各种谱计算，频响函数，传递率 阅读：22802006-05-25 22:01 A．信号与谱的分类 由于时域信号有不同的分类, 变换后对应的频域也有不同的谱 信号可分为模拟(连续)信号和数字(离散)信号, 连续信号变换后称为谱密度, 离散信号变换 后称为谱. 连续信号又可分为绝对可积,平方可积(能量有限),均方可积(功率有限) 绝对可积信号有傅里叶谱(线性谱)和傅里叶谱密度(线性谱密度),如时域信号单位为电压V, 则前者单位为V,后者单位为V/Hz. 均方可积信号有功率谱PS(单位为V2)和功率谱密度PSD(单位为V2/ Hz.). 平方可积信号有能量谱密度ESD(单位为V2 s / Hz.). 注1 平方量称为功率,平方量乘秒称为能量,谱分量除以频率称为谱密度. 注2 功率谱密度另一定义(离散信号的功率谱密度)见下述, 连续信号的功率谱密度. 为连续(光滑)曲线, 离散信号的功率谱密度为不连续的阶梯形.. 注3 随机信号求功率谱密度时为减少方差,可采用平均,重叠和加窗处理(Welch法). 数字信号又可分为绝对可和,平方可和,均方可和. B.各种谱计算 1. 线性谱Linear Spectrum: 对时域离散信号作DFT(离散傅里叶变换)得到, 采用方法为FFT(快速傅里叶变换)法.X(f)=FFT(x(t)) 2. 自功率谱APS=Auto Power Spectrum: 离散信号的线性谱乘其共轭线性谱 APS(f)=X(f)*conj(X(f)), conj=conjugate共轭(实部不变,虚部变符号). 3. 互功率谱CPS=Cross Power Spectrum::x(t)的线性谱乘y(t)的共轭线性谱 互功率谱是复数,可表示为幅值和相位或实部和虚部等. CPS(f)=X(f) *conj(Y(f)) Y(f)=FFT(y(t)) 4. (自)功率谱密度PSD(=Power Spectrum Density): PSD(f)=APS(f)/Δf Δf—频率分辨率(Hz), 自功率谱密度与自相关函数成傅立叶对应关系 故功率谱密度也称为规一化的功率谱. 5. 互功率谱密度CSD=CPS(f)/Δf A.频响函数FRF, 传递率 A1.频响函数.FRF为响应的傅里叶变换与力的傅里叶变换之比或力和响应的互谱与力的自谱之比后者可通过平均减少噪声,故较常用. H(f)=X(f ) / F(f)=X(f)*conj(F(f)) / F(f)*conj(F(f))=CPS / APS. A2. 频响函数有三种表达形式 频响函数表达成分子多项式与分母多项式(特征多项式)之比,也称有理分式. (两多项式求根后) 频响函数表达成极点,零点和增益ZPK形式. 频响函数表达成部分分式,也称极点留数形式,( 部分分式的分子项称为留数.), 例如:最常见的单自由度(位移)频响函数H(ω)=X(ω)/F(ω)
频谱分析中如何选择合适的窗函数 1、信号截断及能量泄漏效应 数字信号处理的主要数学工具是傅里叶变换。应注意到，傅里叶变换是研究整个时间域和频率域的关系。然而，当运用计算机实现工程测试信号处理时，不可能对无限长的信号进行测量和运算，而是取其有限的时间片段进行分析。做法是从信号中截取一个时间片段，然后用观察的信号时间片段进行周期延拓处理，得到虚拟的无限长的信号，然后就可以对信号进行傅里叶变换、相关分析等数学处理。 周期延拓后的信号与真实信号是不同的，下面从数学的角度来看这种处理带来的误差情况。设有余弦信号x（t）在时域分布为无限长（- ∞，∞），将截断信号的谱XT(ω)与原始信号的谱X（ω）相比，它已不是原来的两条谱线，而是两段振荡的连续谱。这表明原来的信号被截断以后，其频谱发生了畸变，原来集中在f0处的能量被分散到两个较宽的频带中去了，这种现象称之为频谱能量泄漏（Leakage）。 信号截断以后产生的能量泄漏现象是必然的，因为窗函数w(t)是一个频带无限的函数，所以即使原信号x(t)是限带宽信号，而在截断以后也必然成为无限带宽的函数，即信号在频域的能量与分布被扩展了。又从采样定理可知，无论采样频率多高，只要信号一经截断，就不可避免地引起混叠，因此信号截断必然导致一些误差，这是信号分析中不容忽视的问题。 如果增大截断长度T，即矩形窗口加宽，则窗谱W（ω）将被压缩变窄（π／T减小）。虽然理论上讲，其频谱范围仍为无限宽，但实际上中心频率以外的频率分量衰减较快，因而泄漏误差将减小。当窗口宽度T趋于无穷大时，则谱窗W（ω）将变为δ（ω）函数，而δ（ω）与X（ω）的卷积仍为H（ω），这说明，如果窗口无限宽，即不截断，就不存在泄漏误差。 为了减少频谱能量泄漏，可采用不同的截取函数对信号进行截断，截断函数称为窗函数，简称为窗。泄漏与窗函数频谱的两侧旁瓣有关，如果两侧p旁瓣的高度趋于零，而使能量相对集中在主瓣，就可以较为接近于真实的频谱，为此，在时间域中可采用不同的窗函数来截断信号。 2、常用窗函数 实际应用的窗函数，可分为以下主要类型： 幂窗：采用时间变量某种幂次的函数，如矩形、三角形、梯形或其它时间函数x(t)的高次幂；三角函数窗：应用三角函数，即正弦或余弦函数等组合成复合函数，例如汉宁窗、海明窗等；指数窗。：采用指数时间函数，如e-st形式，例如高斯窗等。
