Matlab代碼二是波形圖或頻譜圖三是對結果的分析說明。報告里對每個問題的分析都寫得比較具體比如采樣定理那部分不僅畫出了混疊前后的頻譜對比還解釋了為什么Ts2時會發(fā)生混疊而Tspi/2時不會。這種“代碼圖解釋”的結構拿來當實驗模板或者自學材料都合適。3. 核心實驗拆解從信號生成到頻域分析的代碼實現3.1 離散序列的生成與基本運算實驗一的核心是讓你熟悉Matlab里怎么表示離散時間信號。離散序列和連續(xù)信號最大的區(qū)別在于你得同時定義時間軸向量和幅度向量。比如要畫單位階躍序列u[n]代碼是這樣的% 產生單位階躍序列 u[n] 和 u[n7] clear; close all; n -10:20; % 時間軸范圍 x [zeros(1,10) 1 ones(1,20)]; % u[n]: n0時為0, n0時為1 subplot(1,2,1); stem(n, x); xlabel(n); ylabel(u[n]); title(單位階躍序列 u[n]); M 7; % 移位量 xd [zeros(1,10M) 1 ones(1,20-M)]; % u[n7]: 左移7位 subplot(1,2,2); stem(n, xd); xlabel(n); ylabel(u[n7]); title(移位后的階躍序列 u[n7]);這里的關鍵點在于zeros和ones的拼接方式。n-10:20一共31個點zeros(1,10)對應n-10到n-11對應n0ones(1,20)對應n1到n20。移位操作u[n7]本質上是把序列左移7位所以前面補7個零后面少7個一。這個邏輯搞清楚了后面所有序列的移位操作都是一個套路。復指數序列稍微繞一點因為涉及復數運算% 復指數序列 x[n] 1.5 * exp((0.2 j3)n), 0 n 15 clear; close all; c 0.2 3*1i; % 復數指數系數 K 1.5; % 幅度系數 n 0:15; x K * exp(c * n); % 生成復指數序列 subplot(1,2,1); stem(n, real(x)); % 取實部 xlabel(n); ylabel(幅度); title(實部); subplot(1,2,2); stem(n, imag(x)); % 取虛部 xlabel(n); ylabel(幅度); title(虛部);real(x)和imag(x)分別提取實部和虛部。復指數序列在DSP里非常重要因為它是DFT的基函數。這里c 0.2 3i實部0.2控制包絡的衰減或增長虛部3控制振蕩頻率。你可以試著改一下c的值觀察波形怎么變——比如把虛部改成0.5振蕩會明顯變慢。3.2 序列的卷積與奇偶分解卷積是信號處理里最核心的運算之一。實驗一里用conv函數計算了兩個有限長序列的線性卷積% 計算 x[n] 和 h[n] 的線性卷積 clear; close all; nx 0:14; x (-1).^nx; % x[n] (-1)^n, 0n14 nh 0:7; w 0.25 * pi; h cos(w * nh); % h[n] cos(0.25*pi*n), 0n7 y conv(x, h); % 線性卷積 n 0:21; % 卷積結果長度 15 8 - 1 22 subplot(3,1,1); stem(nx, x); title(x[n]); subplot(3,1,2); stem(nh, h); title(h[n]); subplot(3,1,3); stem(n, y); title(y[n] x[n] * h[n]);conv函數的輸出長度是length(x) length(h) - 1這里是158-122個點。注意時間軸n要重新定義不能直接用nx或nh。這個細節(jié)很容易翻車——我見過不少同學畫卷積結果時時間軸對不上波形整體偏移了。