МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ "ЛЬВІВСЬКА ПОЛІТЕХНІКА"
Звіт до лабораторної роботи № 2 з курсу: "Засоби прийому та обробки інформації в системах захисту " Варіант №18 Львів – 2011р. Мета роботи – вивчити засоби МАТЛАБ для визначення спектральних характеристик детермінованих дискретних сигналів та дослідити спектральні характеристики сигналу заданого варіанту. Вивчити засоби МАТЛАБ для визначення характеристик детермінованих сигналів із заданими спектральними властивостями та навчитися розв’язувати задачу фільтрації на основі обернене перетворення Фур’є. Повний текст завдання: 1. Ознайомитись із основами теорії перетворення Фур’є. 2. Отримати варіант роботи у викладача. 3. Загрузити систему МАТЛАБ в комп’ютер. 4. Створити скрипт-файл лабораторної роботи. 5. Побудувати графіки сигналів і перенести їх у звіт. 6. Загрузити систему СІМУЛІНК. 7. Згенерувати сигнал, використовуючи блоки системи СІМУЛІНК. 8. Виконати спектральний аналіз сигналів з допомогою блоків Power Spectral Density, Averaging Power Spectral Density бібліотеки блоків Simulinks Extras – Additional Sinks. 9. Побудувати графіки спектрів сигналів і перенести їх у звіт. 10. Обмежити спектр сигналу, залишивши в спектрі основні гармоніки. 11. Побудувати графіки відновлених сигналів. Номер варіанту  Вид сигналу  Параметри сигналу     амплітуда  частота, Гц  час квантування, с   18 Періодичний сигнал з лінійно наростаючою частотою  1  Від 1 до 10  0.01   Лістинг програми: Програма1 %t = 0:0.001:0.6; %час %x = sin(2*pi*50*t)+sin(2*pi*120*t); %сигнал T=0.1; Tf=1;Ts=0.0001; [x,t]=gensig('plot',T,Tf,Ts); x = x * 10; figure(1); plot(t,x); axis([0 10 -0.5 15]); y = x + 2*randn(size(t)); %сигнал з помилкою figure(2); plot(1000*t(1:50),y(1:50)); %графік сигналу xlabel('time (milliseconds)'); Y = fft(y,512); %перетворення Фур’є Pyy = Y.* conj(Y) ; %модуль перетворення Фур’є f = 1000*(0:256)/512; %вектор половини частоти дискретизації figure(3); plot(f,Pyy(1:257)); %графік амплітудного спектру на половині частоти title('Frequency content of y') xlabel('frequency (Hz)') Сигнал
Рис:1 Сигнал з помилкою
Рис:2 Графік амплітудного спектру на половині частоти
Рис:3 Програма2 t=0.001:0.001:5.12;f0=1;f1=10;t1=10; x=chirp(t,f0,t1,f1); plot(t,x); y = fft(x); % перетворення Фур’є m = abs(y); %модуль комплексного спектру p = unwrap(angle(y)); %фаза комплексного спектру f = (0:length(y)-1)'*100/length(y); % частота в герцах subplot(2,1,1), plot(f,m), ylabel('Abs. Magnitude'), grid on subplot(2,1,2), plot(f,p*180/pi) ylabel('Phase [Degrees]'), grid on xlabel('Frequency [Hertz]') Сигнал піля перетворення Фурє Рис:4 Програма3 t=0.001:0.001:5.12;f0=1;f1=10;t1=10; x=chirp(t,f0,t1,f1); plot(t,x); y = x + 0*randn(size(t)); %сигнал с помилкою n=512; %кількість відрахунків figure(1) plot(t(1:n),y(1:n));grid; %графік сигналу title('Signal Corrupted with Zero-Mean Random Noise'); xlabel('time (milliseconds)'); Y = fft(y,n); % перетворення Фур’є Pyy = Y.* conj(Y) / n; %модуль перетворення Фур’є f = 1000*(0:n)/n; %половина частоти дискретизації figure(2) plot(f(1:100),Pyy(1:100)); grid; %график АЧХ title('Frequency content of y') xlabel('frequency (Hz)') %**************************** обернене перетворення Фур’є ************* N=100; Y1=[Y(1:N) zeros(1,n-N)]; %зрізування спектру сигналу figure(3) x1=ifft(Y1,n); %обернене перетворення Фур’є plot(t(1:n),2*x1(1:n),t(1:n),y(1:n)),grid; Рис:5 Рис:6 Рис:7 Блок-схема в Simulink Графік1 Графік2 Висновок: На цій лабораторній роботі ми визначили спектральні характеристики детермінованих дискретних сигналів та дослідити спектральні характеристики сигналу.Також зробити блок-схему і змоделювати вихідний сигнал.