几种常见窗函数及其MATLAB程序实现 2013-12-16 13:58 2296人阅读评论(0) 收藏举报 分类： Matlab（15） 数字信号处理中通常是取其有限的时间片段进行分析，而不是对无限长的信号进行测量和运算。具体做法是从信号中截取一个时间片段，然后对信号进行傅里叶变换、相关分析等数学处理。信号的截断产生了能量泄漏，而用FFT算法计算频谱又产生了栅栏效应，从原理上讲这两种误差都是不能消除的。在FFT分析中为了减少或消除频谱能量泄漏及栅栏效应，可采用不同的截取函数对信号进行截短，截短函数称为窗函数，简称为窗。 泄漏与窗函数频谱的两侧旁瓣有关，对于窗函数的选用总的原则是，要从保持最大信息和消除旁瓣的综合效果出发来考虑问题，尽可能使窗函数频谱中的主瓣宽度应尽量窄，以获得较陡的过渡带；旁瓣衰减应尽量大，以提高阻带的衰减，但通常都不能同时满足这两个要求。 频谱中的如果两侧瓣的高度趋于零，而使能量相对集中在主瓣，就可以较为接近于真实的频谱。不同的窗函数对信号频谱的影响是不一样的，这主要是因为不同的窗函数，产生泄漏的大小不一样，频率分辨能力也不一样。信号的加窗处理，重要的问题是在于根据信号的性质和研究目的来选用窗函数。图1是几种常用的窗函数的时域和频域波形，其中矩形窗主瓣窄，旁瓣大，频率识别精度最高，幅值识别精度最低，如果仅要求精确读出主瓣频率，而不考虑幅值精度，则可选用矩形窗，例如测量物体的自振频率等；布莱克曼窗主瓣宽，旁瓣小，频率识别精度最低，但幅值识别精度最高；如果分析窄带信号，且有较强的干扰噪声，则应选用旁瓣幅度小的窗函数，如汉宁窗、三角窗等；对于随时间按指数衰减的函数，可采用指数窗来提高信噪比。表1 是几种常用的窗函数的比较。 如果被测信号是随机或者未知的，或者是一般使用者对窗函数不大了解，要求也不是特别高时，可以选择汉宁窗，因为它的泄漏、波动都较小，并且选择性也较高。但在用于校准时选用平顶窗较好，因为它的通带波动非常小，幅度误差也较小。
数字信号处理的主要数学工具是博里叶变换．而傅里叶变换是研究整个时间域和频率域的关系。不过，当运用计算机实现工程测试信号处理时，不可能对无限长的信号进行测量和运算，而是取其有限的时间片段进行分析。做法是从信号中截取一个时间片段，然后用观察的信号时间片段进行周期延拓处理，得到虚拟的无限长的信号，然后就可以对信号进行傅里叶变换、相关分析等数学处理。无线长的信号被截断以后，其频谱发生了畸变，原来集中在f(0)处的能量被分散到两个较宽的频带中去了(这种现象称之为频谱能量泄漏)。 为了减少频谱能量泄漏，可采用不同的截取函数对信号进行截断，截断函数称为窗函数，简称为窗。 信号截断以后产生的能量泄漏现象是必然的，因为窗函数w(t)是一个频带无限的函数，所以即使原信号x(t)是限带宽信号，而在截断以后也必然成为无限带宽的函数，即信号在频域的能量与分布被扩展了。又从采样定理可知，无论采样频率多高，只要信号一经截断，就不可避免地引起混叠，因此信号截断必然导致一些误差。 泄漏与窗函数频谱的两侧旁瓣有关，如果两侧瓣的高度趋于零，而使能量相对集中在主瓣，就可以较为接近于真实的频谱，为此，在时间域中可采用不同的窗函数来截断信号。 实际应用的窗函数，可分为以下主要类型： a) 幂窗--采用时间变量某种幂次的函数，如矩形、三角形、梯形或其它时间（t）的高次幂； b) 三角函数窗--应用三角函数，即正弦或余弦函数等组合成复合
函数，例如汉宁窗、海明窗等； c) 指数窗--采用指数时间函数，如形式，例如高斯窗等。 下面介绍几种常用窗函数的性质和特点。 1) 矩形窗 矩形窗属于时间变量的零次幂窗。矩形窗使用最多，习惯上不加窗就是使信号通过了矩形窗。这种窗的优点是主瓣比较集中，缺点是旁瓣较高，并有负旁瓣，导致变换中带进了高频干扰和泄漏，甚至出现负谱现象。 2) 三角窗 三角窗亦称费杰（Fejer）窗，是幂窗的一次方形式。与矩形窗比较，主瓣宽约等于矩形窗的两倍，但旁瓣小，而且无负旁瓣。 3) 汉宁（Hanning）窗 汉宁窗又称升余弦窗，汉宁窗可以看作是3个矩形时间窗的频谱之和，或者说是3个 sine（t）型函数之和，而括号中的两项相对于第一个谱窗向左、右各移动了π/T，从而使旁瓣互相抵消，消去高频干扰和漏能。可以看出，汉宁窗主瓣加宽并降低，旁瓣则显著减小，从减小泄漏观点出发，汉宁窗优于矩形窗．但汉宁窗主瓣加宽，相当于分析带宽加宽，频率分辨力下降。 4) 海明（Hamming）窗 海明窗也是余弦窗的一种，又称改进的升余弦窗。海明窗与汉宁窗都是余弦窗，只是加权系数不同。海明窗加权的系数能使旁瓣达到更小。分析表明，海明窗的第一旁瓣衰减为一42dB．海明窗的频谱
A frequency response function-based structural damage identi?cation method Usik Lee *,Jinho Shin Department of Mechanical Engineering,Inha University,253Yonghyun-Dong,Nam-Ku,Incheon 402-751,South Korea Received 9March 2001;accepted 9October 2001 Abstract This paper introduces an frequency response function (FRF)-based structural damage identi?cation