奇偶分解的代碼也值得看一下% 序列的奇偶分量分解 clear; close all; n -2:2; x [1 2 4 -5 -2]; y fliplr(x); % 時間反轉 xe 0.5 * (x y); % 偶部 xo 0.5 * (x - y); % 奇部 subplot(3,1,1); stem(n, x); title(x[n]); subplot(3,1,2); stem(n, xe); title(偶部 x_e[n]); subplot(3,1,3); stem(n, xo); title(奇部 x_o[n]);fliplr是左右翻轉對應時間反轉x[-n]。偶部是(x[n]x[-n])/2奇部是(x[n]-x[-n])/2。這個分解在分析系統對稱性時很有用比如實偶信號的傅里葉變換也是實偶函數。3.3 周期矩形脈沖的傅里葉級數與吉布斯現象實驗二的重頭戲是周期矩形脈沖的頻譜分析。指數形式的傅里葉級數系數公式是$$c_k \frac{A\tau}{T} \cdot \text{sinc}\left(\frac{k\Omega_0\tau}{2\pi}\right)$$代碼實現時用sinc函數直接算% 周期矩形脈沖的傅里葉級數系數 A 1; tau 0.1; T 0.5; Omega0 2*pi/T; k -20:20; ck A*tau/T * sinc(k*Omega0*tau/(2*pi)); subplot(2,1,1); stem(k, abs(ck)); title(雙邊幅度譜); subplot(2,1,2); stem(k, angle(ck)); title(相位譜);這里k取-20到20覆蓋了主要諧波分量。sinc函數在Matlab里定義為sin(pi*x)/(pi*x)和信號處理里的歸一化sinc一致。如果你把T從0.5改成1或2會發(fā)現譜線間隔變密、幅度降低——這正是報告里問題2.2要你觀察的現象。吉布斯現象的計算用了一個循環(huán)來累加諧波function p2_4(N) t -2:1e-4:2; A 1; tau 1; T 2; Omega0 2*pi/T; c0 A*tau/T; f_N c0 * ones(1, length(t)); for k 1:N f_N f_N 2*A*tau/T * sinc(k*Omega0*tau/(2*pi)) * cos(k*Omega0*t); end overshoot max(f_N); fprintf(The maximum overshoot is %.4f\n, overshoot); end當N增大時過沖峰值趨近于一個常數大約在跳變幅度的9%左右。這個函數直接返回過沖最大值方便你驗證不同N下的收斂情況。3.4 采樣定理驗證與信號重建實驗三用升余弦脈沖信號來驗證采樣定理。核心邏輯是先定義連續(xù)信號的頻譜然后以不同采樣間隔Ts采樣觀察頻譜是否混疊。% 采樣與頻譜分析 Ts pi/2; % 采樣間隔 t -10:Ts:10; % 升余弦脈沖信號生成 x ...; % 具體表達式見報告 % 計算并繪制頻譜 X fftshift(fft(x)); f (-length(x)/2:length(x)/2-1) / (length(x)*Ts); plot(f, abs(X));當Ts pi/2時采樣頻率滿足奈奎斯特條件頻譜沒有混疊當Ts 2時采樣頻率低于兩倍截止頻率頻譜出現混疊。報告里對這兩個情況的對比圖和分析都很清楚。信號重建部分用低通濾波器從采樣信號中恢復原信號% 信號重建 Wc 2; % 低通濾波器截止頻率 % 設計理想低通濾波器 h Wc/pi * sinc(Wc/pi * (n - delay)); % 卷積實現重建 xr conv(xs, h);重建誤差的大小直接反映了采樣定理是否被滿足。Ts2時誤差明顯增大因為混疊導致高頻分量無法恢復。4. 避坑與常見問題跑代碼時容易翻車的幾個地方4.1 時間軸對不上導致波形偏移現象畫卷積結果或移位序列時波形整體左移或右移和理論位置對不上。原因stem或plot的橫軸向量和信號向量長度不一致或者移位操作后沒有重新定義時間軸。