DevioLab CRYPTO TRADING AUTOMATION
LIVE
AUTOMATED CRYPTO TRADING • BINANCE
Автоматизуйте свій криптопортфель
Торгові боти DevioLab аналізують крипторинок, автоматично відкривають і закривають позиції та керують вашим портфелем на Binance 24/7.
CRYPTO 80 Bots
BINANCE Spot Trading
TRADING 24 / 7
Спробувати DevioLab
deviolab.com

ОБЧИСЛЕННЯ СПЕКТРАЛЬНИХ ХАРАКТЕРИСТИК СИГНАЛУ.

Інформація про навчальний заклад

ВУЗ:
Національний університет Львівська політехніка
Інститут:
Не вказано
Факультет:
Не вказано
Кафедра:
Електронні обчислювальні машини

Інформація про роботу

Рік:
2015
Тип роботи:
Лабораторна робота
Предмет:
Обробка сигналів
Група:
КІ-4

Частина тексту файла (без зображень, графіків і формул):

Міністерство освіти та науки України Національний університет “Львівська політехніка” Кафедра ЕОМ Лабораторна робота №4 з курсу „ Обробка сигналів” на тему: “ ОБЧИСЛЕННЯ СПЕКТРАЛЬНИХ ХАРАКТЕРИСТИК СИГНАЛУ ” Виконав: ст. гр. КІ – 4 Львів – 2006 Мета роботи: Дослідити дискретне перетворення Фур’є (ДПФ) і алгоритм швидкого перетворення Фур’є (ШПФ) за основою два як засіб ефективного обчислення спектральних характеристик періодичних і неперіодичних сигналів, а також фільтрації та апроксимації сигналів. Завдання: Форма сигналу для обробки  Графік вхідної послідовності xa (n ∆t) для 128 точок:  Спільний графік спектральної послідовності X(k)=ДПФN {x(n)} та модифікованої спектральної послідовності Xm(k):  Результати Фур’є-синтезу сигналу за вихідною і модифікованою спектральними послідовностями (у табличному вигляді) та їх графіки:  Текст програми: clc clear all close all A=7; c=5; f=c; T=f+c; m=7; N=2^m; p=N/8; k1=N/2-p; k2=N/2+p; dt=T/N; t=-f:dt:f-dt; t11=[t(1:N/2)]; t12=[t(N/2+1:N)]; k=A/c; l=-A/f; x11=k*t11+A; x12=l*t12+A; x=[x11 x12]; %Задання вхідного сигналу Sx=fft(x, length(x))/N; %Знаходження прямого перетворення Фур'є subplot(3, 1, 1), plot(t, x), title('Input data'); subplot(3, 1, 2), plot(1:N, real(Sx)), title('Real part series Fourier'); %Вивід на спільному графіку subplot(3, 1, 3), plot(1:N, imag(Sx)), title('Imag part series Fourier'); figure(2) Sx1=[Sx(1:k1), zeros(1, k2-k1), Sx(k2+1:N)]; %Прорідження спектру subplot(4, 1, 1), plot(1:N, real(Sx)),title('Real part series Fourier'); subplot(4, 1, 2), plot(1:N, real(Sx1)),title('Real part modif series Fourier'); subplot(4, 1, 3), plot(1:N, imag(Sx)),title('Imag part series Fourier'); subplot(4, 1, 4), plot(1:N, imag(Sx1)),title('Imag part modif series Fourier'); x1= N*ifft(Sx, length(Sx)); %Знаходження оберненого перетворення Фур'є xm1= N*ifft(Sx1, length(Sx1)); dif=x-xm1; figure(3) subplot(4, 1, 1), plot(t, x), title('Input data'); subplot(4, 1, 2), plot(t, real(x1)), title('Real part output signal'); %Вивід на спільному графіку subplot(4, 1, 3), plot(t, real(xm1)), title('Real part modif output signal'); subplot(4, 1, 4), plot(t, real(dif)), title('Different Real part'); Висновки: виконавши дану лабораторну роботу, я дослідив дискретне перетворення Фур’є (ДПФ) і алгоритм швидкого перетворення Фур’є (ШПФ) за основою два як засіб ефективного обчислення спектральних характеристик періодичних і неперіодичних сигналів, а також фільтрації та апроксимації сигналів.
Антиботан аватар за замовчуванням

2015

Коментарі

Ви не можете залишити коментар. Для цього, будь ласка, увійдіть або зареєструйтесь.

Ділись своїми роботами та отримуй миттєві бонуси!

Нічого не вибрано
0%

Оголошення від адміністратора

Антиботан аватар за замовчуванням

Подякувати Студентському архіву довільною сумою

Admin

26.02.2023 12:38

Дякуємо, що користуєтесь нашим архівом!