method (SDIM)for beam structures.The damages within a beam structure are characterized by introducing a damage distribution function.It is shown that damages may induce the coupling between vibration modes.The e?ects of the damage-induced coupling of vibration modes and the higher vibration modes omitted in the analysis on the accuracy of the predicted vibration characteristics of damaged beams are numerically investigated.In the present SDIM,two feasible strategies are introduced to setup a well-posed damage identi?cation problem.The ?rst strategy is to obtain as many equations as possible from measured FRFs by varying excitation frequency as well as response measurement point.The second strategy is to reduce the domain of problem,which can be realized by the use of reduced-domain method in-troduced in this study.The feasibility of the present SDIM is veri?ed through some numerically simulated damage identi?cation tests.ó2002Elsevier Science Ltd.All rights reserved. Keywords:Structural damage;Damage identi?cation;Beams;Frequency response function;Damage-induced modal coupling;Reduced-domain method 1.Introduction Existence of structural damages within a structure leads to the changes in dynamic characteristics of the structure such as the vibration responses,natural fre-quencies,mode shapes,and the modal dampings.Therefore,the changes in dynamic characteristics of a structure can be used in turn to detect,locate and quantify the structural damages generated within the structure.In the literature,there have been appeared a variety of structural damage identi?cation methods (SDIM),and the extensive reviews on the subject can be found in Refs.[1–3]. The ?nite element model (FEM)update techniques have been proposed in the literature [4–9].As a draw- back of FEM-update techniques,the requirement of reducing FEM degrees of freedom or extending the measured modal parameters may result in the loss of physical interpretability and the errors due to the sti?