解決每次生成新序列后先確認length(n) length(x)。卷積后用n 0:length(y)-1重新定義時間軸。移位操作時時間軸不變只改幅度向量的補零位置。4.2 復數序列取實部虛部時忘記用real/imag現象stem畫復指數序列時報錯或畫出奇怪的結果。原因Matlab的stem不能直接畫復數必須顯式取實部或虛部。解決用real(x)和imag(x)分別提取。如果想畫幅度和相位用abs(x)和angle(x)。4.3 采樣頻率設置不當導致頻譜混疊現象頻譜圖上出現明顯的頻率折疊高頻分量跑到低頻區(qū)域。原因采樣間隔Ts大于奈奎斯特間隔不滿足采樣定理。解決先計算信號的最高頻率fm然后確保Ts 1/(2*fm)。報告里升余弦脈沖的截止頻率是Wm2所以奈奎斯特間隔是pi/2。如果你不確定信號的帶寬先把Ts設小一點逐步增大觀察頻譜變化。4.4 fft后的頻率軸計算錯誤現象頻譜圖的橫軸頻率值不對峰值位置和理論值偏差很大。原因fft輸出的頻率分辨率是fs/N其中fs1/TsN是采樣點數。頻率軸應該從-fs/2到fs/2。解決用f (-N/2:N/2-1) * (fs/N)計算頻率軸配合fftshift使用。如果只畫正頻率部分取前N/21個點頻率軸從0到fs/2。4.5 濾波器設計時階數選擇不當現象重建信號要么過渡帶太寬要么通帶紋波太大。原因濾波器階數太低導致過渡帶不夠陡峭階數太高又可能引入數值不穩(wěn)定。解決先用buttord或cheb1ord估算所需階數再用butter或cheby1設計。對于理想低通重建直接用sinc函數生成沖激響應但要注意截斷長度——截斷太短會導致吉布斯現象太長會增加計算量。5. 二次開發(fā)與擴展把這套代碼改成自己的工具5.1 封裝成可復用的函數原始代碼都是腳本形式變量直接暴露在工作區(qū)。如果你想反復使用某個功能比如生成任意參數的復指數序列可以把它封裝成函數function [n, x] gen_complex_exp(K, sigma, omega, n_start, n_end) % 生成復指數序列 x[n] K * exp((sigma j*omega)n) % 輸入 % K - 幅度系數 % sigma - 實部衰減/增長因子 % omega - 虛部角頻率 % n_start - 起始索引 % n_end - 結束索引 % 輸出 % n - 時間軸向量 % x - 復指數序列 n n_start:n_end; x K * exp((sigma 1i*omega) * n); end調用時只需要一行[n, x] gen_complex_exp(1.5, 0.2, 3, 0, 15);。這樣你就不用每次改參數都去翻腳本了。5.2 用App Designer做個交互界面如果你想讓不懂Matlab的人也能玩這些實驗可以用App Designer搭個簡單界面。拖幾個滑塊控制幅度、頻率、采樣間隔實時刷新波形圖。核心邏輯還是調用上面那些函數只是把輸入從命令行改成GUI控件。我一般會保留一個“導出數據”按鈕把當前生成的信號和頻譜存成.mat文件方便后續(xù)分析。這個功能在寫論文或做項目時特別實用——你不需要重新跑一遍代碼直接加載數據就行。5.3 擴展到實際信號處理這套實驗用的是理想信號實際工程中你面對的是帶噪聲的音頻、傳感器數據或者通信信號。把實驗里的采樣、頻譜分析、濾波這套流程套上去基本框架不用大改只需要注意幾點實際信號的頻率范圍未知先做頻譜預覽再定采樣率噪聲會讓頻譜變得毛糙需要加窗函數如hamming、blackman抑制泄漏濾波器設計要考慮實時性IIR濾波器階數低但相位非線性FIR濾波器線性相位但階數高5.4 驗證方法改完代碼后怎么確認沒跑偏我的習慣是拿一個已知答案的簡單信號做回歸測試。比如生成一個x[n] cos(0.1*pi*n)的序列理論上它的DFT應該在k0.1*N處有一個峰值。跑一遍代碼看峰值位置對不對。如果對得上說明整個流程沒問題如果對不上就從采樣、加窗、FFT逐段排查。從那以后我每次改完信號處理代碼都強制走一遍這個“已知信號驗證”流程。看起來多花了幾分鐘但省下了后面調試玄學問題的大把時間。希望這份實驗記錄能幫你少走點彎路順利把信號分析與處理的實驗跑通。本文還有配套的精品資源點擊獲取 信號分析與處理實驗：Matlab波形到頻域分析的完整實操記錄
