正弦信号频谱分析实验

实验目标

1.设定采样率fs，生成正弦波，频率为f0，量化比特数为Q，幅度为A，采集N点正弦波，用W窗对采样帧加窗，然后进行N点的FFT分析，观察对数尺度下的幅度谱S。
通过配置信号的幅频特征参数以及分析参数，然后观察两正弦信号合成后信号的加窗幅度谱。这些参数包括
【1】两正弦波的幅度A、频率f0
【2】信号的量化比特数Q（通常为8-16）
【3】信号采样率fs
【4】凯泽窗的beta值，注意，beta=0时，等价位矩形窗，beta越大，主瓣越宽，旁瓣越低。
【5】信号的采样长度N，亦即DFT谱分析的长度
参考实验：
采样率fs=512E3，频率f0=20.0E3，量化比特数Q=12，幅度A=10；N=512，W窗为kaiser窗

%///////////////////////////////////////////////////////////
% DFT analyse of sampled sine signal
%///////////////////////////////////////////////////////////
close all;
clear;
clc;
% generate 2 sampled sine signals with different frequency（生成2个不同频率的采样正弦信号）
freq_x1         = 20.0E3        ;  % frequency of signal x1
amp_x1          = 10            ;  % amptitude of signal x1
freq_x2         = 30.0E3        ;  % frequency of signal x2
amp_x2          = 10            ;  % amptitude of signal x2
data_len        = 512           ;  % signal data length
fs              = 512E3         ;  % sample rate（采样率）
quant_bits      = 12            ;  % signal quant bits（信号量化比特数）
kaiser_beta     = 8             ;  % beta of kaiser win

idx_n           = [0:data_len-1];  % n index
idx_n           = idx_n .'      ;  % we need column vector（列向量）
idx_t           = idx_n/fs      ;  % time index
idx_phase_x1    = 2*pi*idx_n*freq_x1/fs;  % x1 phase  index（x1相位指数）
idx_phase_x2    = 2*pi*idx_n*freq_x2/fs;  % x2 phase  index
x1              = amp_x1*sin(idx_phase_x1);
x2              = amp_x2*sin(idx_phase_x2);
% signal x is consisted of x1 and x2;
x = x1 + x2;
max_abs_x = max(abs(x));    %   abs-求数值的绝对值与复数的幅值  %  normalize x to (-1,1)
x = x / max_abs_x;           % quant signal, the range is (-max_q, +max_q)
max_q = 2^(quant_bits-1);
x_quant = fix(x * max_q);   % plot them, use time label
figure;
set(gca,'fontsize',16);     % get window function data（获取窗口函数数据）（set-设置对象属性）
win = kaiser(data_len, kaiser_beta);    % windowing the data
win_x       =  win .* x;
win_x_quant =  win .* x_quant;

h_t1 = subplot(4,1,1);plot(idx_t, x1   );grid on;
h_t2 = subplot(4,1,2);plot(idx_t, x2   );grid on;
h_t3 = subplot(4,1,3);plot(idx_t, x    );grid on;
h_t4 = subplot(4,1,4);plot(idx_t, win_x);grid on;
title(h_t1, 'x1'        , 'fontsize', 14);
title(h_t2, 'x2'        , 'fontsize', 14);
title(h_t3, 'x=x1+x2'   , 'fontsize', 14);
title(h_t4, 'windowed x', 'fontsize', 14);

% perform fft（fft变换）
x_q_fft         =  fft(win_x_quant)    ;    % get frequency index（指数）
idx_freq        = -fs/2 + idx_n .* (fs / data_len);
% shift zero frequency to the data center（将0频移动到数据中心位置）
x_q_fft         =  fftshift(x_q_fft);
% map to amptitude dB scale
x_q_fft_abs     =  abs(x_q_fft);
x_q_fft_abs_dB  =  20*log10(x_q_fft_abs + 1E-8);
% normalize the spectrum from 0 dB;（从0db开始归一化频谱）
max_dB = max(x_q_fft_abs_dB);
norm_spectrum   =  x_q_fft_abs_dB - max_dB;
figure; plot(idx_freq, norm_spectrum);grid on;
title('Normlized Spectrum ', 'fontsize', 14);

实验结果如下：

频谱S
【2】对以上过程的参数， fs, f0, Q, A, N, W 进行修改，观察S的变化