-ness di?usion that smears the damage-induced localized changes in sti?ness matrix into the entire sti?ness matrix.Thus,various experimental-data-based SDIM have been proposed in the literature as the alternatives to the FEM-update techniques. The experimental-data-based SDIM depends on the type of data used to detect,locate,and/or quantify structural damages.They include the changes in modal data [10–18],the strain energy [19,20],the transfer function parameters [21],the ?exibility matrix [22,23],the residual forces [24,25],the wave characteristics [26],the mechanical impedances [27,28],and the frequency response functions (FRFs)[29–31].Most of existing modal-data-based SDIM have been derived from FEM model-based eigenvalue problems. As discussed by Banks et al.[32],the modal-data-based SDIM have some shortcomings.First,the modal * Corresponding author.Tel.:+82-32-860-7318;fax:+82-32-866-1434. E-mail address:ulee@inha.ac.kr (U.Lee). 0045-7949/02/$-see front matter ó2002Elsevier Science Ltd.All rights reserved.PII:S 0045-7949(01)00170-5
MATLAB课程设计报告 学院：地球物理与石油资源学院 班级： 姓名： 学号： 班内编号： 指导教师： 完成日期： 2013年6月3日
一、 题目 FIR 滤波器的窗函数设计法及性能比较 1. FIR 滤波器简介 数字滤波器是一种用来过滤时间离散信号的数字系统，通过对抽样数据进行数学处理来达到频域滤波的目的。根据其单位冲激响应函数的时域特性可分为两类：无限冲激响应（IIR ）滤波器和有限冲激响应（FIR ）滤波器。与IIR 滤波器相比，FIR 滤波器的主要特点为： a. 线性相位；b.非递归运算。 2. FIR 滤波器的设计 FIR 滤波器的设计方法主要有三种：a.窗函数设计法；b.频率抽样发；c.最小平法抽样法； 这里我主要讨论在MA TLAB 环境下通过调用信号分析与处理工具箱的几类窗函数来设计滤波器并分析与比较其性能。窗函数法设计FIR 滤波器的一般步骤如下： a. 根据实际问题确定要设计的滤波器类型； b. 根据给定的技术指标，确定期望滤波器的理想频率特性； c. 求期望滤波器的单位脉冲响应； d. 求数字滤波器的单位脉冲响应； e. 应用。 常用的窗函数有 同。 时与布莱克曼窗结果相当时与海明窗结果相同； 时与矩形窗一致；当当885.84414.50]!)2/([1)(120===+=∑∞ =x x x m x x I m m 3．窗函数的选择标准 1. 较低的旁瓣幅度，尤其是第一旁瓣； 2. 旁瓣幅度要下降得快，以利于增加阻带衰减； 3. 主瓣宽度要窄，这样滤波器过渡带较窄。 函数，可定义为是零阶式中Bessel x I n R I N n I n w window Kaiser n R N n N n n w window Balckm an n R N n n w window Ham m ing n R N n n w window Hanning N N N N )()5.2.9()(]) (})]1/(2[1{[)()4()4.2.9()()]14cos(08.0)12cos( 5.042.0[)()3()3.2.9()()]12cos( 46.054.0[)()2() 2.2.9()()]1cos( 5.05.0[)()1(0020ββππππ--=-+--=--=--=
什么是频率响应函数 动态信号分析仪的一个常见应用是测量机械系统的频率响应函数(FRF)。这也称为网络分析，系统的输入和输出同时测量。通过这些多通道测量，分析仪可以测量系统如何“改变”输入。一个常见的假设是，如果系统是线性的，那么这个“变化”被频率响应函数(FRF)充分描述。事实上，对于线性和稳定的系统，只要知道频率响应函数，就可以预测系统对任何输入的响应。 宽带随机、正弦、阶跃或瞬态信号在测试和测量应用中被广泛地用作激励信号。图1说明了一个激励信号x，可以应用于一个UUT(测试单元)，并生成一个或多个由y表示的响应，输入和输出之间的关系称为传递函数或频率响应函数，由H(y,x)表示。一般来说，传递函数是一个复杂的函数，描述系统如何将输入信号的大小和相位作为激励频率的函数。 在各种激励条件下，对UUT系统的特性进行了实验测量。这些特征包括:频率响应函数(FRF)，通过以下参量描述: 增益频率函数。相位频率函数。共振频率，阻尼因素，总谐波失真，非线性。 利用宽带随机激励的FFT、交叉功率谱法测量频率响应。宽带激励可以是高斯分布的真随机噪声信号，也可以是一个伪随机信号，其振幅分布可以由用户来