簡介這份資源是南京郵電大學「信號分析與處理實驗」課程的完整實驗報告面向正在修讀數字信號處理、信號與系統相關課程的高校學生以及需要借助 MATLAB 完成信號處理實驗與課程設計的自學者。報告圍繞信號的產生和運算、連續(xù)時間信號的頻域分析、信號的時域采樣和重建、離散傅里葉變換與應用等核心實驗展開并延伸至連續(xù)時間系統的頻域與復頻域分析、數字濾波器設計及信號處理綜合應用配有可運行的 MATLAB 程序示例與圖形結果便于對照理解時域與頻域特性。資源包共 1 個 docx 文件約 1.02MB內容涵蓋實驗目的、實驗內容、程序代碼與結果分析結構完整、條理清晰。目前已有 952 人學習下載適合作為實驗預習、報告撰寫參考與 DSP 入門練習的實用材料。1. 信號分析與處理實驗從Matlab波形到頻域分析的完整實操記錄很多同學學完《信號與系統》理論課面對傅里葉級數、采樣定理、DFT這些概念還是一頭霧水公式推得再熟一到實際信號上就不知道從哪下手。這份實驗報告記錄的就是把抽象公式變成Matlab波形的過程——從最基礎的階躍序列、復指數序列生成到周期矩形脈沖的頻譜分析再到時域采樣與信號重建最后落到數字濾波器設計。四個實驗層層遞進每個都配有可直接運行的Matlab代碼和結果分析。如果你正在學數字信號處理DSP這門課或者需要一份能照著跑通的實驗參考這份材料能幫你把理論和代碼之間的那層窗戶紙捅破。2. 實驗環(huán)境與項目結構先搞清楚手里有什么2.1 運行環(huán)境與依賴這套實驗全部基于Matlab完成不依賴任何額外工具箱。我實測在Matlab R2018b及以上版本都能直接跑低版本理論上也沒問題因為用到的都是基礎函數stem、plot、subplot、conv、fft、sinc、filter這些。不需要Simulink不需要DSP System Toolbox純腳本就能搞定。如果你用的是Octave大部分代碼也能跑但freqz和butter這類濾波器設計函數可能需要安裝signal包。我一般建議直接用Matlab省得折騰兼容性問題。2.2 實驗模塊劃分整份報告按實驗序號組織每個實驗對應一個獨立文件夾里面包含腳本文件和結果圖。目錄結構大致如下信號分析與處理實驗/ ├── 實驗一_信號的產生和運算/ │ ├── P1_1.m % 單位階躍序列 │ ├── P1_2.m % 復指數序列 │ ├── P1_3.m % 實指數序列 │ ├── P1_4.m % 正弦序列 │ ├── P1_5.m % 序列加乘運算 │ ├── P1_6.m % 奇偶分量分解 │ └── P1_7.m % 線性卷積 ├── 實驗二_連續(xù)時間信號頻域分析/ │ ├── P2_1.m % 周期矩形脈沖傅里葉級數 │ ├── P2_2.m % 諧波疊加 │ └── P2_4.m % 吉布斯現象過沖計算 ├── 實驗三_時域采樣與重建/ │ ├── P3_1.m % 采樣與頻譜分析 │ └── P3_2.m % 信號重建 └── 實驗四_離散傅里葉變換與應用/ ├── P4_1.m % DFT實現 └── P4_2.m % 濾波器設計每個腳本都是獨立可運行的變量命名清晰沒有跨文件依賴。這種組織方式對新手很友好——你不需要理解整個工程打開哪個文件就跑哪個。2.3 實驗報告的核心產出每個實驗最終要交付三樣東西一是可運行的Matlab代碼二是波形圖或頻譜圖三是對結果的分析說明。報告里對每個問題的分析都寫得比較具體比如采樣定理那部分不僅畫出了混疊前后的頻譜對比還解釋了為什么Ts2時會發(fā)生混疊而Tspi/2時不會。這種“代碼圖解釋”的結構拿來當實驗模板或者自學材料都合適。