定义。宽带这一术语可能具有误导性，因为一个好的实现的随机激励信号应该是频带有限的，并由分析频率范围的上限控制。也就是说，激励不应该激发高于测量仪器所能测量的频率。随机发生器只产生频宽在分析频率范围内随机信号。这也将把激发能量集中在有用的频率范围，以提高测试动态范围。 宽带随机激励的优点是它能在短时间内激发宽频段，因此总测试时间较短。宽带激励的缺点是其频率能量在短时间内广泛传播。每个频率点激发的能量贡献远小于总信号能量(大概是-30到-50dB小于总数)。即使对于频率响应函数(FRF)估计有一个大的平均数字，宽带信号也不能有效地测量UUT的极端动态特性。 扫频正弦测量，优化了每个频率点的测量值。由于激励信号是一个正弦波，在某一时刻其所有的能量都集中在一个频率上，改进了宽带激励中的动态范围不足的缺点。此外，如果频率响应幅值大小下降，响应的跟踪滤波器可以帮助接收到非常小的正弦信号。只要优化每个频率的输入范围，就可以将测量的动态范围扩展到150分贝以上。 频率响应函数的应用 频率响应函数的应用很广，其中测试试件的固有频率是基础应用，可以有效的避免共振频率。试件由于材质、材料属性、形状的不同会影响自身刚度和质量。它的固有频率只受刚度分布和质量分布的影响，阻尼对固有频率的影响有限。质量增大固有频率必然降低，刚度增大固有频率必然增大。 理论上讲，试件有多阶固有频率。在二维频谱图中，并不是所有的峰值对应的都是固有频率，因为有可能是激励频率或是它的倍频。因此通常通过测量频响
数字信号处理及实验实验报告 实验题目窗函数的特性分析 姓名MYT 组别班级学号 【实验目的】 分析各种窗函数的时域和频率特性，灵活运用窗函数分析信号频谱和设计FIR数字滤波器。 【实验原理】 在确定信号谱分析、随机信号功率谱估计以及FIR数字滤波器设计中，窗函数的选择对频谱分析和滤波器设计都起着重要的作用。在确定信号谱分析和随机信号功率谱估计中，截短无穷长的序列会造成频率泄漏，影响频谱分析的精度和质量。合理选取窗函数的类型，可以改善泄漏现象。在FIR数字滤波器设计中，截短无穷长的系统单位脉冲序列会造成FIR滤波器的幅度特性产生波动，且出现过渡带。 【实验结果与数据处理】 1、分析并绘出常用窗函数的时域特性波形。 程序如下： clc,clear,close all N=50 figure(1) W1=boxcar(N); stem([0:N-1],W1); figure(2) W2=hanning(N); stem([0:N-1],W2); figure(3) W3=hamming(N); stem([0:N-1],W3); figure(4) W4=blackman(N); stem([0:N-1],W4); figure(5) W5=bartlett(N); stem([0:N-1],W5); figure(6) W6=kaiser(N,2*N); stem([0:N-1],W6);
时域波形图如下： 图 1 矩形窗 图 2 汉宁窗 图 3 汉明窗
图 4 布莱克曼窗 图 5 Bartlett窗 图 6 凯泽窗
2、研究凯泽窗（Kaiser）的参数选择对其时域和频域的影响。 （1）固定beta=4，分别取N=20，60，110。 clc,clear,close all N1=20;N2=60;N3=110; beat=4; figure(1) subplot(3,2,[1,2]) W=kaiser(N1,beat); stem([0:N1-1],W); subplot(3,2,[3,4]); Ww=kaiser(N2,beat); stem([0:N2-1],Ww); subplot(3,2,[5,6]); WW=kaiser(N3,beat); stem([0:N3-1],WW); figure(2) subplot(3,2,[1,2]) W1=fft(W,N1) plot([0:N1-1],abs(fftshift(W1))) subplot(3,2,[3,4]); W2=fft(Ww,N2) plot([0:N2-1],abs(fftshift(W2))) subplot(3,2,[5,6]); W3=fft(WW,N3) plot([0:N3-1],abs(fftshift(W3))) 图7 凯泽窗频域图图8 凯泽窗时域图 （2）固定N=60，分别取beta=1，5，11。 clc,clear,close all beat1=1;beat2=5;beat3=11; N=60; figure(1) subplot(3,2,[1,2])
对Parzen窗/PNN算法的学习和研究报告 姓名：吴潇学号：1333755 1、Parzen窗方法综述、发展历史及现状 模式识别领域的非参数估计方法大致可以分为两类。第一种类型是先估计出概率密度函数的具体形式，然后再利用这个估计出来的概率密度函数对样本进行分类。第二种类型是，不估计具体的概率密度函数，而直接根据样本进行分类。Parzen窗方法就是属于第一种类型的非参数估计方法，概率神经网络（PNN）是它的一种实现方式。Parzen窗方法的基本思想是利用一定范围内的各点密度的平均值对总体密度函数进行估计。 Parzen窗（Parzen window）又称为核密度估计（kernel density estimation），是概率论中用来估计未知概率密度函数的非参数方法之一。该方法由Emanuel Parzen于1962年在The Annals of Mathematical Statistics杂志上发表的论文“On Estimation of a Probability Density Function and Mode”中首次提出。Nadaraya和Watson最早把这一方法用于回归法中。Specht把这一方法用于解决模式分类的问题，并且在1990年发表的论文“Probabilistic neural networks”中提出了PNN网络的硬件结构。Ruppert和Cline基于数据集密度函数聚类算法提出了修订的核密度估计方法，对Parzen窗做了一些改进。 Parzen窗方法虽然是在上个世纪60年代提出来的，已经过去了45年的时间，看上去是一种很“古老”的技术，但是现在依然有很多基于Parzen窗方法的论文发表。这说明Parzen 窗方法的确有很强的生命力和实用价值，虽然它也存在很多缺点。 2、Parzen窗方法和概率神经网络 Parzen窗方法就是基于当样本个数n非常大的时候，有公式成立这样的一个事实而提出的。通过计算在一个区域R内的频数k/n，用这个频数来估计这一点的频率，从而得到这一点的概率。当n趋于无穷大的时候，p(x)等于该点的实际概率。这种方法就是模式识别领域中的非参数估计方法。 Parzen窗方法就是通过构造一系列的区域：，在这些区域内计算k/n。记V n为区域R n的体积，k n为落在区域R n中的样本个数，表示对的第n次估计，于是有： 为了保证能够收敛到，必须满足以下3个条件： 1）2）3） Parzen窗方法的实质就是通过对上面的区域R n，每次按照来构造区域序列，使区域逐渐收缩到一个给定的初始区间。它不断收缩区域，按照公式把区域不断缩小，而不关心该
实验六 用窗函数法设计 FIR 滤波器 一、实验目的 (1) 掌握用窗函数法设计FIR 数字滤波器的原理和方法。 (2) 熟悉线性相位FIR 数字滤波器特性。 (3) 了解各种窗函数对滤波特性的影响。 二、实验原理 滤波器的理想频率响应函数为H d (e j ω )，则其对应的单位脉冲响应为： h d (n) = ?-π π ωωωπ d e e H n j j d )(21 窗函数设计法的基本原理是用有限长单位脉冲响应序列h(n)逼h d (n)。由于h d (n)往往是无 限长序列，且是非因果的，所以用窗函数。w(n)将h d (n)截断，并进行加权处理： h(n) = h d (n) w(n) h(n)就作为实际设计的FIR 数字滤波器的单位脉冲响应序列，其频率响应函数H(e j ω )为： H(e j ω ) = ∑-=-1 )(N n n j e n h ω 如果要求线性相位特性，则h (n )还必须满足： )1()(n N h n h --±= 可根据具体情况选择h(n)的长度及对称性。 用窗函数法设计的滤波器性能取决于窗函数w(n)的类型及窗口长度N 的取值。设计过程中，要根据对阻带最小衰减和过渡带宽度的要求选择合适的窗函数类型和窗口长度N 。 三、实验步骤 1. 写出理想低通滤波器的传输函数和单位脉冲响应。 2. 写出用四种窗函数设计的滤波器的单位脉冲响应。 3. 用窗函数法设计一个线性相位FIR 低通滤波器，用理想低通滤波器作为逼近滤波器，截止频率ωc =π/4 rad ，选择窗函数的长度N ＝15，33两种情况。要求在两种窗口长度下，分别求出h(n)，打印出相应的幅频特性和相频特性曲线，观察3dB 带宽和阻带衰减； 4 用其它窗函数(汉宁窗(升余弦窗)、哈明窗(改进的升余弦窗)、布莱克曼窗) 设计该滤波器，要求同1；比较四种窗函数对滤波器特性的影响。 四、实验用MATLAB 函数 可以调用MATLAB 工具箱函数fir1实现本实验所要求的线性相位FIR-DF 的设计，调用一维快速傅立叶变换函数fft 来计算滤波器的频率响应函数。
实验六 用窗函数设计FIR 滤波器 1.实验目的 (1) 熟悉FIR 滤波器设计的方法和原理 (2) 掌握用窗函数法设计FIR 滤波器的方法和原理，熟悉滤波器的特性 (3) 了解各种窗函数滤波器特性的影响 2.实验原理 FIR 滤波器的设计方法主要有三种：窗函数法、频率取样法、切比雪夫等波纹逼近法。FIR 滤波器的设计是要寻求一系统函数)(z H ，使其频率响应)(ωj e H 逼近滤波器要求的理想频率响应()j d H e ω，其对应的单位脉冲响应)(n h d 。 （1）用窗函数设计FIR 滤波器的基本方法 在时域用一个窗函数截取理想的)(n h d 得到)(n h ，以有限长序列)(n h 近似逼近理想的)(n h d ；在频域用理想的)(ωj d e H 在单位圆上等角度取样得到h(k)，根据h(k)得到H(z)将逼近理想的Hd(z)。 设理想滤波器)(ωj d e H 的单位脉冲响应为)(n h d 。以低通线性相位FIR 数字滤波器为 例。 )(n h d 一般是无限长的、非因果的，不能直接作为FIR 滤波器的单位脉冲响应。要想得到一个因果的有限长的滤波器h(n)，最直接的方法是截断)()()(n w n h n h d =，即截取为有限长因果序列，并用合适的窗函数进行加权作为FIR 滤波器的单位脉冲响应。按照线性相位滤波器的要求，h(n)必须是偶对称的。