3. 核心實驗拆解從信號生成到頻域分析的代碼實現3.1 離散序列的生成與基本運算實驗一的核心是讓你熟悉Matlab里怎么表示離散時間信號。離散序列和連續(xù)信號最大的區(qū)別在于你得同時定義時間軸向量和幅度向量。比如要畫單位階躍序列u[n]代碼是這樣的% 產生單位階躍序列 u[n] 和 u[n7] clear; close all; n -10:20; % 時間軸范圍 x [zeros(1,10) 1 ones(1,20)]; % u[n]: n0時為0, n0時為1 subplot(1,2,1); stem(n, x); xlabel(n); ylabel(u[n]); title(單位階躍序列 u[n]); M 7; % 移位量 xd [zeros(1,10M) 1 ones(1,20-M)]; % u[n7]: 左移7位 subplot(1,2,2); stem(n, xd); xlabel(n); ylabel(u[n7]); title(移位后的階躍序列 u[n7]);這里的關鍵點在于zeros和ones的拼接方式。n-10:20一共31個點zeros(1,10)對應n-10到n-11對應n0ones(1,20)對應n1到n20。移位操作u[n7]本質上是把序列左移7位所以前面補7個零后面少7個一。這個邏輯搞清楚了后面所有序列的移位操作都是一個套路。復指數序列稍微繞一點因為涉及復數運算% 復指數序列 x[n] 1.5 * exp((0.2 j3)n), 0 n 15 clear; close all; c 0.2 3*1i; % 復數指數系數 K 1.5; % 幅度系數 n 0:15; x K * exp(c * n); % 生成復指數序列 subplot(1,2,1); stem(n, real(x)); % 取實部 xlabel(n); ylabel(幅度); title(實部); subplot(1,2,2); stem(n, imag(x)); % 取虛部 xlabel(n); ylabel(幅度); title(虛部);real(x)和imag(x)分別提取實部和虛部。復指數序列在DSP里非常重要因為它是DFT的基函數。這里c 0.2 3i實部0.2控制包絡的衰減或增長虛部3控制振蕩頻率。你可以試著改一下c的值觀察波形怎么變——比如把虛部改成0.5振蕩會明顯變慢。3.2 序列的卷積與奇偶分解卷積是信號處理里最核心的運算之一。實驗一里用conv函數計算了兩個有限長序列的線性卷積% 計算 x[n] 和 h[n] 的線性卷積 clear; close all; nx 0:14; x (-1).^nx; % x[n] (-1)^n, 0n14 nh 0:7; w 0.25 * pi; h cos(w * nh); % h[n] cos(0.25*pi*n), 0n7 y conv(x, h); % 線性卷積 n 0:21; % 卷積結果長度 15 8 - 1 22 subplot(3,1,1); stem(nx, x); title(x[n]); subplot(3,1,2); stem(nh, h); title(h[n]); subplot(3,1,3); stem(n, y); title(y[n] x[n] * h[n]);conv函數的輸出長度是length(x) length(h) - 1這里是158-122個點。注意時間軸n要重新定義不能直接用nx或nh。這個細節(jié)很容易翻車——我見過不少同學畫卷積結果時時間軸對不上波形整體偏移了。奇偶分解的代碼也值得看一下% 序列的奇偶分量分解 clear; close all; n -2:2; x [1 2 4 -5 -2]; y fliplr(x); % 時間反轉 xe 0.5 * (x y); % 偶部 xo 0.5 * (x - y); % 奇部 subplot(3,1,1); stem(n, x); title(x[n]); subplot(3,1,2); stem(n, xe); title(偶部 x_e[n]); subplot(3,1,3); stem(n, xo); title(奇部 x_o[n]);fliplr是左右翻轉對應時間反轉x[-n]。