对称中心必须等于滤波器的延时常数，即 用矩形窗设计的FIR 低通滤波器，所设计滤波器的幅度函数在通带和阻带都呈现出振荡现象，且最大波纹大约为幅度的9%，（现象称为吉布斯（Gibbs ）效应）。 （2）典型的窗函数 （a ）矩形窗(Rectangle Window) 其频率响应和幅度响应分别为： 21)2/sin()2/sin()(--=N j j e N e W ωωωω，) 2/sin()2/sin()(ωωωN W R = 在matlab 中调用w=boxcar(N)函数，N 为窗函数的长度 （b ）三角形窗(Bartlett Window) 其频率响应为：212])2/sin()4/sin([2)(--=N j j e N N e W ωω ωω 在matlab 中调用w=triang(N)函数，N 为窗函数的长度 （c ）汉宁(Hanning)窗，又称升余弦窗 其频率响应和幅度响应分别为：
动态信号分析仪的一个常见应用是测量机械系统的频率响应函数(FRF)。这也称为网络分析，系统的输入和输出同时测量。通过这些多通道测量，分析仪可以测量系统如何“改变”输入。一个常见的假设是，如果系统是线性的，那么这个“变化”被频率响应函数(FRF)充分描述。事实上，对于线性和稳定的系统，只要知道频率响应函数，就可以预测系统对任何输入的响应。 宽带随机、正弦、阶跃或瞬态信号在测试和测量应用中被广泛地用作激励信号。图1说明了一个激励信号x，可以应用于一个UUT(测试单元)，并生成一个或多个由y表示的响应，输入和输出之间的关系称为传递函数或频率响应函数，由H(y,x)表示。一般来说，传递函数是一个复杂的函数，描述系统如何将输入信号的大小和相位作为激励频率的函数。 在各种激励条件下，对UUT系统的特性进行了实验测量。这些特征包括:频率响应函数(FRF)，通过以下参量描述: 增益频率函数。相位频率函数。共振频率，阻尼因素，总谐波失真，非线性。 利用宽带随机激励的FFT、交叉功率谱法测量频率响应。宽带激励可以是高斯分布的真随机噪声信号，也可以是一个伪随机信号，其振幅分布可以由用户来定义。宽带这一术语可能具有误导性，因为一个好的实现的随机激励信号应该是频带有限的，并由分析频率范围的上限控制。也就是说，激励不应该激发高于测
量仪器所能测量的频率。随机发生器只产生频宽在分析频率范围内随机信号。这也将把激发能量集中在有用的频率范围，以提高测试动态范围。 宽带随机激励的优点是它能在短时间内激发宽频段，因此总测试时间较短。宽带激励的缺点是其频率能量在短时间内广泛传播。每个频率点激发的能量贡献远小于总信号能量(大概是-30到-50dB小于总数)。即使对于频率响应函数(FRF)估计有一个大的平均数字，宽带信号也不能有效地测量UUT的极端动态特性。 扫频正弦测量，优化了每个频率点的测量值。由于激励信号是一个正弦波，在某一时刻其所有的能量都集中在一个频率上，改进了宽带激励中的动态范围不足的缺点。此外，如果频率响应幅值大小下降，响应的跟踪滤波器可以帮助接收到非常小的正弦信号。只要优化每个频率的输入范围，就可以将测量的动态范围扩展到150分贝以上。 频率响应函数的应用很广，其中测试试件的固有频率是基础应用，可以有效的避免共振频率。试件由于材质、材料属性、形状的不同会影响自身刚度和质量。它的固有频率只受刚度分布和质量分布的影响，阻尼对固有频率的影响有限。质量增大固有频率必然降低，刚度增大固有频率必然增大。 理论上讲，试件有多阶固有频率。在二维频谱图中，并不是所有的峰值对应的都是固有频率，因为有可能是激励频率或是它的倍频。因此通常通过测量频响函数的方式来测量固有频率，频响函数对应的峰值都是系统的固有频率。多数情况下，我们只关心低阶或特定阶固有频率。 常用两种方法测试频率响应函数，锤击法和正弦扫频法。
实验报告 实验课程：数字信号处理实验开课时间：2020—2021 学年秋季学期 实验名称：窗函数的特性分析实验时间：2020年9月16日星期三 学院：物理与电子信息学院年级：大三班级：182 学号：1843202000234 姓名：武建璋 一、实验预习
（2）固定N=60，分别取beta=1，5，11。clc,clear,close all beat1=1;beat2=5;beat3=11; N=60; figure(1) subplot(3,2,[1,2]) W=kaiser(N,beat1); stem([0:N-1],W); subplot(3,2,[3,4]); Ww=kaiser(N,beat2); stem([0:N-1],Ww); subplot(3,2,[5,6]); WW=kaiser(N,beat3); stem([0:N-1],WW); figure(2) subplot(3,2,[1,2]) W1=fft(W,N) plot([0:N-1],abs(fftshift(W1))) subplot(3,2,[3,4]); W2=fft(Ww,N) plot([0:N-1],abs(fftshift(W2))) subplot(3,2,[5,6]); W3=fft(WW,N) plot([0:N-1],abs(fftshift(W3)))