偶部是(x[n]x[-n])/2奇部是(x[n]-x[-n])/2。這個分解在分析系統對稱性時很有用比如實偶信號的傅里葉變換也是實偶函數。3.3 周期矩形脈沖的傅里葉級數與吉布斯現象實驗二的重頭戲是周期矩形脈沖的頻譜分析。指數形式的傅里葉級數系數公式是$$c_k \frac{A\tau}{T} \cdot \text{sinc}\left(\frac{k\Omega_0\tau}{2\pi}\right)$$代碼實現時用sinc函數直接算% 周期矩形脈沖的傅里葉級數系數 A 1; tau 0.1; T 0.5; Omega0 2*pi/T; k -20:20; ck A*tau/T * sinc(k*Omega0*tau/(2*pi)); subplot(2,1,1); stem(k, abs(ck)); title(雙邊幅度譜); subplot(2,1,2); stem(k, angle(ck)); title(相位譜);這里k取-20到20覆蓋了主要諧波分量。sinc函數在Matlab里定義為sin(pi*x)/(pi*x)和信號處理里的歸一化sinc一致。如果你把T從0.5改成1或2會發(fā)現譜線間隔變密、幅度降低——這正是報告里問題2.2要你觀察的現象。吉布斯現象的計算用了一個循環(huán)來累加諧波function p2_4(N) t -2:1e-4:2; A 1; tau 1; T 2; Omega0 2*pi/T; c0 A*tau/T; f_N c0 * ones(1, length(t)); for k 1:N f_N f_N 2*A*tau/T * sinc(k*Omega0*tau/(2*pi)) * cos(k*Omega0*t); end overshoot max(f_N); fprintf(The maximum overshoot is %.4f\n, overshoot); end當N增大時過沖峰值趨近于一個常數大約在跳變幅度的9%左右。這個函數直接返回過沖最大值方便你驗證不同N下的收斂情況。3.4 采樣定理驗證與信號重建實驗三用升余弦脈沖信號來驗證采樣定理。核心邏輯是先定義連續(xù)信號的頻譜然后以不同采樣間隔Ts采樣觀察頻譜是否混疊。% 采樣與頻譜分析 Ts pi/2; % 采樣間隔 t -10:Ts:10; % 升余弦脈沖信號生成 x ...; % 具體表達式見報告 % 計算并繪制頻譜 X fftshift(fft(x)); f (-length(x)/2:length(x)/2-1) / (length(x)*Ts); plot(f, abs(X));當Ts pi/2時采樣頻率滿足奈奎斯特條件頻譜沒有混疊當Ts 2時采樣頻率低于兩倍截止頻率頻譜出現混疊。報告里對這兩個情況的對比圖和分析都很清楚。信號重建部分用低通濾波器從采樣信號中恢復原信號% 信號重建 Wc 2; % 低通濾波器截止頻率 % 設計理想低通濾波器 h Wc/pi * sinc(Wc/pi * (n - delay)); % 卷積實現重建 xr conv(xs, h);重建誤差的大小直接反映了采樣定理是否被滿足。Ts2時誤差明顯增大因為混疊導致高頻分量無法恢復。4. 避坑與常見問題跑代碼時容易翻車的幾個地方4.1 時間軸對不上導致波形偏移現象畫卷積結果或移位序列時波形整體左移或右移和理論位置對不上。原因stem或plot的橫軸向量和信號向量長度不一致或者移位操作后沒有重新定義時間軸。解決每次生成新序列后先確認length(n) length(x)。卷積后用n 0:length(y)-1重新定義時間軸。移位操作時時間軸不變只改幅度向量的補零位置。4.2 復數序列取實部虛部時忘記用real/imag現象stem畫復指數序列時報錯或畫出奇怪的結果。原因Matlab的stem不能直接畫復數必須顯式取實部或虛部。解決用real(x)和imag(x)分別提取。如果想畫幅度和相位用abs(x)和angle(x)。4.3 采樣頻率設置不當導致頻譜混疊現象頻譜圖上出現明顯的頻率折疊高頻分量跑到低頻區(qū)域。原因采樣間隔Ts大于奈奎斯特間隔不滿足采樣定理。解決先計算信號的最高頻率fm然后確保Ts 1/(2*fm)。報告里升余弦脈沖的截止頻率是Wm2所以奈奎斯特間隔是pi/2。如果你不確定信號的帶寬先把Ts設小一點逐步增大觀察頻譜變化。4.4 fft后的頻率軸計算錯誤現象頻譜圖的橫軸頻率值不對峰值位置和理論值偏差很大。原因fft輸出的頻率分辨率是fs/N其中fs1/TsN是采樣點數。頻率軸應該從-fs/2到fs/2。解決用f (-N/2:N/2-1) * (fs/N)計算頻率軸配合fftshift使用。如果只畫正頻率部分取前N/21個點頻率軸從0到fs/2。4.5 濾波器設計時階數選擇不當現象重建信號要么過渡帶太寬要么通帶紋波太大。原因濾波器階數太低導致過渡帶不夠陡峭階數太高又可能引入數值不穩(wěn)定。解決先用buttord或cheb1ord估算所需階數再用butter或cheby1設計。對于理想低通重建直接用sinc函數生成沖激響應但要注意截斷長度——截斷太短會導致吉布斯現象太長會增加計算量。5. 二次開發(fā)與擴展把這套代碼改成自己的工具5.1 封裝成可復用的函數原始代碼都是腳本形式變量直接暴露在工作區(qū)。如果你想反復使用某個功能比如生成任意參數的復指數序列可以把它封裝成函數function [n, x] gen_complex_exp(K, sigma, omega, n_start, n_end) % 生成復指數序列 x[n] K * exp((sigma j*omega)n) % 輸入 % K - 幅度系數 % sigma - 實部衰減/增長因子 % omega - 虛部角頻率 % n_start - 起始索引 % n_end - 結束索引 % 輸出 % n - 時間軸向量 % x - 復指數序列 n n_start:n_end; x K * exp((sigma 1i*omega) * n); end調用時只需要一行[n, x] gen_complex_exp(1.5, 0.2, 3, 0, 15);。這樣你就不用每次改參數都去翻腳本了。5.2 用App Designer做個交互界面如果你想讓不懂Matlab的人也能玩這些實驗可以用App Designer搭個簡單界面。拖幾個滑塊控制幅度、頻率、采樣間隔實時刷新波形圖。核心邏輯還是調用上面那些函數只是把輸入從命令行改成GUI控件。我一般會保留一個“導出數據”按鈕把當前生成的信號和頻譜存成.mat文件方便后續(xù)分析。這個功能在寫論文或做項目時特別實用——你不需要重新跑一遍代碼直接加載數據就行。5.3 擴展到實際信號處理這套實驗用的是理想信號實際工程中你面對的是帶噪聲的音頻、傳感器數據或者通信信號。把實驗里的采樣、頻譜分析、濾波這套流程套上去基本框架不用大改只需要注意幾點實際信號的頻率范圍未知先做頻譜預覽再定采樣率噪聲會讓頻譜變得毛糙需要加窗函數如hamming、blackman抑制泄漏濾波器設計要考慮實時性IIR濾波器階數低但相位非線性FIR濾波器線性相位但階數高5.4 驗證方法改完代碼后怎么確認沒跑偏我的習慣是拿一個已知答案的簡單信號做回歸測試。比如生成一個x[n] cos(0.1*pi*n)的序列理論上它的DFT應該在k0.1*N處有一個峰值。跑一遍代碼看峰值位置對不對。如果對得上說明整個流程沒問題如果對不上就從采樣、加窗、FFT逐段排查。從那以后我每次改完信號處理代碼都強制走一遍這個“已知信號驗證”流程。看起來多花了幾分鐘但省下了后面調試玄學問題的大把時間。希望這份實驗記錄能幫你少走點彎路順利把信號分析與處理的實驗跑通。本文還有配套的精品資源點擊獲取