4、某序列为x[k] = (11πk/20) + cos(9πk/20),使用fft函数分析其频谱。(1) 利用不同宽度N的矩形窗截短该序列，N分别为20，40，160，观察不同长度N 的窗对谱分析结果的影响。 clc,clear,close all N1=20;N2=40;N3=160; k1=0:N1;k2=0:N2;k3=0:N3; X1=0.5.*cos((11*pi*k1)/20)+cos((9*pi*k1)/20) X2=0.5.*cos((11*pi*k2)/20)+cos((9*pi*k2)/20) X3=0.5.*cos((11*pi*k3)/20)+cos((9*pi*k3)/20) figure(1) subplot(3,2,[1,2]) W1=fft(X1,N1) plot([0:N1-1],abs(fftshift(W1))) subplot(3,2,[3,4]); W2=fft(X2,N2) plot([0:N2-1],abs(fftshift(W2))) subplot(3,2,[5,6]); W3=fft(X3,N3) plot([0:N3-1],abs(fftshift(W3))) figure(2) subplot(3,2,[1,2]) W=abs(fftshift(W1)) stem([0:N1-1],W); subplot(3,2,[3,4]); Ww=abs(fftshift(W2))
7. 频响函数的估计（相干分析） 7.1. SISO 系统的频响函数及其估计 对于SISO 系统，其频响函数的估计有很多计算方法，主要的有三种估计式。在没有噪声污染的情况下，它们的估计是等价的。但是实际上，由于不可避免的存在噪声，三种估计有所差异。 本节讨论在主要的三种噪声污染下，三种传统估计式与真值之间的误差。 7.1.1. 随机激励下的频响函数 考虑一个SISO 时不变线性系统，其频率响应函数为()ωH 。设随机输入和响应信号分别为)(t x 和)(t y ，其傅立叶变换分别为)(ωX 和)(ωY ，则有 ()()()ωωωX H Y = 上式两端乘以()ω*X ，取时间平均及集合平均，并注意()ωH 与平均无关，则 ()()[]()()()[]ωωωωω* * 1lim 1lim X X T H X Y T T T ∞ →∞ →= 即 ()()()ωωωx xy S H S = 如果()ωx S 不为零，则可得系统的频响函数的第一种计算式 ()()() ωωωx xy S S H = 1 同样，如果在系统输入/出频谱式两端乘以()ω*Y ，取时间平均和集合平均，得 ()()()ωωωyx y S H S = 如果()ωyx S 不为零，则可得系统的频响函数的第二种计算式 ()()() ωωωyx y S S H = 2 将系统输入/出频谱式两端取共轭，得
() ()()ωωω** * X H Y = 乘以原输入/出频谱式，并去时间平均和集合平均，得 ()()()ωωωx y S H S 2 = 可得系统的频响函数的幅值计算式 () ()() ωωωx y a S S H = 2 7.1.2. 频响函数的估计方法 考虑一个SISO 时不变线性系统，其频率响应函数为()ωH 。设系统的实际输入和响应信号分别为)(t u 和)(t v ，其傅立叶变换分别为)(ωU 和)(ωV ，它们的测量信号分别为)(t x 和)(t y ，其傅立叶变换分别为)(ωX 和)(ωY 。 (t) (t) (1) 输出端噪声的影响 若只有输出端受到噪声信号)(t n 的污染，并设它与系统的)(t u 和)(t v 无关。则有 ()()t u t x = ()()ωωU X = ()()()t n t v t y += ()()()ωωωN V Y +=
目录 摘要...................................................................... I 1.窗函数 (1) 2.窗函数的种类 (2) 2.1 基本窗函数 (4) 2.2 广义余弦窗 (5) 3.基于matlab的实现 (9) 3.1MATLAB软件简介 (9) 3.2各窗函数的图形 (11) 3.3各窗函数的幅频特性 (13) 4.频谱泄露 (15) 4.1频谱泄漏原理 (15) 4.2 产生机理 (15) 4.3窗函数的频谱泄漏的抑制方法 (16) 4.4窗函数的选择 (18) 5．实验结果分析 (19) 6．心得体会 (20) 参考文献 (21)
摘要 现代图像、语声、数据通信对线性相位的要求是普遍的。正是此原因，使得具有线性相位的FIR数字滤波器得到大力发展和广泛应用。 在实际进行数字信号处理时，往往需要把信号的观察时间限制在一定的时间间隔内，只需要选择一段时间信号对其进行分析。这样，取用有限个数据，即将信号数据截断的过程，就等于将信号进行加窗函数操作。而这样操作以后，常常会发生频谱分量从其正常频谱扩展开来的现象，即所谓的“频谱泄漏”。当进行离散傅立叶变换时，时域中的截断是必需的，因此泄漏效应也是离散傅立叶变换所固有的，必须进行抑制。而要对频谱泄漏进行抑制，可以通过窗函数加权抑制DFT的等效滤波器的振幅特性的副瓣，或用窗函数加权使有限长度的输入信号周期延拓后在边界上尽量减少不连续程度的方法实现。而在后面的FIR滤波器的设计中，为获得有限长单位取样响应，需要用窗函数截断无限长单位取样响应序列。另外，在功率谱估计中也要遇到窗函数加权问题。由此可见，窗函数加权技术在数字信号处理中的重要地位。